KarcıFANN Yönteminde Ağırlık Sönümlemenin Etkisi

Yapay sinir ağlarının (YSA) modellenmesinde, optimizasyon yöntemi, aktivasyon ve hata fonksiyonu gibi hiperparametrelerle birlikte çeşitli düzenleme (düzenlileştirme) yöntemleri kullanılmaktadır. Bu yöntemlerden biri olan ağırlık sönümleme işlemi, modellerin eğitimi aşamasında ağırlık vektörlerinin çok fazla büyümesiyle ortaya çıkan gradyan patlaması ve ezberleme gibi önemli problemlerin çözülmesi ve modellerin genelleme performanslarının artırılması amacıyla uygulanmaktadır. Bu çalışmada, ağırlık sönümleme hiperparametresinin, KarcıFANN yönteminin performansına etkileri analiz edilmektedir. Bu amaçla, KarcıFANN yöntemi ile tasarlanan çeşitli modellere ağırlık sönümleme işlemi uygulanmıştır. MNIST ve Dry Bean veri setlerinin sınıflandırılması sonucu elde edilen bulgular, ağırlık sönümleme hiperparametresinin, modellerin başarımını ve genelleme kabiliyetini önemli ölçüde iyileştirdiğini göstermiştir.