Yinelenen Sinir Ağları (RNN), oluşturulan katmanlar üzerine işlenen verilere uygulanan matematiksel işlemler sonucu bir çıktı veri almayı ifade etmektedir. Bu sinir ağlarında bilgi ileri doğru işletilmektedir. Sisteme işlenen veriler sonucunda bir tahmin verisi elde edilmektedir. Bu verinin doğru sonuçla karşılaştırılması sonucu hata payı kavranmış olur. Sinir ağında bulunan ağırlık değerleri hata payı oranında değişime uğrayınca gerçek sonuçlar elde edilmeye başlanacaktır. 

Bu sinir ağında temel amaç hata payının düşürülmesini sağlamaktır. Böylelikle sinir ağında dolaşacak olan girdi verisi, doğru bir şekilde çıktı verisi ile bağlanmış olacaktır. Yinelenen sinir ağları farklı amaçlar için geliştirilebilmektedirler. Örneğin; bir fotoğrafta veya bir videoda yer alan nesnenin tanımlanması amacıyla geliştirilmiş olan bir sinir ağı, daha önce işlenen verilerle bağlantılı olmadan sonuca ulaşmayı hedeflemektedir. Yinelenen sinir ağları ise yalnızca o an input edilen veri ile değil, o veriden önce sisteme yüklenen verilerle ve daha sonra yüklenecek olan verilerle de bağlantılı şekilde çalışmaktadır.

Önceki veride verilecek karar şu an işlenmekte olan veriyi de büyük oranda etkilemektedir. İnsan beyni gibi daha önce işlenmiş olan verilerle yeni işlenen veriler birleştirilerek çıktı veri oluşturulmaktadır. Bu sinir ağları belleğe sahip olan ağlardır. Yeni verileri eski verilerle kıyaslayıp birleştirerek sonuca ulaşırlar. Bu sinir ağlarına yerleştirilen çeşitli sensör veya veriler, makineye input edilen yeni veriler bu sensör veya verilerle kıyaslanarak bir çıktı veri elde edilir. 

Yinelenen Sinir Ağları (RNN) Ne Gibi Problemlere Yol Açar?

Yinelenen sinir ağları zaman nedeni ile oluşan problemleri çözebilmektedir. Tekrarlanacak aktivitelerle ilgili bazı bilgiler sinir ağları içerisinde tutulurken bazı bilgiler ise aktivite tekrarını çok ilgilendirmediği gerekçesiyle ağdan çıkarılabilir. Aktivite için gerekli bilgiler sinir ağına çok önce bir zaman içerisinde dahil edilmişse bu bilgiye ulaşılamama ihtimali de doğmaktadır. 

Karışık aktivite sınıflandırılması gerektiği zaman yinelenen sinir ağları nasıl bir sınıflandırma yapacağı konusunda sıkıntılar yaşamaktadır. Yinelenen sinir ağlarının tahmin kapasitesinin geliştirilebilmesi için başka işlemlere ihtiyaç duyduğu bilinmektedir. Bu nedenle iki farklı bellek türü sinir ağı içerisine yerleştirilerek çok önceki bilgi işlemenin de hatırlanması sağlanabilir. Uzun geçmişte işlenmiş olan veriler hatırlanırsa daha sağlıklı tahmin sonuçları elde edilebilir. 

Yinelenen sinir ağları kullanılarak önce kullanılan kelimelerin gidişatına göre gerekli olan kelimeler tahmin edilebilmektedir. Dil modelleme yöntemi RNN ile gerçekleştirilebilmektedir. Eğitim verileri açık kod kullanan kütüphaneler yardımı ile veya manuel bir şekilde sinir ağına aktarılabilir. Ağ üzerinde yapılan bu eğitim çalışmaları sonrası yeni gelen kelimenin tahmin edilebilme olasılığı da artış göstermektedir. 

Yinelenen sinir ağları ve konvolüsyonel sinir ağları aynı anda kullanılırsa konuşma tanıma fonksiyonu da makinelerde oluşturulabilmektedir. Ses dalgalarının özelliklerini kavrayarak bir tahmin dizini oluşturulur. Ses dalgalarını kelimeye çevirme programları bu iki sinir ağını kullanarak işlemi gerçekleştirmektedir. 

https://pythondunyasi.com/yapay-zeka-ve-derin-ogrenme/


0 yorum

Bir Cevap Yazın