Cumartesi, Nisan 10, 2021

Derin Öğrenme Layers (Katmanlar)

Derin öğrenme şimdi ve gelecekte hayatımızda önemli bir yer tutmaya başladı. Derin Öğrenme Layers (Katmanlar) konusu altında sizlere katman türleri ve kullanım alanları inceleyeceğiz. Bu katmanlar yapay sinir ağları içerisinde yer alıyor. Katmanlar input (giriş), hidden, (gizli) ve output (çıkış) değerleri mevcuttur.

Layers / Katman Türleri

  • Fully Connected (Dense) Layers
  • Convolutional Layers
  • Pooling Layers
  • Recurrent Layers
  • Normalization Layers

Fully Connected / Dense (Tamamen Bağlı / Yoğun Katmanı)

Fully Connected / Dense türkçe karşılığı Tamamen Bağlı / Yoğun Katmanı dır. Tamamen bağlı / yoğun katmanın giriş vektöründe doğrusal bir işlemi vardır. Genellikle bunu doğrusal olmayan bir etkinleştirme işlevi izlemektedir.

Convolutional Layers (Evrişimli Katmanı)

Convolutional Layers türkçe karşılığı Evrişimli Katmanı dır. Evrişimli katmanı bir dizi “filtreden” oluşan bir katmandır. Filtreler, bir seferde giriş (input) verilerinin bir alt kümesini alır, ancak tüm girdiye uygulanır. Bu katman tarafından gerçekleştirilen işlemler hala doğrusal / matris çarpımlarıdır, ancak çıktıda genellikle doğrusal olmayan bir etkinleştirme işlevini izlemektedir.

Pooling Layers (Havuzlama Katmanı)

Pooling Layers türkçe karşılığı Havuzlama Katmanı dır. Havuzlama katmanı sinir ağın ardışık katmanlarının, ağ giriş (input) verilerinin daha geniş bir alanı tarafından sergilenen “daha yüksek” veya daha karmaşık özellikler tarafından etkinleştirildiği gerçeğinden yararlanıyoruz. Bir havuzlama katmanı, önceki katmanın çıktısını (output) etkili bir şekilde aşağı örnekleyerek sonraki katmanlar için gerekli işlem sayısını azaltmaktadır. Ancak yine de önceki katmandan geçerli bilgileri aktarır.

Recurrent Layers (Tekrarlayan Katmanı)

Recurrent Layers türkçe karşılığı tekrarlayan katmanı dır. Tekrarlayan katmanı yapay sinir ağları düğümler arasındaki bağlantıları oluşturan çizgesel ve zamansal dizisi boyunca çalışmaktadır. Bu, geçici dinamik davranış sergilemesine izin vermektedir.

Normalization Layers (Normalleştirme Katmanı)

Normalization Layers türkçe karşılığı Normalleştirme katmanı dır. Normalleştirme katmanı özellik ölçeklendirmesi için girdi (input) ve gizli (hidden) katmanlarda toplu normalleştirmede kullanılır. Daha dayanıklı ve daha hızlı bir eğitime izin vermek için birim standart sapma ve sıfır ortalama kullanılır.

Bu yazımızda sizlere derin öğrenme için gerekli olan Layers (Katmanlar) konusunu ve türlerinin en çok kullanılanları sizin için derledik.

Related Articles

Bir Cevap Yazın

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Stay Connected

21,785BeğenenlerBeğen
0TakipçilerTakip Et
0AbonelerAbone
- Advertisement -

Latest Articles

%d blogcu bunu beğendi: