Abstract:
Yapay zekâ, çağımızda sürekli gelişen teknolojiyle birlikte tıp, mühendislik ve endüstri 4.0 uygulamalarında sıklıkla kullanılmaktadır. Aslında yapay zekâ teknolojilerinin temelini irdelersek derin öğrenme örüntü tanıma modellerinin yer aldığını görürüz. Özellikle bu disiplinin ilk yıllarında 1989 yılında Yann LeCUN el yazısıyla yazılan rakamların tanınması ile ilgili MNIST veri setiyle Evrişimsel Yapay Sinir kullanarak çığır açan bir çalışma yapmış ve örüntü tanımaya başka bir bakış açısı getirmiştir Bu çalışmada, klasik derin öğrenme ve ESA ile tahmin edilen MNIST veri seti ağırlıkları derinlemesine incelenerek günümüzde etkin olarak iktisadi ve matematiksel tahmin analizlerinde kullanılan zaman seri fonksiyonlarından Facebook Prophet fonksiyonu yardımıyla derin öğrenme modellerindeki ağırlıkları, zaman serisi ile tekrar tahmin edilerek klasik ESA ile bir araştırma çerçevesinde karşılaştırma amaçlanmıştır. Bu karşılaştırma ile aslında klasik yapay zekâ ve derin öğrenme modellerinin ağırlıklarının eğitim girdisi olarak alınıp zaman serisi ile tahmin edilerek performans karşılaştırılması yapılmasıyla derin öğrenme disiplinlerine farklı bir bakış açışı getirecektir. Sonuç olarak ESA modelinin tahmin performansının Facebook Prophet fonksiyonuna göre daha yüksek olduğu ağırlıklarının tahminin zor olduğu ağırlıklar bu görüntü verisi içerisindeki fark edilebilir ağırlıkları veya bunların gösterimi belirlemek için oldukça kolaylaştırıcı bir tekniğin temelini oluşturabilir. Aslında bu ağırlıklar ESA modelinin veya derin öğrenme modelinin tahmin edilme zorlukları açısından zayıflıkları olarak görülebilir. Prophet ve zaman serisi tahmin yöntemleri kullanılarak bahsedilen verilere veya bulunduğu katmanın o bölgesine veri zehirleme işlemi yapılarak nesne ve görüntünün tahmin edilmesi kolaylaştırılabilir.
