YSA’larda Kesir Dereceli Türev Kullanımının Öğrenmeye Etkisi

YSA’ların tasarımı aşamasında kullanılan optimizasyon yöntemleri, katman ve nöron sayıları, aktivasyon ve hata fonksiyonları gibi hiperparametreler, modellerin başarımını belirlemektedir. Gradyan tabanlı optimizasyon yöntemleri, modellerin öğrenme sürecinde yaygın olarak kullanılmaktadır. SGD yönteminde ezberleme, öğrenememe, genelleme yapamama, yakınsayamama gibi önemli problemlerle karşılaşılmaktadır. Bu problemleri çözmek ve kesir dereceli türevlerle sistemleri daha iyi modellemek amacıyla KarcıFANN optimizasyon yöntemi kullanılmaktadır. Bu çalışmada, MNIST ve Dry Bean veri setlerinin sınıflandırılması amacıyla KarcıFANN ve SGD öğrenme yöntemlerinin kullanıldığı modeller tasarlanmıştır. Bu modeller, çeşitli katman sayısı konfigürasyonları ile farklı aktivasyon ve hata fonksiyonları kullanılarak eğitilmiş ve performansları karşılaştırmalı olarak değerlendirilmiştir. Elde edilen bulgular, kesir dereceli türev kullanımıyla modellerin performansının arttığını ve KarcıFANN yönteminin SGD’ye alternatif bir yaklaşım olarak değerlendirilebileceğini göstermektedir.