ANNDES: BĠR YAPAY SĠNĠR AĞI TASARIM VE EĞĠTĠM

5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
ANNDES: BĠR YAPAY SĠNĠR AĞI TASARIM VE EĞĠTĠM
YAZILIMI
ANNDES: AN ARTIFICIAL NEURAL NETWORK DESIGN AND
EDUCATION SOFTWARE
Yrd.Doç.Dr. Ġbrahim ġAHĠN
D.Ü. Teknik Eğitim Fakültesi, Elektronik ve Bilgisayar Eğitimi Bölümü, 81620, Düzce
ibrahimsahin@duzce.edu.tr
Adem AKKAYA
D.Ü. Teknik Eğitim Fakültesi, Elektronik ve Bilgisayar Eğitimi Bölümü, 81620, Düzce
adem@ademakkaya.com
ÖZET: Yapay Sinir Ağları (YSA – Artificial Neural Network (ANN)) son yıllarda geleceği
öngörme, örüntü tanıma, verilerin yorumlanması, optimizasyon iĢlemleri gibi bir çok alanda yaygın
olarak kullanılmaya baĢlanmıĢtır. Özellikle mühendislik alanında kolaylıkla uygulanabilmeleri nedeniyle
YSA’lara ilgi her geçen gün artmaktadır. Yapay sinir ağları hakkında lisans ve yüksek lisans seviyesinde
çeĢitli dersler verilmektedir. Bu çalıĢmada YSA’ların öğrenciler tarafından daha kolay anlaĢılmasına
yardımcı olmak amacıyla bir görsel YSA tasarım ve test aracı olan ANNDES gelirtirilmiĢtir. Bu araç
sayesinde öğrenciler otomatik olarak yada çizim alanını ve araçlarını kullanarak diledikleri ağı
oluĢturabilmektedirler. Araç kullanıcıya oluĢturduğu ağın her bir katmanına istediği kadar sinir hücresi
yerleĢtirebilme, bu sinir hücrelerini istediği gibi birbirine bağlayabilme ve her bir sinir hücresi için farklı
aktivasyon fonksiyonu seçebilme imkanı sunmaktadır. Araç sayesinde oluĢturulan ağ istenirse uygun bir
Ģekilde formatlanmıĢ örnek eğitim verisi ile istenilen iterasyonda yada istenen hata oranı yakalanana
kadar eğitilebilmektedir. Eğitim sonunda ağın eğitim eğrisi grafiksel olarak gözlemlenebilmektedir.
Aracın bir diğer önemli özelliği ise oluĢturulan yapay sinir ağını tanımlayan metin tabanlı bir NetList (ağ
tanımlama dosyası) oluĢturmasıdır.
Anahtar Kelimeler: Yapay Sinir Ağları, Görsel Tasarım Aracı, YSA Eğitimi.
ABSTRACT: Lately, Artificial Neural Networks (ANN) have been widely used in several areas
such as prediction, pattern recognition, data analysis, optimization, etc. Attention to the ANN grows
rapidly due to their easy application in several engineering fields. Several courses about ANN are being
taught in universities at graduate and undergraduate levels. In this study, an Artificial Neural Network
Design and Education software (ANNDES) was developed to help students better understand the ANNs.
Students can form their desired ANNs using either the drawing area or the automatic ANN generator
option of the software. The software lets the users place any number of neurons in each layer, select the
desired transfer function for the neurons, and connect the neurons in a way they wish. The users can also
train their ANN designs up to a number of iterations or up to a desired error rate is obtained using suitably
formatted sample test data. At the end of the training process, change in the error rate of the designed
ANN can be graphically observed. Another important feature of the tool is that it can form a NetList (a
text based ANN definition file) for a designed ANN.
Keywords: Artifical Neural Network, Visual Design Tool, ANN Learning.
1.
GĠRĠġ
Yapay sinir ağları (YSA), insanın biyolojik sinir hücrelerinin oluĢturduğu ağlarının modellenmesi ile
ortaya çıkan bir bilgi iĢlem teknolojisidir. Günümüzde YSA’lar birçok alanda kullanılmaktadır. Örneğin,
finans uygulamaları, askeri ve savunma sanayi uygulamaları, tıp uygulamaları, mühendislik uygulamaları,
görüntü iĢleme uygulamaları gibi alanlarda sıkça kullanılan bir yöntemdir (Kakıcı (2011-1,-2,-3)).
Özellikle mühendislik alanında kolaylıkla uygulanabilmeleri nedeniyle YSA’lara ilgi her geçen gün
artmaktadır. YSA’lara artan ilgiyi karĢılamak amacıyla lisans ve yüksek lisans seviyesinde çeĢitli dersler
verilmektedir. Bu derslerde YSA’lar genellikle teorik olarak anlatılmakta, uygulama kısmı ise eksik
kalmaktadır. Bu çalıĢmada YSA’ların öğrenciler tarafından daha kolay anlaĢılmasına yardımcı olmak
amacıyla bir görsel YSA tasarım ve test aracı olan Artificial Neural Network Design tool (ANNDES)
gelirtirilmiĢtir. Bu araç sayesinde öğrenciler isterlerse otomatik olarak isterlerse de çizim alanını ve
5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
araçlarını kullanarak diledikleri ağı oluĢturabilmektedirler. OluĢturulan ağ en fazla dört katman
içerebilmektedir ve ağa istenildiği kadar giriĢ ve çıkıĢ tanımlanabilmektedir. Araç kullanıcıya oluĢturduğu
ağın her bir katmanına istediği kadar sinir hücresi yerleĢtirebilme, bu sinir hücrelerini istediği gibi
birbirine bağlama ve herbir sinir hücresi için farklı aktivasyon fonksiyonu seçebilme imkanı sunmaktadır.
Araç sayesinde oluĢturulan ağ istenirse uygun bir Ģekilde formatlanmıĢ örnek eğitim verisi ile istenilen
iterasyonda ya da istenen hata oranı yakalanana kadar eğitilebilmektedir. Eğitim sonunda ağın eğitim
eğrisi grafiksel olarak gözlemlenebilmektedir. Aracın bir diğer önemli özelliği ise oluĢturulan yapay sinir
ağını tanımlayan metin tabanlı bir NetList (ağ tanımlama dosyası) oluĢturmasıdır. Eğer NetList ağın
eğitiminden sonra oluĢturulursa ağdaki eğitimden sonra oluĢan ağırlık değerleride NetList’e dahil
edilmektedir. OluĢturulan bu NetList ağın donanımsal olarak gerçeklenmesinde kullanılmaktadır.
Makalenin devamı Ģu Ģekilde organize edilmiĢtir. Ġkinci bölüme kısaca yapay sinir hücreleri ve
YSA’lar hakkında bilgi verilmiĢtir. Üçüncü bölümde bu çalıĢmada geliĢtirilen görsel tasarım aracı
anlatılmıĢtır. Aracın kullanımı hakında bilgiler dördüncü ve beĢinci bölümlerde verilmiĢtir. Makale sonuç
bölümü ile bitirilmiĢtir.
2.
ÖN BĠLGĠ
2.1. Biyolojik ve Yapay Sinir Hücreleri
Biyolojik sinir ağları beynimizde bulunan milyonlarca sinir hücresinin bir araya gelmesiyle oluĢan
yapıdır. Sinir hücreleri birbirleri ile bağlanarak fonksiyonlarını yerine getirmektedir. Duyu organlarından
gelen bilgiler sinir sistemi sayesinde beyine taĢınır ve beyin gelen bilgiyi çok hızlı bir Ģekilde paralel
olarak iĢleyerek tekrar sinir sitemi sayesinde bilgiyi gönderen organa eylem olarak gönderir (Wiki (20111,-2)).
Biyolojik sinir hücresi dentritler, soma, akson ve snapslardan meydana gelmektedir. Snapslar sinir
hücreleri arasındaki bağlantılardır. Bunlar fiziksel bağlantılar değildir ama bir hücreden baĢka bir hücreye
sinyallerin geçmesini sağlayan boĢluklardır. Bu sinyaller somaya giderler, burada sinir hücresi tarafından
iĢlenirler ve sinir hücresinin kendi çıkıĢ sinyali olarak akson aracılığıyla dentritlere gönderilirler (Bilx
(2011)).
Yapay sinir ağları biyolojik sinir hücrelerinin bu özelliklerinden esinlenerek geliĢtirilmiĢtir. Yapay
sinir ağlarının da biyolojik sinir hücreleri gibi yapay sinir hücreleri vardır. Yapay hücreler proses
elemanları olarak da adlandırılmaktadır (Yapay-Zeka (2011)). ġekil 1’de de görüldüğü gibi her yapay
sinir hücresi 5 temel elemandan oluĢur. Bunlar; Girdiler, Ağırlıklar, Toplama Fonksiyonu, Aktivasyon
Fonksiyonu ve Hücrenin Çıktısı'dır
ġekil 1. Yapay sinir hücresinin yapısı.
Girdiler YSA hücresine dıĢarıdan verilen bilgilerdir. Hücreler dıĢarıdan veri aldığı gibi baĢka
hücrelerden veya kendisinden de veri alabilir. Ağırlıklar bir yapay sinir ağı hücresine gelen verinin
önemini ve hücreye etkisini gösteren bilgilerdir. Ağırlık değerlerinin artı veya eksi olması ağ üzerindeki
etkisinin pozitif veya negatif olduğunu gösterir (Öztemel (2003)). Ağırlıklar değiĢken olduğu gibi sabit
değerlerde de olabilir. Toplama Fonksiyonu bir hücreye gelen net girdiyi hesaplar. En yaygın kullanılan
toplama fonksiyonu ağırlıklı toplama fonksiyonudur. Burada her bir giriĢten gelen bilgi kendi ağırlığı ile
çarpılarak toplanır. Bu sayede ağa gelen net girdi hesaplanmıĢ olur. Ağırlıklı toplama formülü aĢağıdaki
gibidir (ġeker (2011)).
n
(1)
NET  G A

i
i
i
5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
Bu formülde G girdileri, A ağırlıkları, n ise bir hücreye gelen toplam girdi sayısını göstermektedir.
Aktivasyon Fonksiyonu, hücreye gelen net girdiyi iĢleyerek hücrenin bu girdiye karĢılık vereceği çıktıyı
hesaplar (Elmas (2007)). Literatürde tanımlanmıĢ ve kullanılan 10’un üzerinde değiĢik aktivasyon
fonksiyonu bulunmaktadır (Beale ve Diğ. (2010)). Bir YSA’da bütün hücreler aynı aktivasyon
fonksiyonuna sahip olacağı gibi katmanlarda ya da her bir hücrede farklı aktivasyon fonksiyonu
kullanılabilir. Bir hücrenin çıktısı o hücrenin aktivasyon fonksiyonunun ürettiği sonuçtur. Üretilen bu
sonuç dıĢarıya, baĢka bir hücreye veya tekrar kendisine girdi olarak gönderilebilir.
3.
YAPAY SĠNĠR AĞLARI GÖRSEL TASARIM ARACI
Yapay sinir ağları (YSA) lisans ve yüksek lisans seviyesinde değiĢik derslerde anlatılmaktadır.
Verilen bu derslerde YSA’ların teorik olarak anlatımı yapılmakta olup uygulama kısmı eksik kalmaktadır.
Bu çalıĢmada teorik YSA uygulamalarını pratik olarak uygulayabilmek için bir görsel tasarım aracı olan
ANNDES geliĢtirilmiĢtir. ANNDES sayesinde önce değiĢik özellikte YSA tanımlanabilmekte, ardından
da test verileri ile tasarlanan YSA eğitilebilmektedir. Kullanıcı görsel arayüzler sayesinde tasarladığı ağı
ve ağın eğitimini gözlemleyebilmektedir. ANNDES’in görünümü ġekil 2’de görülmektedir.
ġekil 2. ANNDES ana formu.
ANNDES ana formu 5 bölümden oluĢmaktadır. Bu bölümler menü çubuğu, araç çubuğu, katman
bilgi alanı (layerlar), çizim alanı, gösterim alanıdır. Ayrıca tasarlanan ağın eğitimi ve öğrenme grafiği
için iki farklı form tasarlanmıĢtır.
Menüler ANNDES’i fonksiyonel olarak kullanabilmek için oluĢturulmuĢtur. Menülerden program
için gerekli bütün özelliklere eriĢilebildiği gibi özelliklerin kısa yol tuĢlarını da burada görmek
mümkündür. Dosya menüsünde Kapat sekmesi bulunmaktadır ve programdan çıkıĢı sağlamaktadır.
Düzen menüsünde fare iĢaretçisini seçmek için İşaretçi sekmesi, katmanlardaki giriĢ, çıkıĢ ve sinir
hüçreleri arasındaki bağlantıları çizmek için Çizgi Çiz, bağlantı ve hücreleri silmek ve taĢımak için Nesne
Sil, ve Nesne Taşı, bağlantıların tümünü silmek için Tümünü Sil ve ekrandaki tasarımın tamamını silmek
için Ekranı Temizle sekmeleri bulunmaktadır. Ayrıca çizim alanındaki gridleri açıp kapatmak için Grid
Aç/Kapat sekmesi bulunmaktadır. Diğer menüsünde çizilen sinir ağıyla ilgili katmanların metin tabanlı
tanımlamasını (NetList) oluĢturmak için Netlist ve otomatik ağ oluĢturmak için Otomatik Oluştur
sekmeleri bulunmaktadır. Layers menüsü altında ise oluĢturulan YSA’ya giriĢ katmanı eklemek için Input
Layer, çıkıĢ katmanı eklemek için Output Layer ve transfer fonksiyonları eklemek için Hlayer sekmeleri
bulunmaktadır.
ANNDES’in araç çubuğunda İşaretçi, Çizgi Çiz, Nesne Sil, Nesne Taşı, Tümünü Sil, Ekranı Temizle,
Netlist, Otomatik Oluştur, Grid Aç/Kapat ve Layers menüsündeki giriĢ, çıkıĢ ve transfer fonksiyonlarının
kısa yolları bulunmaktadır. Bu kısa yollar, tasarlanmak istenen YSA’yı tanımlamada alternatif bir seçenek
olarak kullanıcıya sunulmuĢtur.
5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
Layerlar Paneli katmanlara eklenen giriĢ, çıkıĢ ve transfer fonksiyonlarının hangi katmanlarda
olduğunu ve isimlerini gösteren bölümdür. Bu bölümde katmanlara yeni eklenen elemanlar ve
katmanlardan silinen elemanlar güncellenerek gösterilmektedir.
Çizim alanı, oluĢturulacak yapay sinir ağının giriĢ, çıkıĢ ve transfer fonksiyon katmanlarının çizildiği
ve düzenlendiği alandır. Bütün ağ tasarımı bu bölümde gerçekleĢmektedir.
Gösterim Alanın bir konsol gibi çalıĢmakta ve ANNDES burada kullanıcıya yapılan bütün iĢlemlerle
ilgili uyarıcı mesajlar vermektedir. Ayrıca tasarlanan ağın NetList’i yine burada görüntülenebilmektedir.
3.1. Eğitim Sayfası ve Eğitim Grafiği
ANDESS ile tasarlanan yapay sinir ağları istenirse uygun formatta formatlanmıĢ test verileri
kullanılarak eğitilebilmektedir. Bu amaçla ayrı bir eğitim formu oluĢturulmuĢtur. Bu formdan ağın kaç
iterasyonda, hangi momentum ve öğrenme katsayısında eğitilebileceği seçilebilmektedir.
Grafik sayfasında, tasarlanan YSA’nın eğitimi sırasında oluĢan hata grafiği görüntülenebilmektedir.
Görüntülenen bu hata değerleri tanımlanan ağın ürettiği sonuçlar ile olması gereken sonuçlar arasındaki
fark değerleridir. Grafik sayfasının görünümü ġekil 3'te görülmektedir.
ġekil 3.Grafik sayfası.
4.
ANNDES ĠLE YSA TASARIMI
YSA tasarımları araç çubuğundaki nesneler kullanılarak oluĢturulabileceği gibi otomatik olarak
katmanlar ve transfer fonksiyonları seçilerek de oluĢturulabilmektedir.
4.1. Manüel Yapay Sinir Ağı Tasarımı
Manüel ağ tasarımı 4 aĢama gerçekleĢtirilir. Bu aĢamalar giriĢ katmanı elemanlarının, ara katman
elemanlarının, çıkıĢ katmanı elemanlarının ve katmanlar arasındaki bağlantıların eklenmesidir. GiriĢ
katmanı elemanları YSA’ya uygulanan giriĢ değerlerini belirlemek için kullanılır. Çizim alanında giriĢ
katmanına yeni bir eleman eklemek için ya Layers > Input Layer menüsü, ya araç çubuğundan giriĢ
sembolü ya da kısa yol tuĢu Ctrl+I kulanılabilir. Ara katmanlarda yapay sinir ağının transfer
fonksiyonları bulunmaktadır. Bu fonksiyonlar verilen giriĢ değerlerine göre istenilen çıkıĢ değerlerine
yakın değerleri oluĢturmaya yardımcı olan elemanlardır. Ağa birden fazla ara katman ve her bir katmana
birden fazla sinir hücresi eklenebilir. Ara katman sinir hücreleri Layers menüsünden Hlayer sekmeleri
seçilerek, araç çubuğundaki fonksiyon sembollerine tıklanarak veya kısa yol tuĢları Ctrl+F1 – Ctrl+F8
kullanılarak eklenebilir. Tasarlanan ağa çıkıĢ katmanı elemanlarıda benzer Ģekilde menüden Layers >
Output Layer sekmesi seçilerek, araç çubuğundan çıkıĢ sembolüne tıklanarak veya Ctrl+O kısa yol tuĢları
kullanılarak eklenebilir. Bağlantılar ağ üzerinde verinin giriĢten çıkıĢa giderken hangi yolu takip ederek
gideceğini belirler. Katmanlaradaki elemanlar arasındaki bağlantılar menüden Düzen > Çizgi Çiz sekmesi
kullanılarak, araç çubuğundaki çizgi simgesine tıklanarak veya kısa yol tuĢu Ctrl+W kullanılarak
eklenebilir.
4.2. Otomatik Yapay Sinir Ağı Tasarımı
Otomatik olarak yapay sinir ağı oluĢturma iĢlemi Diğer > Otomatik Oluştur menüsünden, araç
çubuğundaki Otomatik Oluştur simgesinden veya kısa yol tuĢu Ctrl+F ile baĢlatılmaktadır. Otomatik ağ
5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
oluĢturma bölümünde ağ tasarlamak için, giriĢ katman sayısı, ara katmanlardaki hücre sayıları, hücrelerin
aktivasyon türler ve bu hücrelerin bias giriĢlerinin olup olmadığının belirtilmesi gerekmektedir. Ayrıca
bağlantıların otomatik olarak yapılıp yapılmayacağının seçilmesi de gerekmektedir.
ġekil 4-a’da görülen örnekte, giriĢ katmanında 4 eleman, ilk ara katmanında 4 adet Log Sigmoid
transfer fonksiyonlu biassız hücre, ikinci ara katmanda 2 adet Linear transfer fonksiyonlu biassız hücre ve
iki adet çıkıĢı bulunan bir YSA oluĢturmak için gerekli parametreler girilmiĢ olarak otomatik ağ
oluĢturma formu görülmektedir. Formda oluĢturulacak ağın bütün bağlantılarınında otomatik olarak
yapılacağını belirten Full Connective seçeneği seçilmiĢ durumdadır. Bu parametreler girildikten sonra
Oluştur butonuna basıldığında çizim alanında istenen ağ otomatik olarak oluĢturulur. ġekil 4-b’de
oluĢturulan ağ görülmektedir.
ġekil 4.Otomatik yapay sinir ağı oluĢturma.
a) Otomatik ağ oluĢturma
5.
b) Otomatik oluĢturulmuĢ yapay sinir ağı
ANNDES ĠLE AĞ EĞĠTĠMĠ
ANNDES ile oluĢturulan YSA’lar danıĢmalı öğrenme yöntemi ile eğitilebilmektedir. Temelde eğitim
iĢlemi oluĢturulan ağda bağlantıların ağırlık değerlerinin ayarlanması iĢlemidir. Bu ayarlama iĢleminde
amaç ağın verilen girdiye karĢın istenen çıktıyı üretmesidir. Bu iĢlem iteratif bir iĢlemdir ve belirtilen hata
oranı yakalanana kadar ya da belirtilen adet kadar tekrarlanır. Her tekrar iĢleminde örnek test verisi ağa
uygulanır, ağın o anki durumuna göre çıktılar hesaplanır ve çıktılara göre ağırlık değerleri güncellenir. Bu
çalıĢmada geliĢtirilen yazılım verilen test verisine göre tanımlanan ağın eğitimini otomatik olarak
yapmaktadır.
5.1. Test Verisi ile Yapay Sinir Ağı Eğitimi
ANNDES’in ana sayfasında bulunan Eğitim Sayfasını Aç butonu ile eğitim sayfası çalıĢtırılmaktadır.
Tasarlanan ağı eğitmek için öncelikle eğitim test verisinin ağa uygun formatta hazırlanması gerekir. Test
verisinin formatı çok basittir. Bir text tabanlı dosyada veriler sütunlar halinde yerleĢtirilir. Ağın her bir
giriĢi ve çıkıĢı için bir sütun bulunmalı ve öncelik giriĢ sütunlarında olmalıdır. ġekil 5'te ağ eğitimi için
oluĢturulan eğitim formu görülmektedir.
ġekil 5. Eğitim formu.
5th International Computer & Instructional Technologies Symposium, 22-24 September 2011, Fırat University, ELAZIĞ- TURKEY
Formda iterasyon sayısı, momentum ve öğrenme katsayısı seçildikten sonra tasarlanan YSA için
daha önceden hazırlanmıĢ bir eğitim veri seti dosyası seçilerek bu dosyanın okunması ile eğitim iĢlemi
yapılabilmektedir. Bütün parametreler girildikten ve eğitim test veri dosyası seçildikten sonra eğitim
iĢlemini baĢlatmak için Eğitime Başla butonuna tıklamak gerekmektedir. Eğitime baĢlarken yapay sinir
ağının ilk ağırlıkları rasgele belirlenmektedir. Eğitimin her iterasyonunda eğitim setindeki giriĢ değerleri
ağırlıklar ile çarpılarak transfer fonksiyonları ile iĢlendikten sonra diğer katmana aktarılmaktadır. Her
katmanda bu iĢlemler gerçekleĢtirildikten sonra son katmanda transfer fonksiyonundan çıkan değerler
çıkıĢ katmanına gönderilmektedir. ÇıkıĢ katmanına gelen değerler istenilen çıkıĢ değerleri ile
karĢılaĢtırılarak hata oranı tespit edilmektedir. Tespit edilen hata oranına göre ağırlıklar geri yayılım
yöntemi ile tekrar hesaplanır. Bu iĢlem belirtilen iterasyon adedi kadar tekrarlanır. Eğitimin ilerleme
durumu ve eğitim sonucundaki çıkıĢ değerleri bu sayfadan görülebilmektedir. Eğitim bittikten sonra ağın
eğitim süresince ürettiği çıkıĢ hata değerlerinin grafiksel olarak gösterimi için Grafik Oluştur butonu yer
almaktadır. ġekil 3’te olduğu gibi eğitim iĢlemi bittikten sonra istenirse eğitim hata grafiği
görüntülenebilir. Eğitim iĢlemi bittikten sonra elde edilen ağırlık değerleri NetList oluĢturmada
kullanılmak üzere kaydedilir.
5.2. Netlist OluĢturma
Bu çalıĢmada YSA’ları bütün özellikleriyle metin tabanlı olarak tanımlayabilmek için özel bir
NetList (metin tabanlı ağ tanımlama dosyası) formatı gelitirilmiĢtir. Tasarlanan YSA eğitilerek ağ için en
uygun ağırlıklar belirlendikten sonra araç çubuğundaki NetList butonu yardımıyla NetList
oluĢturulabilmektedir. NetList oluĢturmadaki amaç hem oluĢturulan ağı ve ağın ağırlık değerlerini uygun
bir formatta saklayabilmek hem de ilerleyen çalıĢmalarda bu tanımlamayı kullanarak tasarlanan ağın
donanımsal olarak gerçeklenmesine yardımcı olmaktır.
6.
SONUÇ
Bu çalıĢmada lisans ve yüksek lisans seviyesindeki yapay sinir ağları derslerinin iĢlenmesinde
yardımcı olmak amacıyla bir görsel tasarım aracı olan ANNDES geliĢtirilmiĢtir. Yapay sinir ağları ile
ilgili derslerde konular teorik olarak rahatlıkla iĢlenirken pratik aĢamasında yardımcı araçlara ihtiyaç
duyulmaktadır. Bu eksikliği gidermek için geliĢtirilen ANNDES ile YSA’lar kolaylıkla tasarlanabilmekte
ve eğitimleri yapılabilmektedir. ANNDES’i kullanarak öğrenciler YSA’ların çalıĢmasını daha rahat bir
Ģekilde öğrenebilmektedirler. Hali hazırda ANNDES YSA eğitiminde sadece geri beslemeli eğitim
metodunu kullanabilmektedir. Ġlerleyen çalıĢmalarda değiĢik YSA eğitim metodları ANNDES'e
eklenebilir.
KAYNAKÇA
Bilx (2011), Yapay Sinir Ağları, 12 Mayıs 2011, http://www.bilx.net/form/bilgisayar-dersleri-ve-notlarihersey/1-yapay-sinir-aglari/
Elmas, Çetin (2007), Yapay Zeka Uygulamaları, Seçkin Yayınevi, 2007
Kakıcı,
Ahmet
(2011-1)
,
Yapay
Sinir
Ağlarına
GiriĢ,
18
Nisan,
2011,
http://www.ahmetkakici.com/yazilim/yapay-sinir-aglarina-giris/
Kakıcı,
Ahmet
(2011-2),
Yapay
Sinir
Ağlarının
Katmanları,
18
Nisan
2011,
http://www.ahmetkakici.com/yapay-sinir-aglari/yapay-sinir-aglarinin-katmanlari/
Kakıcı, Ahmet (2011-3), Yapay Sinir Ağlarının Mimarisi ve Yapı Elemanları, 18 Nisan 2011,
http://www.ahmetkakici.com/yapay-sinir-aglari/yapay-sinir-aglarinin-mimarisi-ve-yapi-elemanlari/
Beale, M.H., Hagan, M. T., Demuth, H. B. (2010), Neural Network Toolbox™ 7 User’s Guide, 2010
Öztemel, Ercan (2003), Yapay Sinir Ağları, Papatya Yayıncılık, 2003
ġeker,
ġadi
Evren
(2011),
Yapay
Sinir
Ağlarının
Eğitimi,
4
Mayıs
2011,
http://www.bilgisayarkavramlari.com/2008/10/02/yapay-sinir-aglarinin-egitimitraining-neuralnetworks/
Wiki (2011-1), Yapay Sinir Ağları, 26 Mart 2011, http://tr.wikipedia.org/wiki/yapay_sinir_ağları
Wiki
(2011-2),
Artificial
neural
network,
18
Nisan
2011,
http://en.wikipedia.org/wiki/Artificial_neural_network
Yapay-Zeka (2011), Yapay Sinir Ağları, 28 Nisan 2011, http://www.yapay-zeka.org/modules/
wiwimod/index.php?page=ANN