📚
Yapay Sinir Ağlarının Kavramları
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 🤔