Yazilim atolyesi subat ayi toplantisindan; yapay sinir aglari ile el yazısı tanıma programina ait sunum. Sunumu yapan : http://derindelimavi.blogspot.com/

1. YSA Uygulaması
El Yazısı Rakam Tanıma

2. İçerik
● YSA ile Modelleme
● Fann ve FannTool
● Veriler ve YSA aktarımı
● YSA nın Dizaynı
● Eğitimi
● Sonuç

3. YSA ile Modelleme
● Girdi ve Çıktı şeklinde tanımlıyabileceğimiz her
tür sistemi, yeterli veri de varsa modeleyebiliriz

4. Örnek Modellemeler
● Otomobil Motoru Ateşleme Sistemi (Aston Martin
● Finansal Portföy Optimizasyonu
● Döviz Pariteleri Tahmini
● Dudak okuma ( neural speechreading system )
● Tavla Oynamak ( TD-Gammon )
● İnşaat Maliyet Hesabı
● Sinema filmi Hasılat Tahmini ( Epagogix )
● Deprem Tahmin Sistemi

5. FANN Nedir
● FANN Fast Artifical Neural Network,
● Yapay Sinir Ağı kütüphanesidir.
● Cross-platform ( Windows, Linux,... )
● Lisansı ( LGPL ) ticari uygulamaya uygun
● Pek çok dilden çağırlabiliyor ( C#, Java, Python,
PERL, PHP,... )

6. FannTool Nedir Neler yapar
● FANN kütüphanesi için yazılmış GUI
● Cross-platform ( Windows, Linux,... )
● YSA Dizaynı
● Eğitimi
● Testi
● Çalıştırılması

7. Veriler
I Tip II Tip III Tip
10 Var A
12,5 Yok B
18 Var C
17 Var A
18 Var A
3 Yok C
8 Yok B
● Yeterli sayıda ve çeşitlilikte Veri toplanır
● YSA , ( 0 , 1 ) yada (-1 , 1) aralığındaki verileri
kabuleder. Gereken çevrimler yapılır
● Veriler Eğitim ve Test için ikiye ayrılır

8. YSA'ya aktarımı
● 1. Tip : Belli bir aralıktaki değişik değerlerde
süreklilik gösteren Sayısal Değerler ,
Ölçeklendirmeyle aktarılır (min->0 , max-> 1 )
● 2. Tip : Mantıksal bir değer taşıyan değişkenler,
Var = 1 Yok = 0 şeklinde
● 3. Tip : Belli sayıdaki kategorik değerler içeren
değişkenler her katagori için bir Mantıksal alan
oluşturularak aktarılır.
● A=100
● B=010
● C=001

9. Handwritten Digit Recognation
● Semeion Araştırma merkezinin 80 ayrı kişinin
yazdığı 1593 rakamı içeren veri seti kullanıldı.
● Giriş değerleri 16x16 matris bitmap görüntü
( 256 )
● Çıkış değeri Rakam değeri Kategorik ( 10 tane
Mantıksal )

10. YSA Dizaynı
● Saklı Katman Sayısı
● Katmanlardaki Hücre
sayısı
● Öğrenme Algoritması
ve hızı
● Aktivasyon
Fonksiyonları
● Ve pek çok değişik
İnce ayar parametreleri

11. Eğitim
Dizayn
Eğitim H
E
H
Test
E
YSA

12. Ezberci Eğitimin Zararları !
● Eğitim versiyle mükemmel sonuç verirken Test
verilerinde kabul edilemez hata düzeylerinde kalır
● FannTool'un OCS sistemi var

13. Eğitim Sonucu
● Türlü denemelerden sonra ulaşılan sonuç
● Eğtilimiş YSA nın Veriler üzerindeki başarısı
Rakam Eğtim Verisi Test Verisi
0 %100 %95,2
1 %100 %92,5
2 %100 %94,3
3 %99,2 %83,3
4 %96,4 %86,8
5 %98,6 %88,1
6 %100 %91,9
7 %98,8 %80,3
8 %98,8 %81,4
9 %97,8 %75,7

14. Eğtilmiş YSA'nın Kullanımı
YSA'yı Yükle
Giriş Değerlerini
Oku
YSAnın kullanacağı
yapıya çevir
YSA'yı Çalıştır
Çıkış Değerlerini
Gerçek değerlere çevir

15. Program
● Uygun Şekilde eğitilmiş YSA kaydedilir
● Gereken Giriş değerlerini alacak ve sonuçları
gösterecek bir program yazılır

16. Sonuç ( Yapılanlar ve Yapılmayanlar )
Yapılanlar Yapılmayanlar
● Uygun şekilde ● Sonuç Analizleri
eğitilmiş YSA'ya ● Analiz sonuçlarına
ulaşıldı. göre performans
● Kullanmak için artırıcı düzenlemeler
Program yazıldı

17. Sorular