Özet:
Bu tezde, ileri beslemeli yapay sinir ağlarının, ağırlık hatası karşısındaki duyarlılıkları analiz edilmiştir. Ağ modeli olarak çok katmanlı algılayıcılar ve eğitim algoritması olarak da geriye yayılım algoritması kullanılmıştır Çok katmanlı algılayıcılarda ağırlık vektörü giriş-çıkış dönüşümünü belirlemektedir. Dolayısıyla bu ağırlıklardaki her hangi bir değişiklik giriş-çıkış dönüşümümüzü etkilemektedir. Yapay sinir ağımızın duyarlılığını hesaplamak için arıtımsal ağırlık perturbasyon metodunu kullanıyoruz. Amacımız, artımsal bir ağırlık perturbasyonu karşısında karar hatası olasılığının hesaplanmasıdır. Bu amaçla iki tane yakınsama formülü geliştirdik: binormal yakınsama ve karekök yakınsaması. Bunlardan binormal yakınsamanın doğruluk oranı çok yüksek olmasına rağmen, çok işlem gerektirdiğinden hesaplamalar için bilgisayara ihtiyaç duyuluyor ve ayrıca yakınsama, her katmandaki düğüm sayısına bağımlıdır. Fakat katmandaki işlem elemanlarının sayışım arttırarak, hata probabilitesi bir sayıya ulaştırılırsa yakınsamanın katmandaki işlem elemanından bağımsız olduğu görülür. Karekök yakınsamasının sonucu binormal yakınsamasının sonucu kadar gerçek değere yakın değildir. Fakat çok daha kolay hesaplanabilir ve katmanda çok fazla işlem elemanı varsa, binormal yakınsamaya oldukça yakın sonuçlar verir.
