İçeriğe geç
parazade
Yapay Zeka

Tam Bağlantılı Katman Nedir?

İngilizce: Fully Connected Layer

Yayın: · Son güncelleme:

Tam Bağlantılı Katman Nedir? Kısaca

Tam bağlantılı katman (fully connected ya da dense katman), her nöronunun bir önceki katmandaki tüm nöronlardan girdi aldığı ve çıktısını girdinin bir ağırlık matrisiyle çarpılıp sapma eklenmesiyle hesapladığı temel sinir ağı katmanıdır.

Tam Bağlantılı Katman nedir?
İçindekiler
  1. Tam bağlantılı katman nedir?
  2. Nasıl çalışır?
  3. Nerelerde kullanılır?
  4. Nelere dikkat etmeli?

Tam bağlantılı katman, yapay sinir ağlarında en sık karşılaşılan katman türüdür. Kod kütüphanelerinde genellikle "dense" ya da "linear" adıyla geçer.

Tam bağlantılı katman nedir?

Adından da anlaşılacağı gibi, bu katmandaki her nöron bir önceki katmandaki her nöronla bağlantılıdır. Önceki katmanda 100, bu katmanda 50 nöron varsa 100 × 50 = 5.000 bağlantı, yani 5.000 ağırlık vardır; buna her nöron için birer sapma değeri, toplam 50 sapma eklenir.

Nasıl çalışır?

Matematiksel olarak katman şu işlemi yapar:

çıktı = aktivasyon(W · x + b)

  • x: Girdi vektörü.
  • W: Ağırlık matrisi.
  • b: Sapma vektörü.
  • aktivasyon: ReLU gibi doğrusal olmayan bir fonksiyon (çıkış katmanında softmax ya da hiç olmayabilir).

Bu işlem özünde bir matris çarpımıdır; GPU'ların bu işlemi çok hızlı yapabilmesi, derin öğrenmenin yaygınlaşmasında önemli rol oynamıştır.

Nerelerde kullanılır?

  • Çok katmanlı algılayıcılar: Tamamen tam bağlantılı katmanlardan oluşur.
  • Evrişimli ağlar: Evrişim ve havuzlama katmanlarının çıkardığı özellikler, sonda genellikle bir ya da birkaç tam bağlantılı katmana verilerek sınıflandırma yapılır.
  • Transformer'lar: Her bloğun içindeki ileri besleme bölümü, iki tam bağlantılı katmandan oluşur.

Nelere dikkat etmeli?

  • Parametre sayısı hızla büyür: Girdi ve çıktı boyutları büyüdükçe ağırlık sayısı çarpımsal olarak artar. Bu, bellek tüketimini ve aşırı öğrenme riskini yükseltir.
  • Yapıyı görmez: Görüntüdeki komşu pikseller gibi uzamsal ilişkileri doğrudan dikkate almaz; bu yüzden görüntülerde ham piksellere doğrudan uygulamak verimsizdir.
  • Aşırı öğrenmeyi azaltmak için dropout ve ağırlık azaltma sık kullanılır.

Sıkça Sorulan Sorular

Dense katman ile tam bağlantılı katman aynı mı?

Evet. Dense, linear ve fully connected adları aynı katman türünü anlatır; farklı yazılım kütüphaneleri farklı adlar kullanır.

Tam bağlantılı katmanda parametre sayısı nasıl hesaplanır?

Girdi boyutu ile çıktı boyutu çarpılır ve buna çıktı boyutu kadar sapma eklenir. Örneğin 100 girdi ve 50 çıktı için 5.050 parametre vardır.

İlgili terimler

Çok Katmanlı Algılayıcı(Multilayer Perceptron)Çok katmanlı algılayıcı (MLP), bir giriş katmanı, bir ya da daha fazla gizli katman ve bir çıkış katmanından oluşan, katmanları tam bağlantılı ve doğrusal olmayan aktivasyonlar kullanan, geri yayılımla eğitilen ileri beslemeli bir yapay sinir ağıdır.Matris Çarpımı(Matrix Multiplication)Matris çarpımı, birinci matrisin her satırı ile ikinci matrisin her sütununun nokta çarpımı alınarak yeni bir matris elde edilmesidir. Çarpım için birinci matrisin sütun sayısı, ikincinin satır sayısına eşit olmalıdır.Yapay Nöron(Artificial Neuron)Yapay nöron, girdilerini ağırlıklarla çarpıp toplayan, bu toplama bir sapma değeri ekleyen ve sonucu bir aktivasyon fonksiyonundan geçirerek çıktı üreten, yapay sinir ağlarının temel hesaplama birimidir.Evrişimli Sinir Ağı(Convolutional Neural Network)Evrişimli sinir ağı (CNN), görüntü gibi ızgara yapılı verilerde küçük filtreleri veri üzerinde kaydırarak kenar, doku ve şekil gibi özellikleri katman katman öğrenen bir derin öğrenme mimarisidir.Ağırlık(Weight)Ağırlık (weight), yapay sinir ağlarında ve diğer makine öğrenmesi modellerinde her girdinin ya da bağlantının çıktıya ne kadar katkı yapacağını belirleyen ve eğitim sırasında veriden öğrenilen sayısal parametredir.Aşırı Öğrenme(Overfitting)Aşırı öğrenme (overfitting), bir modelin eğitim verisindeki genel kalıplar yerine gürültü ve ayrıntıları ezberlemesi sonucu eğitimde çok başarılı, yeni verilerde ise zayıf sonuç vermesidir.Ağırlık Azaltma(Weight Decay)Ağırlık azaltma (weight decay), sinir ağı eğitiminde her güncelleme adımında model ağırlıklarını küçük bir oranda sıfıra doğru çeken, böylece büyük ağırlıkları cezalandırarak aşırı öğrenmeyi azaltan bir düzenlileştirme tekniğidir.