Temel Öğrenme Algoritmaları

TEMEL ÖĞRENME ALGORİTMALARI

Bayes Ağları

Bayes ağı, Bayes modeli ya da olasılıksal yönlü dönüşsüz çizge modeli bir olasılıksal çizge modelidir ve birbirleriyle koşulsal bağımlılıklara sahip bir rassal değişkenler kümesini yönlü dönüşsüz çizge şeklinde ifade eder. Örneğin, bir Bayes ağı kullanılarak hastalıklar ve semptomları arasındaki olasılıksal koşu ilişkileri modellenebilir. Bu model kullanılarak, bir kişide görülen semptomlar verildiğinde bu kişinin bazı hastalıklara sahip olma olasılıkları hesaplanabilir. Bayes ağları, her düğümü bir rassal değişkeni ifade eden YDÇ ’lerdir. Gözlemlenebilir nicelikler, gizli değişkenler, bilinmeyen parametreler ya da hipotezler birer Bayes rassal değişkeni olabilirler. Birbirine herhangi bir şekilde bağlı olmayan düğümler birbirlerinden koşulsal bağımsızdırlar. Her düğüm, girdi olarak ebeveyn düğümlerinin değerlerini alan ve çıktı olarak o düğümün ifade ettiği değişkenin alabileceği değerlerin olasılıklarını veren bir olasılık fonksiyonu ile ilişkilendirilmiştir.

Takviyeli Öğrenme

Takviyeli öğrenme, kendi ortamında algılama ve hareket yapan bir özerk etmenin amacını gerçekleştirmek için en uygun hareketleri yapmayı nasıl öğrenebileceği sorusuna cevap verir. Bu çok genel problem, bir hareketli robotun kontrolü öğrenme, fabrikalardaki işlemleri optimize etmeyi öğrenme ve oyun oynamayı öğrenme gibi işleri kapsar. Etmen ortamında bir hareket yaptığı zaman, eğitici oyun kazanıldığında pozitif bir ödül veya ceza sağlar. Mesela bir oyunu oynama etmeni eğitildiği zaman, eğitici oyun kazanıldığında pozitif bir ödül, kaydedildiğinde negatif bir ödül, kaydedildiğinde negatif bir ödül ve diğer durumlarda sıfır ödül sağlayabilir. Etmenin amacı, en büyü toplam ödülü üreten hareketlerin sırasını öğrenmektir.

Danışmanlı Öğrenme Algoritması

Danışmanlı Öğrenme, sırasında ağa verilen giriş değerleri için çıktı değerleri de verilir. Ağ verilen girdiler için istenen çıkışları oluşturabilmek için kendi ağırlıklarını günceller. Ağın çıktıları ile beklenen çıktılar arasındaki hata hesaplanarak ağın yeni ağırlıkları bu hata payına göre düzenlenir. Hata payı hesaplanırken ağın bütün çıktıları ile beklenen çıktıları arasındaki fark hesaplanır ve bu farka göre her nörona düşen hata payı bulunur. Daha sonra her nöron kendine gelen ağırlıkları günceller.

Danışmansız Öğrenme Algoritması

Danışmansız Öğrenme, ağa öğrenme sırasında sadece örnek girdiler verilmektedir. Herhangi bir beklenen çıktı bilgisi verilmez. Girişte verilen bilgilere göre ağ her bir örneği kendi arasında sınıflandıracak şekilde kendi kurallarını oluşturur. Ağ bağlantı ağırlıklarını aynı özellikte olan dokuları ayırabilecek şekilde düzenleyerek öğrenme işlemini tamamlar.