Geri yayılım, bir sinir ağının çıktısındaki hatanın her bir ağırlıktan ne kadar kaynaklandığını sondan başa doğru hesaplayan algoritmadır.
Geri Yayılım ne demek?
Ağ önce bir tahmin yapar (ileri geçiş), sonra tahmin ile doğru cevap arasındaki hata hesaplanır. Geri yayılım bu hatayı katman katman geriye taşıyarak her ağırlığın gradyanını bulur; gradyan inişi de ağırlıkları bu bilgiye göre günceller.
Derin öğrenmeyi pratikte mümkün kılan temel buluşlardan biridir.
Yakın kavramlar
Gradyan İnişiGradient DescentGradyan inişi, modelin hata (kayıp) değerini azaltmak için parametrelerini hatanın en hızlı düştüğü yönde küçük adımlarla güncelleyen optimizasyon yöntemidir.Makine Öğrenmesi & EğitimKayıp FonksiyonuLoss FunctionKayıp fonksiyonu, modelin tahmini ile doğru cevap arasındaki farkı tek bir sayıyla ölçen ve eğitimde küçültülmeye çalışılan fonksiyondur.Makine Öğrenmesi & EğitimKaybolan GradyanVanishing GradientKaybolan gradyan, derin ağlarda hata sinyalinin geriye doğru taşınırken giderek küçülüp ilk katmanların neredeyse hiç öğrenememesi sorunudur.Derin Öğrenme & Sinir AğlarıAğırlıkWeightAğırlık, sinir ağındaki iki nöron arasındaki bağlantının gücünü belirleyen ve eğitimle öğrenilen sayısal değerdir.Derin Öğrenme & Sinir AğlarıYapay Sinir AğıANN · Artificial Neural NetworkYapay sinir ağı, birbirine bağlı yapay nöronlardan oluşan ve veriden örüntü öğrenebilen, beyindeki sinir hücrelerinden esinlenmiş hesaplama modelidir.Derin Öğrenme & Sinir Ağları