Sinir Ağlarının Uygulamaları
YSA'nın yaygın olarak kullanıldığı alanları incelemeden önce, YSA'nın neden tercih edilen uygulama seçeneği olduğunu anlamamız gerekir.
Neden Yapay Sinir Ağları?
Yukarıdaki sorunun cevabını bir insan örneği ile anlamamız gerekiyor. Çocukken ebeveynlerimiz veya öğretmenlerimiz dahil olmak üzere büyüklerimizin yardımıyla bazı şeyleri öğrenirdik. Daha sonra kendi kendine öğrenerek veya pratik yaparak hayatımız boyunca öğrenmeye devam ederiz. Bilim adamları ve araştırmacılar da makineyi tıpkı bir insan gibi akıllı hale getiriyor ve YSA da aşağıdaki nedenlerden dolayı çok önemli bir rol oynuyor:
Algoritmik yöntemin pahalı olduğu veya bulunmadığı bu tür sorunların çözümünü sinir ağlarının yardımıyla bulabiliriz.
Sinir ağları örnek olarak öğrenebilir, bu nedenle onu çok fazla programlamamıza gerek yoktur.
Sinir ağları, geleneksel hıza göre doğruluk ve önemli ölçüde hızlı hıza sahiptir.
Uygulama alanları
YSA'nın kullanıldığı alanlardan bazıları aşağıda verilmiştir. YSA'nın geliştirilmesinde ve uygulamalarında disiplinler arası bir yaklaşıma sahip olduğunu öne sürmektedir.
Konuşma tanıma
Konuşma, insan-insan etkileşiminde önemli bir rol oynar. Bu nedenle, insanların bilgisayarlarla konuşma arayüzleri beklemesi doğaldır. Günümüzde, makinelerle iletişim için, insanlar öğrenmesi ve kullanması zor olan karmaşık dillere hala ihtiyaç duymaktadır. Bu iletişim engelini hafifletmek için basit bir çözüm, makinenin anlaması mümkün olan konuşulan bir dilde iletişim olabilir.
Bu alanda büyük ilerleme sağlanmıştır, ancak yine de bu tür sistemler, farklı koşullarda farklı konuşmacılar için sistemin yeniden eğitilmesi sorunuyla birlikte sınırlı kelime veya dilbilgisi sorunu ile karşı karşıyadır. YSA bu alanda önemli bir rol oynuyor. Konuşma tanıma için aşağıdaki YSA'lar kullanılmıştır -
Çok katmanlı ağlar
Tekrarlayan bağlantılara sahip çok katmanlı ağlar
Kohonen kendi kendini organize eden özellik haritası
Bunun için en kullanışlı ağ, konuşma dalga biçiminin kısa bölümleri olarak girişi olan Kohonen Kendi Kendini Organize Etme özellik haritasıdır. Özellik çıkarma tekniği olarak adlandırılan çıktı dizisi ile aynı türden fonemleri haritalayacaktır. Öznitelikleri çıkardıktan sonra, arka uç işleme olarak bazı akustik modellerin yardımıyla, ifadeyi tanıyacaktır.
Karakter Tanıma
Örüntü Tanıma genel alanına giren ilginç bir sorundur. Harfler veya rakamlar olsun el yazısıyla yazılmış karakterlerin otomatik olarak tanınması için birçok sinir ağı geliştirilmiştir. Aşağıda, karakter tanıma için kullanılan bazı YSA'lar verilmiştir -
- Backpropagation sinir ağları gibi çok katmanlı sinir ağları.
- Neocognitron
Geri yayılım sinir ağlarının birkaç gizli katmanı olmasına rağmen, bir katmandan diğerine bağlantı modeli yerelleştirilmiştir. Benzer şekilde, neocognitron da birkaç gizli katmana sahiptir ve eğitimi bu tür uygulamalar için katman katman yapılır.
İmza Doğrulama Başvurusu
İmzalar, yasal işlemlerde bir kişiyi yetkilendirmenin ve doğrulamanın en kullanışlı yollarından biridir. İmza doğrulama tekniği, vizyona dayalı olmayan bir tekniktir.
Bu uygulama için ilk yaklaşım, özelliği veya daha doğrusu imzayı temsil eden geometrik özellik setini çıkarmaktır. Bu özellik setleriyle, etkili bir sinir ağı algoritması kullanarak sinir ağlarını eğitmemiz gerekiyor. Bu eğitimli sinir ağı, imzayı doğrulama aşamasında gerçek veya sahte olarak sınıflandıracaktır.
İnsan Yüzü Tanıma
Verilen yüzü tanımlamak için biyometrik yöntemlerden biridir. "Yüz olmayan" görüntülerin karakterizasyonu nedeniyle tipik bir görevdir. Bununla birlikte, bir sinir ağı iyi eğitilmişse, o zaman iki sınıfa ayrılabilir, yani yüzleri olmayan görüntüler ve yüzleri olmayan görüntüler.
İlk olarak, tüm girdi görüntüleri önceden işlenmelidir. Daha sonra bu görüntünün boyutluluğunun azaltılması gerekir. Ve sonunda sinir ağı eğitim algoritması kullanılarak sınıflandırılması gerekiyor. Aşağıdaki sinir ağları, önceden işlenmiş görüntü ile eğitim amaçlı kullanılır -
Geriye yayılma algoritmasının yardımıyla eğitilmiş, tam bağlantılı çok katmanlı ileri beslemeli sinir ağı.
Boyutları azaltmak için Temel Bileşen Analizi (PCA) kullanılır.