📚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