Makine Öğrenmesi Matematiği 2


Bir önceki bölümde Makine Öğrenmesinde hipotez, parametreler, öğrenme algoritması, maliyet fonksiyonu ve amaç kavramlarından bahsetmiştik. Kare hata fonksiyonunu maliyet fonksiyonumuzda kullanarak, lineer regresyon problemimizin hipotezini hesaplamıştık. Hatırlamak isterseniz: Makine Öğrenmesi Matematiği 1 Kaldığımız yerden devam edelim.  Hipotezimizin basitleştirmeden önceki haline bir bakalım. Hatırlarsanız, Makine Öğrenmesinde asıl yapmak istediğimiz, amacımız, verilere en uygun eğriyi bulmaktır. Verilerin bir dağılım grafiğini çizdiğimizde, veriler eğer düz bir çizgiye düşüyorsa, … Okumaya devam et Makine Öğrenmesi Matematiği 2

Makine Öğrenmesi Matematiği 1


 Denetimli Öğrenme: Veri setindeki her örnek için doğru sonucu tahmin eder. Regresyon: Sürekli veri setinde verinin gerçek değerini tahmin etmeye çalışır. Sınıflandırma: Ayrık verilerde değer tahmini gerçekleştirir. BAŞLAYALIM …  Elimizde bir eğitim veri seti var. Yapmak istediğimiz şey x girdisinden y’yi tahmin etmek istiyoruz. Örnek olarak evin büyüklüğünü x olarak, tahmin etmeye çalıştığımız y’yi de evin fiyatı olarak düşünebiliriz. x : Girdi y : Çıktı  … Okumaya devam et Makine Öğrenmesi Matematiği 1

TensorFlow: Algılayıcı


Daha önce, Yapay Sinir Ağlarında algılayıcılardan bahsetmiştik ve python ile basit bir algılayıcı gerçekleştirmiştik. Önce bir tekrar edip, sonra tensorflow ile algılayıcı gerçekleştireceğiz. Bir algılayıcı, bir veya daha fazla girdi, bir işlem ve tek bir çıktıdan oluşur. Bir “algılayıcı”, “ileri besleme” modelini izler; bu da girişler nörona gönderilir, işlenir ve çıktı haline getirilir. En basit sinir ağı türü tek bir katman çıkış düğümlerinden oluşan tek katmanlı … Okumaya devam et TensorFlow: Algılayıcı

Konvolüsyonel Sinir Ağı (Convolutional Neural Network)


Makine öğrenmesinde konvolüsyonel sinir ağı (CNN), görüntülerin analiz edilmesine başarıyla uygulanmış derin ileri beslemeli yapay sinir ağıdır. CNN’ler minimal önişleme gerektiren bir çok katmanlı algılayıcı varyasyonu kullanırlar. Paylaşım ağırlıklı mimarisi ve çeviri değişmezlik özelliklerine dayalı olarak, vardiya değişmez veya uzay değişmez yapay sinir ağları (SIANN) olarak da bilinirler. Farklı düğümlerin alıcı alanları, kısmen çakışır ve böylece tüm görsel alanı kaplarlar. CNN’ler, diğer resim sınıflandırma algoritmalarına … Okumaya devam et Konvolüsyonel Sinir Ağı (Convolutional Neural Network)

Derin İnanç Ağı (Deep Belief Network)


Makine öğrenmesinde, derin inanç ağı (DBN), üretken grafiksel bir modeldir ya da alternatif olarak, gizli düğümlerin birden fazla katmanından oluşan, katmanlar arasında bağlantı olan fakat düğümler arasında olmayan bir derin sinir ağı sınıfıdır. Denetimsiz bir dizi örnek üzerinde eğitim gördüğünde, DBN, girişlerini olasılıksal olarak yeniden yapılandırmayı öğrenebilir. Katmanlar daha sonra özellik dedektörleri gibi davranırlar. Bu öğrenme aşamasından sonra, sınıflandırma yapmak için bir DBN daha fazla … Okumaya devam et Derin İnanç Ağı (Deep Belief Network)

Kısıtlı Boltzmann Makinesi (Restricted Boltzmann Machine (RBM))


Geoff Hinton tarafından yaratılan Kısıtlı Boltzmann Makinesi sınıflandırma, regresyon ve özellik öğrenimi gibi alanlarda kullanılır. Kısıtlı bir Boltzmann Makinesi (RBM), girdi seti üzerinde olasılık dağılımlarını öğrenebilen rastlantısal bir yapay sinir ağıdır. RBM’ler, derin inanç ağlarının yapı taşlarını oluşturan iki katmanlı sinir ağlarıdır. RBM’nin ilk katmanı görünür veya giriş katmanı ve ikinci katmanı ise gizli katman olarak adlandırılır. Her daire(düğüm) nöronu temsil eder ve hesaplamaların yapıldığı … Okumaya devam et Kısıtlı Boltzmann Makinesi (Restricted Boltzmann Machine (RBM))

Boltzmann Makinesi (Boltzmann Machine)


Bir Boltzmann makinesi, stokastik tekrarlayan sinir ağı tipidir. Boltzmann makineleri Hopfield ağlarının stokastik, üretken karşılığı olarak görülebilir. Bunlar, iç temsilleri öğrenebilen ilk sinir ağlarındandır ve zor kombinatoryal problemleri temsil edip çözebilirler. Sınırsız bağlanabilirliği olan Boltzmann makineleri, makine öğrenmesi veya çıkarımında pratik sorunlar için yararlı değildir, ancak eğer bağlantı düzgün bir şekilde kısıtlıysa, öğrenme pratik problemler için faydalı olacak kadar verimli hale getirilebilir. Designed by Freepik Okumaya devam et Boltzmann Makinesi (Boltzmann Machine)

Hopfield Ağı (Hopfield Network)


Bir Hopfield ağı, John Hopfield tarafından 1982’de popülerleştirilen, ancak daha önce 1974’te Little tarafından tanımlanan tekrarlayan yapay sinir ağı biçimidir. Hopfield ağları, ikili eşik düğümleri olan içerik adresli bellek sistemleri olarak çalışır. Bunların yerel bir minimuma yakın olması garanti edilir, ancak bazen depolanan desenden (beklenen yerel minimum) yanlış bir şekle (yanlış yerel minimum) yakınsar. Hopfield ağları, insan hafızasını anlamak için bir model de sağlar. Hopfield … Okumaya devam et Hopfield Ağı (Hopfield Network)

Markov Zinciri (Markov Chain)


Matematikte, Markov Zinciri (Andrey Markov’un adına atfen), Markov özelliğine sahip bir stokastik süreçtir. Markov özelliğine sahip olmak, mevcut durum verildiğinde, gelecek durumların geçmiş durumlardan bağımsız olması anlamına gelir. Bir başka deyişle, mevcut durumun açıklaması, sürecin gelecekteki evrimini etkileyecebilecek tüm bilgiyi kapsar. Gelecek durumlara belirli bir şekilde değil, olasılıksal bir süreçle ulaşılacaktır. Her bir anda sistem belirli bir olasılık dağılımına bağlı olarak kendi durumunundan başka bir … Okumaya devam et Markov Zinciri (Markov Chain)

Kapılı Tekrarlayan Hücre (Gated Recurrent Unit)


Geçişli tekrarlayan hücreler veya kapılı tekrarlayan hücreler (GRU), tekrarlayan sinir ağlarında bir kapı mekanizmasıdır. Polifonik müzik modelleme ve konuşma sinyali modellemesindeki performanslarının, uzun / kısa süreli hafızaya (LSTM) benzer olduğu tespit edilmiştir. LSTM’den daha az sayıda parametreye sahipler çünkü çıkış kapısı yoktur. GRU, LSTM’nin bir çeşididir. LSTM’nin vanishing gradient problemi hala mevcuttur ancak iç yapısı daha basittir ve bu nedenle gizli durumunu güncellemek için daha az … Okumaya devam et Kapılı Tekrarlayan Hücre (Gated Recurrent Unit)