Publication: Yapay sinir ağları ve uygulama alanları
Abstract
İnsanlık çağlar boyu, Yunan mitolojisinden Acem masallarına kadar, insana benzeyen, benzer biçimde düşünüp davranan canlılar hayal etmiştir. Sanayi devrimi ve izleyen süreç bu düşüncelerin gerçekleşebilmesine olanak vermiş, ancak bu defa üzerinde çalışılanlar canlılar değil, makineler olmuştur. İnsan zekâsını taklit eden, insana özgü davranışlar gösteren makineler yapmayı amaçlayan yapay zekâ çalışmaları, bugün tamamıyla, insan hayatının vazgeçilmez bir parçası haline gelen bilgisayarlar üzerine kuruludur. Bilgisayarlar diğer yapay sistemlerle kıyaslandığında en karmaşık ve çalışma şekline göre insan beynine en yakın olanıdır. Genel özelliklerine bakıldığında insan zekâsına mâl edilen özelliklere rastlanır. Yapay zekâ araştırmaları, insan beyninin fonksiyonlarının incelenmesi ve bu fonksiyonların taklidi ile sıkı bir ilişki içindedir. Yapay zekâ uygulamaları, problemin çözümünü sağlayan bir algoritmanın geliştirilemediği veya problemin çözümünü veren bir formülün olmadığı durumlarda problemi çözme görevini üstlenir. Bu alanda yapılan farklı uygulamalar sonucunda, yapay zekâ birçok alt dala ayrılmıştır. Bu alt dallardan biri de yapay sinir ağlarıdır. Bir makine öğrenme tekniği olan yapay sinir ağı, biyolojik organizmalardaki beyin ve sinir sistemleri üzerine yapılan çalışmalardan esinlenerek geliştirilen hesaplamalı bir metottur. Yapay sinir ağlarının, geleneksel bilgisayarlar karşısında sağladıkları avantajlar ve karmaşık, belirsiz ya da eksik verilerle çalışabilme yetenekleri sayesinde endüstriyel hayattan, finansal çalışmalara, tıp biliminden, askeri sistemlere birçok uygulamaları görülmektedir. Tez çalışmasının birinci bölümünde, yapay zekâ kavramına değinilmiş ve yapay zekânın alt dallarından bazıları kısaca anlatılmıştır. İkinci bölümde öğrenme kavramı açıklanmış ve kavram; psikolojide öğrenme, insan beyninin öğrenmesi ve makine öğrenmesi olarak üç başlıkta ele alınmıştır. Makine öğrenmesi başlığı altında, öğrenme metotları ve öğrenme kuralları anlatılmıştır. Üçüncü bölümde, yapay sinir ağlarının genel özellikleri, yapısı ve temel unsurları, yapay sinir ağı modelleri ele alınmıştır. Dördüncü bölümde yapay sinir ağlarının kullanım amaçları ve uygulama alanları anlatılmıştır. Beşinci ve son bölümde ise bir uygulama örneği verilmiştir. Bir bağımlı değişken ( ) ve bir bağımsız değişken ( ) için 'nin tahmin değerleri ( ) yapay sinir ağları tekniği ile hesaplanmıştır. Uygulama da ayrıca aynı veri seti kullanılarak En Küçük Kareler tekniği ile regresyon parametreleri elde edilmiş ve bu parametreler kullanılarak elde edilen tahmin değerleri ile yapay sinir ağı tekniği ile elde edilen değerler arasında karşılaştırma yapma olanağı sunulmuştur.
During eras, from Greek mythology to Persia tales, people have imagined living things which look like human and think and behave similar to them. Industrial revolution and developments after that made this ideas possible, however the things worked on were machines this time, not living things. Artificial Intelligence studies, whose purpose is making machines that mimic human intelligence and behave special to human, are completely based on computers. Computers are the most complex and the most similar to human brain in comparison with the other artificial systems. If we look at its general characteristics, we see properties appropriated for human intelligence. Artificial Intelligence studies are tightly related to studies of human brain functions and mimicing this functions. Artificial Intelligence applications take on solving a problem, when an algorithm can not be developed to solve the problem or there is no formula that can give any solution to the problem. Artificial intelligence has many divisions because of different applications in this area. One of this divisions is artificial neural networks. Artificial neural network, which is a machine learning technique, is a computational method inspired by studies of the brain and nervous systems in biological organisms. Due to the advantages of artificial neural networks as opposed to conventional computers and their ability of working with complex, unknown or missing data, they find many applications from industrial life to financial studies and from medical science to military systems. In the first chapter of this thesis, artificial intelligence concept is mentioned and some divisions of artificial intelligence are described briefly. In the second chapter, learning concept is explained and it is discussed in three sections; namely, learning in psychology, human brain learning and machine learning. Learning methods and rules are described under machine learning title. In the third chapter, the general characteristics of artificial neural networks with its structure and basic components are discussed and artificial neural network models are presented. In the fourth chapter, the utilization purposes and the application areas of artificial neural networks are described. In the fifth and last chapter, an application example is given. Estimation values for a dependent variable (Y) and an independent variable (X) are computed by using artificial neural network technique. In the application, the regression parameters are also obtained with least mean square technique using the same data and then, Y estimation values calculated by using these parameters are compared to the values obtained by artificial neural networks technique.
During eras, from Greek mythology to Persia tales, people have imagined living things which look like human and think and behave similar to them. Industrial revolution and developments after that made this ideas possible, however the things worked on were machines this time, not living things. Artificial Intelligence studies, whose purpose is making machines that mimic human intelligence and behave special to human, are completely based on computers. Computers are the most complex and the most similar to human brain in comparison with the other artificial systems. If we look at its general characteristics, we see properties appropriated for human intelligence. Artificial Intelligence studies are tightly related to studies of human brain functions and mimicing this functions. Artificial Intelligence applications take on solving a problem, when an algorithm can not be developed to solve the problem or there is no formula that can give any solution to the problem. Artificial intelligence has many divisions because of different applications in this area. One of this divisions is artificial neural networks. Artificial neural network, which is a machine learning technique, is a computational method inspired by studies of the brain and nervous systems in biological organisms. Due to the advantages of artificial neural networks as opposed to conventional computers and their ability of working with complex, unknown or missing data, they find many applications from industrial life to financial studies and from medical science to military systems. In the first chapter of this thesis, artificial intelligence concept is mentioned and some divisions of artificial intelligence are described briefly. In the second chapter, learning concept is explained and it is discussed in three sections; namely, learning in psychology, human brain learning and machine learning. Learning methods and rules are described under machine learning title. In the third chapter, the general characteristics of artificial neural networks with its structure and basic components are discussed and artificial neural network models are presented. In the fourth chapter, the utilization purposes and the application areas of artificial neural networks are described. In the fifth and last chapter, an application example is given. Estimation values for a dependent variable (Y) and an independent variable (X) are computed by using artificial neural network technique. In the application, the regression parameters are also obtained with least mean square technique using the same data and then, Y estimation values calculated by using these parameters are compared to the values obtained by artificial neural networks technique.