İki ana sinir ağı türü vardır:
- İleri Beslemeli Sinir Ağları (FNN): Bu ağlar, verileri giriş düğümlerinden gizli katmanlar aracılığıyla çıkış düğümlerine döngü veya döngü olmadan yayar. Örüntü tanıma, sınıflandırma ve regresyon gibi görevler için kullanılırlar.
- Tekrarlayan Sinir Ağları (RNN): RNN’ler, giriş dizilerini işleyerek dinamik zamansal davranış sergilemelerine olanak tanıyan döngüler oluşturan bağlantılara sahiptir. Doğal dil işleme, konuşma tanıma ve zaman serisi tahmini gibi sıralı verileri içeren görevler için uygundurlar.
Sinir ağları genel olarak iki türe ayrılabilir:
- İleri Beslemeli Sinir Ağları (FNN): Bu ağlar, verileri tek yönlü bir şekilde işler ve bilgileri giriş düğümlerinden gizli katmanlar aracılığıyla çıkış düğümlerine aktarır. FNN’ler genellikle görüntü tanıma, sınıflandırma ve regresyon gibi görevler için kullanılır.
- Tekrarlayan Sinir Ağları (RNN): RNN’ler, önceki girişlerin durumunu veya hafızasını koruyarak sıralı verileri işlemek için tasarlanmıştır. Bu, veri dizilerini işleyebilmelerini sağlayarak onları doğal dil işleme, el yazısı tanıma ve konuşma tanıma gibi uygulamalara uygun hale getirir.
Sinir ağlarında öğrenme genellikle iki ana türü içerir:
- Denetimli Öğrenme: Denetimli öğrenmede ağ, girdilerin karşılık gelen hedef çıktılarla eşleştirildiği etiketli eğitim verilerinden öğrenir. Ağ, tahmin edilen ve gerçek çıktılar arasındaki farkı en aza indirmek için yinelemeli optimizasyon algoritmaları yoluyla parametrelerini ayarlar, böylece yeni, görünmeyen veriler üzerinde genelleme yapmasına ve tahminlerde bulunmasına olanak tanır.
- Denetimsiz Öğrenme: Denetimsiz öğrenme, ağın açık bir rehberlik olmadan veriler içindeki kalıpları, yapıları veya ilişkileri tanımladığı etiketlenmemiş veriler üzerinde ağın eğitilmesini içerir. Ortak görevler arasında kümeleme, boyutluluğun azaltılması ve anormallik tespiti yer alır ve verilerdeki gizli içgörülerin ve yapıların ortaya çıkarılmasına yardımcı olur.
Sinir ağlarının iki ana kısmı şunlardır:
- Nöronlar (Düğümler): Nöronlar, bir sinir ağı içerisinde bilgiyi işleyen ve ileten temel birimlerdir. Her nöron giriş sinyallerini alır, ağırlıkları ve sapmaları uygular ve sonucu bir sonraki katmana veya son çıktı olarak gönderir.
- Bağlantılar (Ağırlıklar): Nöronlar arasındaki bağlantılar, bir sinir ağındaki bilgi akışını temsil eder. Her bağlantı, bağlı nöronlar arasındaki ilişkinin gücünü belirleyen bir ağırlıkla ilişkilendirilir. Eğitim sırasında bu ağırlıkların ayarlanması, ağın farklı görevleri ve veri modellerini öğrenmesine ve bunlara uyum sağlamasına olanak tanır.
Yapay sinir ağları (YSA) çeşitli mimarileri kapsar, ancak iki ana tür şunları içerir:
- İleri Beslemeli Sinir Ağları (FNN): FNN’ler verileri tek yönlü bir şekilde işler ve bilgileri giriş düğümlerinden gizli katmanlar aracılığıyla çıkış düğümlerine aktarır. Örüntü tanıma, sınıflandırma ve regresyon gerektiren görevlerde etkilidirler.
- Tekrarlayan Sinir Ağları (RNN): RNN’ler, geri bildirim döngüleri aracılığıyla önceki girişlerin hafızasını koruyarak sıralı verileri işlemek üzere tasarlanmıştır. Bu onların zaman serisi verilerini, doğal dil dizilerini ve diğer sıralı veri türlerini etkili bir şekilde işlemesine olanak tanır.