Çok katmanlı algılayıcının optimizasyonu ve ağırlıklara bağlı duyarlığı

Abstract

ÖZET Bu çalışmada geriye yayılın» algoritması kullanılarak çok katmanlı algılayıcıda optimizasyon üzerine çeşitli problemler ele alınmış ve bu problemler üzerinde çok katmanlı algılayıcının ağırlıklara bağlı olan duyarlığı bir duyarlık ölçüsü için hesaplanmıştır. Birinci bölümde yapay nöron ağ yapılan, işlem elemenları, yapay nöron ağlarında öğrenme konulan işlenmiştir. Bilgisayar programında kullanılan geriye yayılım öğrenme algoritması ve genelleştirilmiş delta kuralı açıklanmıştır. İkinci bölümde xor, parite ve gauss deteksiyon problemleri üzerinde ileri yönlü çok katmanlı algılayıcının hata yakınsamasında çeşitli parametrelerin etkileri incelenmiştir ve yorumlanmıştır. Üçüncü bölümde ise, ele alınan problemlerde her bir giriş paterni için diferansiyeli alınabilir aktivasyon fonksiyonlu tek çıkışlı çok katmanlı algılayıcının toplamsal ağırlık kusurları için duyarlığı üzerinde çalışılmıştır. Sonuç bölümünde ise yapılan çalışmanın neticeleri tartışılmıştır.

SUMMARY This thesis presents an empirical analysis of the effect of varius parametres on the error convergence of multilayer feedforward neural networks using the standart backpropagation learning algorithm and a sensitivity of multilayer neural networks for a weight set is calculated using a sensitivity measure. In section 1; artificial neural network, processing elements and learning process are presented. Backpropagation algorithm which is used for computer programme; and generalized delta rule are explained. In section 2; effect of various parametres on the error convergence of multilayer feedforward neural networks are examined on xor, parity and Gauss detection problems. In section 3; a sensitivity caused by additive weight perturbations of a single-output multilayer perceptron with a differentiate activation function for each input patern is presented. In conclusion section; results of presented thesis are explained.