📚Yapay Sinir Ağlarının Kavramları
Yapay Sinir Ağlarının temel kavramları
🍭 Temel Sinir Ağı

Convention: Giriş katmanı sayılmadığından görüntüdeki NN 2 kat NN olarak adlandırılır 📢❗
📚 Terimler
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
🧠 Yapay bir nöron ne yapar?
Girişinin ağırlıklı toplamını hesaplar, bias ekler ve ardından bir aktivasyon fonksiyonu nedeniyle nöronun tetiklenip tetiklenmeyeceğine karar verir.
Aktivasyon fonksiyonları ile ilgili ayrıntılı notlarım: burada 👩🏫
👩🔧 Parametre Boyut Kontrolü
Parametre
Boyut
Bu boyutların doğru olduğundan emin olmak, daha iyi ve hatasız 🐛 kodlar yazmamıza yardımcı olur.
🎈 İleri Yayılım Sürecinin Özeti
Giriş:
Çıkış:
👩🔧 Vektörize Edilmiş Denklemler:
🎈 Geri Yayılım Sürecinin Özeti
Giriş:
Çıkış :
Vektörize Edilmiş Denklemler:
➰➰ İleri ve Geri Yayılımı Bir Arada

😵🤕
✨ Parametreler ve Hiper-parametreler
👩🏫 Parametreler
......
👩🔧 Hiper-parametreler
Öğrenme hızı
İterasyon sayısı
Gizli katmanların sayısı
Gizli birimlerin sayısı
Aktivasyon Fonksiyonunun Seçimi
......
Hiper-parametrelerin parametreleri kontrol ettiğini söyleyebiliriz 🤔
🌞 Yazının Aslı
Last updated
Was this helpful?