DOĞRUSAL OLMAYAN PROBLEMLERİN ÇÖZÜMÜNDE YAPAY SİNİR AĞLARI

Yapay zeka biliminin araştırma alanlarından biri olan Yapay Sinir Ağları (YSA), bilgisayarların öğrenmesine yönelik çalışmaları kapsamaktadır. Günümüzde bilgisayarlar ve bilgisayar sistemleri yaşamımızın vazgeçilmez bir parçası haline gelmiştir. Hemen hemen her alanda bilgisayarlardan faydalanılmaktadır. Bilgisayarlar, geçmiş yıllarda sadece hesap yaparken ya da veri transferleri gerçekleştirirken zaman içerisinde büyük miktardaki verileri özetleyen ve bu verileri kullanarak olaylar hakkında yorumlar yapabilen özellik kazanmıştır. Günümüzde ise bilgisayarlar hem olaylar hakkında karar verebilmekte hem de olaylar arasındaki ilişkiyi öğrenebilmektedir. Matematiksel olarak formülasyonu kurulamayan ve çözülmesi mümkün olmayan problemler de bilgisayarlar tarafından çözülebilmektedir.

Yapay sinir ağının genel bir tanımı yapılması gerekirse; yapay sinir ağı, insan beyninin çalışma ve düşünebilme yeteneğinden yola çıkılarak oluşturulmuş bir bilgi işlem teknolojisidir. Yapay Sinir Ağları, bir başka deyişle, biyolojik sinir ağlarını taklit eden bilgisayar programlarıdır. YSA’ların öğrenme özelliği sayesinde geleneksel teknikler için çok karmaşık kalan problemlere çözüm sağlayabilmektedirler. Yine öğrenme yeteneği sayesinde, bilinen örnekleri kullanarak daha önce karşılaşılmamış durumlarda genelleme yapabilmektedir. Doğrusal olmayan, çok boyutlu, karmaşık, kesin olmayan, eksik, kusurlu, hata olasılığı yüksek veriler ve problemlerin çözümü için özellikle bir matematiksel model ve algoritmanın bulunmaması durumlarında yaygın halde yapay sinir ağları uygulamaları yapılabilmekte ve başarılı sonuçlar elde edilmektedir.

Doğrusal olmayan, çok boyutlu, karmaşık, kesin olmayan, eksik, kusurlu, hata olasılığı yüksek veriler ve problemlerin çözümü için özellikle bir matematiksel model ve algoritmanın bulunmaması durumlarında yaygın halde yapay sinir ağları uygulamaları yapılabilmekte ve başarılı sonuçlar elde edilmektedir.

Şekil 1. Yapay sinir hücresinin yapısı

Sadece sayısal bilgilerle çalışan, bilgiyi saklama, örnekleri kullanarak öğrenme ve görülmemiş örnekler hakkında bilgi üretebilme, sınıflandırma ve şekil tamamlama yapabilme gibi özelliklere sahip olan Yapay Sinir Ağları, günlük hayatımızda finansal konulardan mühendislik ve tıp bilimine, üretim uygulamalarından arıza tespit ve analizine kadar birçok alanda uygulanabilmektedir.

Öğrenen bir yapay sinir ağı yardımıyla bir sistemde veya cihazda meydana gelebilecek arızaların tanımlanma olanağı olmaktadır. Makro ekonomik tahminler, banka kredilerinin değerlendirilmesi, döviz kuru tahminleri, risk analizleri gibi örnekler de finansal konularda uygulama alanı bulmaktadır. Tıp biliminde, tıbbi sinyallerin ve kanserli hücrelerin analizinde, savunma sanayi uygulamalarında ise hedef izleme, nesneleri veya görüntüleri ayırma ve tanıma, askeri uçakların uçuş yörüngelerinin belirlenmesi gibi alanlarda kullanılmaktadır. Üretim sistemlerinin optimizasyonu, ürün analizi ve tasarımı, ürünlerin kalite analizi ve kontrolü, planlama ve yönetim analizi gibi alanların yanısıra robot sistemlerin kontrolü, doğrusal olmayan sistem modelleme, resim işleme, karakter el yazısı ve imza tanıma, veri madenciliği gibi alanlarda da kullanılmaktadır.

Yapay Sinir Ağları uygulamaları genellikle tahmin, sınıflandırma, veri ilişkilendirme, veri yorumlama ve veri filtreleme işlemlerinde kullanılmaktadır. Tahmin için kullanılan yapay sinir ağları, girdi değerlerini bir çıktıyı tahmin etmek için kullanılır. Döviz kuru tahmini örnek olarak verilebilir. Sınıflandırma amacıyla kullanılan yapay sinir ağları, girdi değerlerini sınıflama görevini üstlenirler. Bir makine üzerinde görülen hataların sınıflandırılması örnek olarak verilebilir. Veri ilişkilendirme için kullanılan yapay sinir ağları, öğrendiği bilgiler ile eksik olan bilgileri tamamlar. Eksik bir resmin tamamlanması bu konuda örnek olarak verilebilir.Veri yorumlamak amacıyla kullanılan yapay sinir ağları, girdileri analiz eder. Bir olay hakkında toplanan örneklerden elde edilen ve eğitim sonucu oluşturulan bilgileri kullanarak yeni olayların yorumlanmasını sağlar. Veri filtrelemede ise eğitilen ağlar, birçok veri arasından uygun verileri belirleme görevini yerine getirirler.

Doğrusal olmayan, çok boyutlu, karmaşık, kesin olmayan, eksik, kusurlu, hata olasılığı yüksek veriler ve problemlerin çözümü için özellikle bir matematiksel model ve algoritmanın bulunmaması durumlarında yaygın halde yapay sinir ağları uygulamaları yapılabilmekte ve başarılı sonuçlar elde edilmektedir.

ÖRNEK UYGULAMA

Yapay sinir ağlarının yaygın bir şekilde kullanıldığı tahmin özelliği, girdi değerlerinden bir çıktıyı tahmin etmek için kullanılır. Yapay sinir ağları, ağa sunulan bilgilerden yararlanarak, bu bilgilere karşılık gelen çıktı değerini tahmin eder.

Örnek olarak yapılan bir uygulamada; üretim durumunun tahmini için, girdi olarak kapasite kullanım oranı, yurtiçi satış miktarı, mamul madde stokları, hammadde stokları, yeni siparişler, satış fiyatları, hammadde fiyatları, hammadde ve aramalı ithalatı, işçi ücretleri, istihdam durumu, ve sabit sermaye yatırımı değerleri kullanılmıştır. Model çıktısı olarak da üretim durumu hesaplanmıştır. Yapay sinir ağlarında sayısal veriler kullanıldığından, girdi ve çıktı değerlerinin durumunu gösteren ifadelerden arttı için (+1), aynı kaldı için (0) ve azaldı için (-1) şeklinde dönüşüm yapılmıştır. Öncelikle veriler derlenip sayısallaştırılmıştır. Modele, 11 adet girdi sunulmuş ve üretim miktarının (arttı, azaldı, aynı kaldı şeklinde) tahmini bulunmaya çalışılmıştır. Yani yapay sinir ağlarının tahmin etme özelliğinden yararlanılmıştır. Ağ türleri ve başarılı olduğu alanlar incelendiğinde, çok katmanlı algılayıcı ağ türünün tahmin etmede daha başarılı olduğu görülmüş ve bu ağ türü seçilmiştir. Neuro Solutions adlı simülatör programı kullanılarak onlarca denemenin ardından öğrenmede en iyi performans gösteren model seçilmiştir.

Öğrenme tamamlandıktan sonra, test verisi kullanılmış olup yapılan test sonunda beklediğimiz değerlerle modelin tahmin ettiği değerler karşılaştırılmış, bu değerlerin birbirine oldukça yakın olduğu gözlenmiştir. Özet olarak bu çalışmanın amacı, yapay sinir ağlarının öğrenme özelliği sayesinde bir çıktıyı tahmin edebileceğini göstermektir.

Kaynaklar:

  • ÖZTEMEL, E., 2006, Yapay Sinir Ağları, Papatya yayıncılık, İstanbul, 975-6797-39-8

  • SARAÇ, T., 2004, Yapay Sinir Ağları, Basılmamış Seminer Projesi, Gazi Üniversitesi Endüstri Mühendisliği Bölümü, Ankara

  • AĞYAR, Z., 2010, İş İstatistiklerinde Yapay Sinir Ağlarıyla Edit Yöntemleri ve Bir Uygulama, TÜİK Uzmanlık Tezi.

  • ERBAŞ, Ü., 2005, Yapay Sinir Ağları ve Uygulama Alanları, Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü.

  • BAŞ, N., 2006, Yapay Sinir Ağları Yaklaşımı ve Bir Uygulama, Yüksek Lisans Tezi, Mimar Sinan Üniversitesi Fen Bilimleri Enstitüsü

Zafer AĞYAR

TÜİK---Uzman

Endüstri Mühendisi

zaferagyar@tuik.gov.tr