Yapay Sinir Ağları (YSA), insan beyninin bilgiyi analiz etme ve işleme biçimini simüle etmek için tasarlanmış bir hesaplama sisteminin parçalarıdır. Yapay Zekanın (AI) temelidir ve insan veya istatistiksel standartlarla imkansız veya zor olacak problemleri çözerler. YSA, daha fazla veri elde edildikçe daha iyi sonuçlar üretmelerini sağlayan kendi kendine öğrenme yeteneklerine sahiptir.
Yapay Sinir Ağlarını Parçalamak (YSA)
Yapay Sinir Ağları (YSA), ekonominin tüm sektörlerinde kullanılmak üzere hayat değiştiren uygulamaların geliştirilmesine zemin hazırlıyor. YSA üzerine inşa edilen Yapay Zeka (AI) platformları, geleneksel şeyleri yapmayı bozuyor. Web sayfalarını diğer dillere çevirmekten çevrimiçi sanal asistan siparişi vermeye, sorunları çözmek için sohbet botlarıyla sohbet etmeye kadar, AI platformları işlemleri basitleştiriyor ve hizmetleri ihmal edilebilir maliyetlerle herkes için erişilebilir hale getiriyor.
Sistem nasıl çalışır?
Yapay sinir ağları, insan beyni gibi inşa edilir, nöron düğümleri bir ağ gibi birbirine bağlanır. İnsan beyninde nöron adı verilen yüz milyarlarca hücre vardır. Her nöron, bilgiyi beyne doğru (girişler) ve uzağa (çıkışlar) taşıyarak bilgiyi işlemekten sorumlu bir hücre gövdesinden oluşur. YSA, düğümlerle birbirine bağlanan işlem birimi adı verilen yüzlerce veya binlerce yapay nörona sahiptir. Bu işlem birimleri giriş ve çıkış birimlerinden oluşur. Girdi birimleri, bir iç ağırlıklandırma sistemine dayalı olarak çeşitli bilgi formları ve yapıları alır ve sinir ağı, bir çıktı raporu üretmek için sunulan bilgileri öğrenmeye çalışır. İnsanların bir sonuç veya çıktı bulmak için kurallara ve yönergelere ihtiyacı olduğu gibi, YSA'lar da çıktı sonuçlarını mükemmelleştirmek için backpropagation, hatanın geriye doğru yayılmasının kısaltması olarak adlandırılan bir dizi öğrenme kuralı kullanır.
Bir YSA başlangıçta görsel, işitsel veya metinsel olarak verilerdeki kalıpları tanımayı öğrendiği bir eğitim aşamasından geçer. Bu denetlenen aşamada, ağ, üretilen gerçek çıktısını üretmeyi amaçladığı şeyle, yani istenen çıktıyla karşılaştırır. Her iki sonuç arasındaki fark backpropagation kullanılarak ayarlanır. Bu, ağın, gerçek ve istenen sonuç arasındaki fark mümkün olan en düşük hatayı üretinceye kadar, üniteler arasındaki bağlantılarının ağırlığını ayarlamak için çıkış biriminden giriş birimlerine geriye doğru çalıştığı anlamına gelir.
Eğitim ve denetleme aşamasında, YSA'ya ikili sayıları olan Evet / Hayır soru türlerini kullanarak neye bakması ve çıktılarının ne olması gerektiği öğretilir. Örneğin, kredi kartı sahtekarlığını zamanında tespit etmek isteyen bir bankanın şu sorularla beslenen dört giriş birimi olabilir: (1) İşlem, kullanıcının yerleşik ülkesinden farklı bir ülkede mi? (2) Kartın kullanıldığı web sitesi bankanın izleme listesindeki şirketlere veya ülkelere bağlı mı? (3) İşlem tutarı 2.000 $ 'dan fazla mı? (4) İşlem faturasındaki isim, kart sahibinin adıyla aynı mı? Banka "sahtekarlık algılandı" yanıtlarının Evet olmasını istiyor Evet Evet Hayır Hayır, ikili biçimde 1 1 1 0 olur. Ağın gerçek çıktısı 1 0 1 0 ise, sonuçlarına denk gelen bir çıktı verene kadar ayarlar. 1 1 1 0. Eğitimden sonra, bilgisayar sistemi bankaları sahtekarlık işlemleri konusunda uyararak bankada çok para biriktirebilir.
Pratik uygulamalar
Yapay sinir ağları tüm operasyon alanlarında uygulanmıştır. E-posta servis sağlayıcıları, kullanıcının gelen kutusundaki spam'ı algılamak ve silmek için YSA kullanır; varlık yöneticileri bunu bir şirketin hisse senedinin yönünü tahmin etmek için kullanır; Kredi derecelendirme firmaları kredi puanlama yöntemlerini geliştirmek için kullanırlar; e-ticaret platformları bunu kitlelerine önerileri kişiselleştirmek için kullanır; chatbot'lar doğal dil işleme için YSA ile geliştirilmiştir; derin öğrenme algoritmaları bir olay olasılığını tahmin etmek için YSA kullanır; YSA birleşiminin listesi birden çok sektörde, endüstride ve ülkede devam etmektedir.