Evrimsel hesaplama algoritmaları ile yapay sinir ağının bağlantı optimizasyonu

Optimizasyon, bir problem için olası çözümler arasından en uygun çözümü bulma işlemidir. Optimizasyon problemleri kârın maksimuma çıkarılmasını ya da maliyetin minimuma indirilmesini amaçlamaktadırlar. Optimizasyon yöntemleri genel olarak klasik ve sezgisel yöntemler olmak üzere iki kategoride ele alınabilir. Parametre sayısının fazla olması ve arama uzayının büyük olması gibi nedenlerden dolayı gerçek dünya problemlerini çözmede klasik optimizasyon yöntemleri yetersiz kalmaktadır. Bu gibi durumlarda sezgisel optimizasyon yöntemleri tercih edilmektedir. Sezgisel optimizasyon yöntemleri, bir amacı gerçekleştirmek için çözüme ulaşmada doğal fenomenleri kullanmaktadırlar. Doğal fenomenlerin kullanılması sürü zekâsı kavramını ortaya çıkarmaktadır. Sürü zekâsı, kendi kendini organize eden ve merkezi olmayan sistemlerin toplu davranış şeklidir. Doğada bulunan sürü zekâsına kuş sürüleri, balıklar, karınca kolonileri vb. gibi sürü halinde yaşayan canlılar örnek verilebilir. Doğada bulunan canlıların hareketlerinden esinlenilerek geliştirilen Parçacık Sürü Optimizasyonu (PSO) da bir sürü zekâsı algoritmasıdır. Biyolojik sinir hücrelerine benzer başlıca ağ tipleri Hopfield, Boltzman makineleri, tekrarlayan ağlar ve iğneli ağlardır. Bu ağların yapısı çoğu zaman rastgele olmakla beraber manuel olarak da oluşturulabilmektedir. Gün geçtikçe ilerleyen teknoloji sayesinde biyolojik sinir sistemlerini modelleyen bu yaklaşımların önü açılmıştır. Bu çalışmada biyolojik sinir hücrelerinden ilham alınarak geliştirilen yeni bir ağ mimarisi geliştirilmiştir. Oluşturulacak olan yapay sinir ağının en iyi sonucu verebilmesi amacıyla ağda bulunan bağlantılar, ikili bir problem olarak ele alınmıştır ve BPSO (İkili Parçacık Sürü Optimizasyonu) ile çözüm aranmıştır. Ayrıca yapay sinir ağında bulunan bağlantıların ağırlıkları da sürekli PSO ile optimize edilmiştir. Sonuç olarak, biyolojik sinir sistemi ile uyumlu ve farklı tiplerdeki problemlere uygulanabilen esnek ve doğruluğu yüksek bir ağ yapısı oluşturulmuştur. Oluşturulan bu ağ yapısı farklı veri setleri üzerinde uygulanarak ağırlıkları hem PSO hem de BP (Geri Yayılım) ile eğitilmiş tam bağlantılı yapay sinir ağları ile kıyaslanmıştır. Ayrıca literatürde yapay sinir ağının bağlantı optimizasyonu için sıklıkla tercih edilen evrimsel hesaplama yöntemlerinden biri olan GA (Genetik Algoritma) ile bağlantı optimizasyonu işlemi de gerçekleştirilerek önerilen yöntem ile kıyaslanmıştır. Sonuç olarak biyolojik sinir ağlarının yapısına daha uygun bir yapay sinir ağı tasarımı için bir sürü zekâsı algoritması önerilmiştir. Önerilen yöntemin performansı 4 veri seti üzerinde araştırılmış ve karşılaştırmalar yapılmıştır. Elde edilen sonuçlar yapay sinir ağı bağlantı optimizasyonun ağın sınıflandırma performansını iyileştirdiği görülmüştür.