Skip to main content

Geri Yayılım Algoritması’na Matematiksel Yaklaşım

Geri Yayılım Algoritması

Bir yapay sinir ağı, her birinde özel hesaplamaların yapıldığı nöronlardan oluşmaktadır ve bu nöronların özelleştiği 3 tür katmandan bahsedilmektedir. Bunlar; girdi katmanı, gizli katman ve çıktı katmanıdır. Girdi katmanı, göreve özel olarak türü değişen verilerin sinir ağına sunulduğu katmandır. Veriler, bir ses kaydı (Doğal Dil İşleme), bir görüntü (Görüntü İşleme) veya bir metin (Duygu Analizi) gibi farklı türlerde olabilir.

i = \begin{bmatrix}i_1&i_2&i_3\end{bmatrix}

Verinin türüne göre, yapay sinir ağının gerçekleştireceği işlemler farklılık gösterecektir. Örneğin bir görüntü verisinde, öncelikle renk ayrıştırma veya nesnelerin kenarlarını ayırt etme işlemleri yapılırken; metinsel bir veride öncelikle kelimeleri köklerine ayrıştırma işlemi gerçekleştirilir.

Bir sinir ağındaki katmanlar arasında, her bir katmandaki nöronu bir sonraki katmandaki nöronlara bağlayan bağlantılar ve her bir bağlantının sayısal olarak bir değeri vardır. Bu değerlere ağırlık denir.

 

W_{ig}=\begin{bmatrix}w_{i1g1}&w_{i1g2}&w_{i1g3}&w_{i1g4}\\w_{i2g1}&w_{i2g2}&w_{i2g3}&w_{i2g4}\\w_{i3g1}&w_{i3g2}&w_{i3g3}&w_{i3g4}\end{bmatrix}

W_{gk}=\begin{bmatrix}w_{g1k1}&w_{g1k2}&w_{g1k3}&w_{g1k4}\\w_{g2k1}&w_{g2k2}&w_{g2k3}&w_{g2k4}\\w_{g3k1}&w_{g3k2}&w_{g3k3}&w_{g3k4}\\w_{g3k1}&w_{g3k2}&w_{g3k3}&w_{g3k4}\end{bmatrix}

W_{ko}=\begin{bmatrix}w_{k1o1}&w_{k1o2}\\w_{k2o1}&w_{k2o2}\\w_{k3o1}&w_{k3o2}\\w_{k4o1}&w_{k4o2}\end{bmatrix}

 

Ağırlık değerleri, bağlı oldukları her bir nöronun, eğitimin sonucunda alınacak çıktı değeri için ne kadar öneme sahip olduğunu gösterir. Devamını Oku

Eğitim-Embedded Sistemlerde Yapay Zeka Uygulamaları

Bu eğitim, otonom, robot, iha (drone) ve güvenlik sistemlerindeki kamera görüntülerinin NVIDIA Jetson TX1/TX2/TX2i/Xavier platformu ile gerçek zamanlı tanıma işlemini yapmak isteyen katılımcılar için hazırlanmıştır. Bu eğitimi aldıktan sonra Jetson kullanarak kameradan aldığınız görüntüleri gerçek zamanlı tanımlayabileceksiniz. Özellikle derin öğrenme uygulamaları konusunda tecrübe kazanmak ve akademik çalışma yapmak isteyenler için kaçırılmayacak bir eğitim.

 

Neler Öğreneceksiniz?

  • Jetson platformlarının kabiliyetleri.
  • Derin öğrenme için gerekli donanım ve yazılım altyapısını tesis etme.
  • Jetson’ın yapay zeka uygulamaları için hazırlanması.
  • IMAGENET verisi ile sınıflandırıcı eğitimi ve resim/video üzerinde gerçek zamanlı sınıflandırıcı çalıştırılması.
  • DetectNet kullanarak nesne koordinatlarını tespit etme eğitimi ve uygulaması.
  • Çıkarım hızlandırıcısı olarak TensorRT kullanılması.
  • Çok sınıflı modellerin çalıştırılması.
  • Kamera üzerinde sınıflandırıcı ve nesne tespit edici modellerin çalıştırılması.
  • SegNet ile görüntü segmentasyonunun yapılması.

Eğitim içeriği ve diğer detaylar için tıklayın.

Eğitim – Görüntü İşleme için Derin Öğrenmenin Temelleri

Bu uygulamalı derste, sinir ağlarını eğiterek ve uygulayarak derin öğrenmenin temellerini öğreneceksiniz. Ders süresince;
– Görüntü Sınıflandırma ve Nesne Algılama gibi yaygın derin öğrenme iş akışlarını hayata geçirme,
– Eğitim parametreleri, ağ yapısı, performans ve yetenekleri arttıracak stratejiler üzerine çalışmalar ve denemeler yapma,
– Ağlarınızı, gerçek dünyadaki problemleri çözmeye başlayacak şekilde uygulama imkanı bulacaksınız.

NVIDIA Sertifikalı Eğitim
Tarih: 21 Temmuz 2018
Süre: 8 saat
Eğitim Dili: Türkçe
Yer: Ankara (Open Zeka Ofisi)

Neler Öğreneceksiniz?

  • Bir Derin Öğrenme projesini başlatmak için gerekli içerikleri tanımlama.
  • Bilgisayarın daha önce hiç görmediği görüntüleri doğru şekilde sınıflandırmak için derin bir sinir ağını eğitme.
  • Derin sinir ağlarını uygulamalarda çalıştırma.
  • Derin öğrenme uygulamalarının performansını geliştirmek için teknikler tanımlama.
  • Derin öğrenme için aday olan problem türlerini değerlendirme.
  • Davranışlarını değiştirmek için sinir ağlarını modifiye etme.

Eğitim içeriği ve diğer detaylar için tıklayın.

Otonom Araç Yarışması Finali 6 Mayıs 2018’de YTÜ’de

Ücretsiz kayıt adresi: http://openzeka.eventbrite.com
OpenZeka MARC – Mini Otonom Araç Yarışması, Yıldız Teknik Üniversitesi ev sahipliğinde Bosch sponsorluğunda 6 Mayıs 2018 günü yapılacak.

Yapay zeka algortimalarının kullanıldığı OpenZeka MARC’ a, lise ve üniversite öğrencileri ile şirketlerden oluşan 20 Takım ve 150 yarışmacı katılıyor. Bu yarışta katılımcılar 2 ay boyunca aldıkları eğitimler sonrasında geliştirdikleri algortimalarla 5 farklı kategoride trafik işaretleri ve gerçek yol şartlarının kullanıldığı görevleri yapmak için mücadele edecek.

Otonom araçlarda kullanılan derin öğrenme algoritmaları ve yüksek teknoloji ürünü donanımlar ile bu yarış robotik alanında birçok yeniliği bünyesinde barındırıyor. Keyifli bir vakit geçirmek ve otonom teknolojisi hakkında bilgi almak isteyen herkesi yarışmayı izlemeye davet ediyoruz.