Yapay Sinir Ağları Perseptron – Adaline nedir örnekleri

Yapay Sinir Ağları

Perseptron – Adaline

Adaline Ünitesinin Öğrenme Kuralı

Adaline ünitesi en küçük kareler yöntemini kullanarak öğrenme gerçekleştirir. Perseptron algoritmasına çok benzemektedir. Öğrenme kuralı yapay sinir ağlarında genel öğrenme prensibine göre çalışmaktadır. Girdilerden çıktılar hesaplanır ve ağırlıklar çıktıya göre değiştirilir. Öğrenme şu şekildedir.

Adaline ünitesini net girdisi NET ve çıktısı (Ç) şu şekilde hesaplanmaktadır.

Çıktı (Ç) = 1 Eğer NET >= 0 ise

Çıktı (Ç) = -1 Eğer NET < = ise

Ağın çıktısını üreten fonksiyon bilinen step fonksiyonudur. Beklenen değerin B olduğu varsayılırsa; Adaline ünitesinin çıktısını ürettikten sonraki hatası;

E = B – Ç

olacaktır. Amaç bu hatayı en aza indirecek ağırlıkları bulmaktır. Bunun için her seferinde ağa farklı örnekler gösterilerek hatalr hesaplanmakta ve ağırlıklar hatayı azaltacak şekilde değiştirilmektedir. Zaman içinde de hata, olması gereken en küçük değere düşmektedir. Bu hatayı azaltmak için kullanılan kural şu fomül ile gösterilmektedir.

Diğer bir deyişle herhangi bir t anında,

adaline4

olacaktır. Bu formülde W(t) ağırlıkların t zamanındaki yeni değerlerini, W(t-1) ağırlıkların değişmeden önceki (t-1, zamandaki) değerlerini, öğrenme katsayısını, B beklene çıktıyı, E beklenen değer ile çıktı arasındaki hatayı ve X’de girdileri göstermektedir.

Benzer şekilde eşik değeri de yine zaman içerisinde değiştirilerek olması gereken eşik değeri bulunur. Buda şu formüle göre yapılır.

Ø y=Ø e+α(B−Ç)

Burada, yeni eşik değerini, değiştirilmeden önceki eşik değerini göstermektedir.