Herkese merhaba,

Bu yazımda daha önceki yazılarda bahsettiğim neural networkün biraz daha derinleştirilmiş halinden yani derin öğrenmeden (deep learning) bahsedeceğim.

Çok sayıda hidden layer’a sahip neural networkler deep learning’in temelini oluşturur. Deep learning modellerde nöral ağlar sahip oldukları katman bakımından daha derindir. Çoklu çıktı nöronları sadece numerik nitelikte değil nominal veya ordinal türde olabilir. Deep learning ağına ait feed forward basit bir topolojiyi aşağıda görebilirsiniz. Topolojidende görüldüğü gibi ağ, tek bir çıktı nöronundan çıktı alınacak şekilde ayarlanmıştır ve ağın eğitilmesi herbir girdi için, çıktı nöronlarından yanlızca birine etkinleştirme yapacak şekilde olur.

En yaygın kullanılan Deep Learning ağları

Recurrent Neural Network (RNN); bu ağdaki topolojide loop’lar (döngüler) vardır. Dil gibi ardışık veri işlemeye uygundur.

Convolutional Neural Network (CNN); bu ağlar da görüntü verilerini işlemek için kullanılırlar.

Ağın çalışma prensibi de neural network gibidir aslında, ilk katmandaki nöronların çıktıları ikinci katmandaki nöronların girdisi olur. Böylece ikinci katman ilk katmandaki nöronların çıktılarını yeni eşleyen fonksiyonları öğrenmeye çalışır. Yani girdiler yeni niteliklere eşlenir ve yeni nitliklere yeni fonksiyonlara girdi olarak eşleme işlemi ağ boyunca devam eder. Böylece ağ daha karmaşık bir şekilde eşlemeyi öğrenir.