Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan yapay zeka dersinin bir bölümüdür. Eğitmen, error algoritmasına göre back propagation algoritmasını tamamladıktan sonra test kısmına geçiş yapmaktadır.
- Videoda, back propagation algoritmasının test edilmesi için grafik oluşturma, aktivasyon fonksiyonu seçimi ve nöron sayısının etkisi gösterilmektedir. Eğitmen, lineer aktivasyon fonksiyonu yerine sigmoidal aktivasyon fonksiyonunun daha iyi sonuçlar verdiğini göstermekte ve nöron sayısının değiştirilmesinin algoritmanın performansını nasıl etkilediğini açıklamaktadır. Video, bir sonraki derste adaptif learning retini ve momentum uygulamalarının gösterileceği bilgisiyle sonlanmaktadır.
- Back Propagation Algoritmasının Test Edilmesi
- Error algoritmasına göre back propagation algoritması tamamlandıktan sonra test kısmına geçiliyor.
- Y plot adında bir değer oluşturulup, boyutları 0, 1, 330 olarak ayarlanıyor.
- Lojik değerler (1 ve 2) normal sayı sistemine dönüştürülerek (1, 2, 3) grafikte gösteriliyor.
- 02:02Modelin Görselleştirilmesi
- Y model plot adında bir değişken oluşturulup, y değerlerinin hesaplanması yapılıyor.
- Eğitimden çıktıktan sonra algoritma son y değerlerini en uygun değerler olarak veriyor.
- Modelin test edilmesi için hata fonksiyonu (error function) kullanılıyor ve hata değeri yüksek bir değerden başlayıp küçülüyor.
- 05:26Aktivasyon Fonksiyonunun Önemi
- Çıkış numarası lineer olarak seçildiğinde sonuçlar sınırlı kalıyor.
- Sigmoidal aktivasyon fonksiyonu kullanıldığında sonuçlar çok daha iyi çıkıyor.
- Lineer aktivasyon fonksiyonunun çıkış değeri -sonsuz ile +sonsuz arasında değişirken, sigmoidal aktivasyon fonksiyonu daha iyi sonuçlar veriyor.
- 07:39Nöron Sayısı ve Adaptif Öğrenme
- Nöron sayısı değiştirildiğinde (8 nöron, 2 nöron) sonuçlar değişiyor ve minimize etme sorunu yaşanıyor.
- Learning rate ve adaptif öğrenme (momentum) gibi parametreler doğru ayarlanmadığında sistem doğru değerleri bulamıyor.
- Bir sonraki derste adaptif learning, retini momentum uygulaması ve olasılıksal modeller (probabilistic modeller) gösterilecek.