Nöral şebekeler ve analizleri

Abstract

İÜ ÖZET Noral şebeke, problemlerin çözümünde belirli bir teknik veya çok sayada birbirlerine bağlı işlem yapabilen ve farklı elemanların genel bir adıdır. Bu elemanlar, basitçe programlanmak yerine Hebbian ve Delta kuralı gibi kurallar esas alınarak eğitilmişlerdir. 1960 ların sonlarında ve 1970'lerin başlarında nöral şebeke ile ilgili araştırmaların geri plana itilmiş olmasına karşılık bugün ise bu konu yeniden ilgi odağı olmuştur. Günümüzde ileri teknolojilerin hakim olduğu birçok endüstrilerde, nöral şebekelerin kullanılma imkanı mevcuttur. Bu endüstriler, elektronik (robot ve mekanik düzenlemede görüntüleme sistemleri), haberleşme (otomatik konuşma yorumlaması) ve ticaret (tahmin ve mali analizler) gibi gruplanabilir. Nöral şebekelerin tasarım ve programlanmasında canlı beyni örnek olarak alınmıştır. Çok katlı tabakalar üzerine yapılan çalışmalar, özellikle canlı beyninin öğrenme dinamiğine yaklaşıldığını sergilemektedirler. Bununla birlikte, bu çalışmalar canlı beyninin taklidi (simülasyonu) için henüz yetersiz kalmaktadır.-iv- Bu çalışmanın 1 nci Bölümünde, nöral şebekelerin tanımı, önemi ve gelişmesini sınırlayan konular izah edilmiştir. 2 nci Bölümde canlılarda düşünme sistemi ve alt yapısı verilmiştir. Öğrenme mekanizması kısaca açıklanmıştır. 3 ncü Bölümde, şebekeyi oluşturan elemanlar detaylı olarak tanımlanmış, basit şebeke örnekleri verilmiş ve ilgili terminoloji sunulmuştur. 4 ncü ve 5 nci Bölümlerde; iki şebeke tipi tanımlanmıştır. Bu şebekeler öğrenme kabiliyetine sahip ve data girdisine göre kendi kendilerini programlayabilen şebekelerdir. 6 nci Bölümde basit bir nöral optimizasyon devresinin tasarımı ve analizi verilmiştir. Son Bölümde irdeleme ve tartışmalar verilmiştir.

SUMMARY Neural nets is the name for the technique which solve the problems or for the connectionists machines which consist of different processing elements. These elements are taught by Hebbiean or Data rules than being simply programmed. Research into neural nets are declined during 1960 and 1970, but, it becomes, again, a current interest. There is a possible use of neural nets in industry which involves in advanced technologies. These industries include t Electronic (Robotic and visual imaging systems), Telecommunications (Automatic speech interpretation), commerce (probability and financial analysis) and etc. Neural network systems take their inspiration from animal brains. The recent works taking place for the multi-layer nets may lead to approach the dynamics of human brain. However, these works are not sufficient enough so simulate the human brain artificialy. In the present study, first chapter deals with the definition.-vi- importance and limits of achievements of the neural nets. Second chapter gives inside into neural fizyology of the mamals including their learning mechanisms. Third chapter examines the elements of the neural nets in detail. Some examples are described and terminology for the neural nets are given. In the fourth and fifth chapter, two types of neural nets are described. These nets are self-organized nets, which program them selves according to their inputs. In the sixth chapter, practical design and analysis of a simple neural optimization circuit is given. In the last chapter discussions and conclusions are given.