Yapay Sinir Ağlarının Kavramları
Last updated
Was this helpful?
Last updated
Was this helpful?
Yapay Sinir Ağlarının temel kavramları
Convention: Giriş katmanı sayılmadığından görüntüdeki NN 2 kat NN olarak adlandırılır 📢❗
Terim
Açıklama
🌚 Giriş Katmanı
NN'nin girişlerini içeren katmandır
🌜 Gizli Katman
Hesaplamalı işlemlerin yapıldığı katman
🌝 Çıkış Katmanı
NN'nin son katmanı ve tahmin edilen değer ŷ'nin üretilmesinden sorumludur
🧠 Nöron
Bir matematik fonksiyonu için bir yer tutucu, girdilere bir fonksiyon uygular ve çıktı sağlar
💥 Aktivasyon Fonksiyonu
Dönüşümler uygulayarak bir düğümün giriş sinyalini bir çıkış sinyaline dönüştüren bir fonksiyon
👶 Shallow NN
Az sayıda gizli katmana sahip NN (bir veya iki)
💪 Deep NN
Çok sayıda gizli katmanı olan NN
l katmanındaki nöron sayısı
Girişinin ağırlıklı toplamını hesaplar, bias ekler ve ardından bir aktivasyon fonksiyonu nedeniyle nöronun tetiklenip tetiklenmeyeceğine karar verir.
Parametre
Boyut
Bu boyutların doğru olduğundan emin olmak, daha iyi ve hatasız 🐛 kodlar yazmamıza yardımcı olur.
Giriş:
Çıkış:
Giriş:
Çıkış :
Vektörize Edilmiş Denklemler:
😵🤕
......
Öğrenme hızı
İterasyon sayısı
Gizli katmanların sayısı
Gizli birimlerin sayısı
Aktivasyon Fonksiyonunun Seçimi
......
Hiper-parametrelerin parametreleri kontrol ettiğini söyleyebiliriz 🤔
Aktivasyon fonksiyonları ile ilgili ayrıntılı notlarım: 👩🏫