Yapay sinir ağı, insan beyninden sonra kendini modelleyen, bir algoritma yoluyla bilgisayarın yeni veriler ekleyerek öğrenmesine izin veren yapay bir sinir ağı oluşturan bir makine öğrenim türüdür.

Beynin temel birimi nöronlar olsa da, yapay bir sinir ağının temel yapı taşı basit sinyal işlemeyi gerçekleştiren bir algılayıcıdır ve bunlar daha sonra büyük bir ağ ağına bağlanır.

Sinir ağına sahip bilgisayara önceden etiketlenmiş eğitim örneklerini analiz ettirerek bir görev yapması öğretilir. Deep learning kullanan bir sinir ağı için yaygın bir örneği sinir ağının kedi veya bilgisayar gibi belirli bir tipte çok sayıda nesne ile sunulduğu bir nesne tanımasıdır. Sunulan görüntülerde tekrar eden kalıpları analiz ederek, yeni görüntüleri kategorilere ayırmayı öğrenir.

Sinir ağları nasıl öğrenir ?

Diğer algoritmaların aksine deep learning ile sinir ağları doğrudan programlanamaz. Aksine tıpkı bir çocuğun gelişmekte olan beyninde olduğu gibi, bilgiyi öğrenmeleri gerekliliği vardır. Öğrenme stratejileri üç yöntemle uygulanır:

• Denetimli öğrenme: Bilgisayarın geçtiği bir veri kümesi olduğundan ve istenen sonucu elde etmek için veri kümesini işleyene kadar algoritma değiştirildiğinden, bu öğrenme stratejisi en basit olanıdır.
• Denetimsiz öğrenme: Bu strateji öğrenilebilecek veri kümesinin bulunmadığı durumlarda kullanılır. Sinir ağı veri kümesini analiz eder ve sinir ağına hedefin ne kadar uzakta olduğunu söyler. Sinir ağı daha sonra algoritmanın doğruluğunu artırmak için ayarlanır.
• Güçlendirilmiş öğrenme: Bu algoritmada sinir ağı olumlu sonuçlar için güçlendirilir ve negatif sonuç çıkma olasılığı azdır.

Yapay sinir ağlarının avantajları

• Paralel işleme yeteneği ile aynı anda birden fazla iş yapabilir.
• Bilgiler sadece bir veritabanında değil, tüm ağda depolanır.
• Eksik bilgilerin ne kadar önemli olduğuna bağlı olarak eksik bilgileri çıkarabilir.
• Herhangi bir sabit ilişkiyi komuta etmeden verilerdeki gizli ilişkileri öğrenme yeteneği ile büyük verileri ve modelleyebilir.
• Görünmeyen veriler üzerinde ilişkileri genelleme ve çıkarım yapma yeteneği ile verilerin çıktısını tahmin edebilir.

Yapay sinir ağlarının dezavantajları

• Uygun ağ yapısını belirlemek için yapay sinir ağı mimarisinin ancak deneme yanılma ve deneyim yoluyla bulunabilir.
• Paralel işleme yetenekleri için yüksek işlemci gereksinimine ihtiyacı vardır.

Yapay sinir ağlarının kullanım alanları

Görüntü tanıma, sinir ağlarının başarıyla uygulandığı ilk alanlardan biriydi, ancak teknoloji kullanımları, aşağıdakiler de dahil olmak üzere daha birçok alana genişledi:

·       Chatbots

·       Çeviri

·       Borsa tahmini

·       Teslimat sürücüsü rota planlamave optimizasyonu

·       İlaç keşfi ve gelişimi

Bunlar, günümüzde sinir ağlarının uygulandığı birkaç spesifik alandır.