Perceptron Nedir?

Perceptron, yapay sinir ağlarının tarihindeki ilk öğrenebilen modellerden biridir. Psikolog Frank Rosenblatt tarafından 1958'de tanıtılmıştır. Tek bir yapay nörondan oluşur ve iki sınıfı birbirinden ayırmayı öğrenir.

Perceptron nedir?

Perceptron girdileri ağırlıklarla çarpar, toplar ve bir sapma değeri ekler. Sonuç sıfırdan büyükse 1, değilse 0 (ya da −1) çıktısını verir. Bu "basamak" biçimli karar kuralı sayesinde perceptron bir doğrusal sınıflandırıcıdır: Veri uzayını bir doğru ya da düzlemle ikiye böler.

Nasıl öğrenir?

Perceptron öğrenme kuralı çok basittir:

1. Ağırlıklar küçük değerlerle başlatılır.
2. Her eğitim örneği için tahmin yapılır.
3. Tahmin doğruysa hiçbir şey değişmez.
4. Yanlışsa ağırlıklar, doğru cevabı verecek yöne doğru, girdiyle orantılı olarak küçük bir miktar güncellenir.
5. Tüm örnekler doğru sınıflanana ya da belirli tur sayısına ulaşılana kadar tekrarlanır.

Veri doğrusal olarak ayrılabiliyorsa, bu kuralın sonlu adımda bir çözüm bulacağı matematiksel olarak gösterilmiştir.

XOR problemi ve önemi

Marvin Minsky ve Seymour Papert 1969'daki kitaplarında, tek katmanlı perceptronun XOR ("ya biri ya diğeri, ikisi birden değil") gibi doğrusal olarak ayrılamayan basit bir problemi çözemeyeceğini ayrıntılı biçimde ele aldı. Bu eleştiri, sinir ağlarına ilginin bir süre azalmasına katkıda bulundu.

Çözüm, perceptronları katmanlar hâlinde dizmek ve doğrusal olmayan aktivasyonlarla eğitmekti. Bu yapı bugün çok katmanlı algılayıcı olarak bilinir ve geri yayılım algoritmasıyla eğitilir.

Günümüzdeki yeri

Tek başına perceptron artık pratik problemlerde nadiren kullanılır. Ancak ağırlık, toplama, eşik ve hataya göre güncelleme fikirleri, günümüzün derin öğrenme modellerinin temelinde hâlâ yer alır.