Geriye Yayılım Algoritmaları
Back-propagation Algorithms (backprop Algorithms)
Tanım
Yapay sinir ağlarında, ağın tahmin hatasını minimize etmek amacıyla ağırlıkların optimize edilmesini sağlayan temel türev tabanlı öğrenme algoritmasıdır.
Örnek Vaka / Uygulama
Yapay bir görme sisteminin el yazısı rakamları tanımayı öğrenmesi sürecinde, model '7' rakamını yanlışlıkla '2' olarak tahmin ettiğinde, geriye yayılım algoritması bu hatayı ağın iç parametreleri üzerinden geriye doğru hesaplar ve bir sonraki denemede doğru sınıflandırma yapabilmesi için nöronlar arası bağlantı ağırlıklarını yeniden düzenler.
Derin Analiz
Bilişsel modelleme ve yapay sinir ağları mimarisinde geriye yayılım, çok katmanlı algılayıcıların (multilayer perceptrons) eğitilmesinde zincir kuralına (chain rule) dayalı kısmi türev hesaplamalarıyla çalışır. Ağın ürettiği çıktı ile gerçek değer arasındaki fark (hata fonksiyonu), ters yönde katmanlar boyunca aktarılarak her bir sinaptik ağırlığın hataya olan katkısı belirlenir. Bu mekanizma, gradyan iniş (gradient descent) optimizasyon adımlarıyla ağırlıkların güncellenmesine olanak tanır. Biyolojik öğrenme süreçlerinin (örneğin sinaptik plastisite) doğrudan bir karşılığı olmasa da, bilişsel mimarilerin ve derin öğrenme modellerinin hesaplamalı temelini oluşturur.
Etimoloji
İngilizce 'back' (geri) ve 'propagation' (yayılım, aktarım) kelimelerinin bileşiminden türetilmiş olup, yapay sinir ağlarında hata sinyallerinin çıkış katmanından giriş katmanına doğru ters yönde aktarılması sürecini tanımlar.
Karıştırmayın
İleri beslemeli ağlar (feedforward neural networks) ile sıklıkla karıştırılır; ancak ileri besleme verinin ağ boyunca akış yönünü ifade ederken, geriye yayılım hatanın düzeltilmesi için kullanılan optimizasyon algoritmasının adıdır.