kodlama.org Açık Bilgi Bankası

Yapay Zekâ Sözlüğü

Klasik Makine Öğrenmesinden AGI ve Süperzekâ vizyonuna kadar 16 kategoride 605 terim. Her kavram için teknik mekanizma, sezgisel açıklama, formüller ve pratik kullanım senaryoları.

⚡ 605 Özgün Terim📂 16 Kategori📐 Matematiksel Formüller
Harf:
Kategoriler (16)
Toplam 30 terim bulundu(Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri)Gösterilen: 1 - 24
#546Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Graph Representation (Çizge Temsili)

Çizge / Grafiksel Veri Temsili

Verileri ızgara şeklindeki pikseller (görüntü) veya doğrusal sıralı kelimeler (metin) yerine; birbirine anlamlı ilişkilerle bağlanan nesneleri **Düğümler (Nodes / Vertices - VV)** ve bu nesneler arasındaki bağlantıları **Kenarlar (Edges - EE)** olarak modelleyen evrensel veri yapısıdır.
Ayrıntılı Rehber→
#547Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Adjacency Matrix (Komşuluk Matrisi)

Komşuluk Matrisi

Bir çizgedeki düğümlerin hangilerinin birbirine doğrudan bağlı olduğunu gösteren; ii düğümü ile jj düğümü arasında bir kenar varsa Aij=1A_{ij} = 1 (veya kenar ağırlığı), bağlantı yoksa 00 değerini alan ∣V∣×∣V∣|V| \times |V| boyutlu kare matristir.
Ayrıntılı Rehber→
#548Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Degree Matrix (Derece Matrisi)

Derece Matrisi

Yalnızca ana köşegeninde (diagonal) her bir düğüme bağlı toplam kenar sayısını (o düğümün derecesini) barındıran, köşegen dışındaki tüm elemanları 00 olan kare matristir.
Ayrıntılı Rehber→
#550Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Graph Neural Network (GNN)

Çizge / Grafik Sinir Ağı

Düğümlerin özniteliklerini ve çizgenin bağlantı topolojisini girdi olarak alıp; komşu düğümler arasında mesajlaşma yaptırarak her düğüm, kenar veya tüm çizge için derin temsil vektörleri (embeddings) üreten yapay sinir ağı ailesidir.
Ayrıntılı Rehber→
#551Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Spectral vs. Spatial GNN

Spektral ve Uzamsal Çizge Sinir Ağları

Çizgeler üzerinde konvolüsyon (evrişim) yapmanın iki temel felsefesinin karşılaştırmasıdır: * **Spektral (Spectral):** Çizge Laplasyeninin özvektörlerini kullanarak çizgeyi frekans alanına (Fourier uzayına) aktarıp orada filtre uygulayan matematiksel yaklaşım. * **Uzamsal (Spatial):** Doğrudan çizge üzerinde yürüyerek, bir düğümün komşularından gelen mesajları yerel olarak toplayıp birleştiren sezgisel ve ölçeklenebilir yaklaşım.
Ayrıntılı Rehber→
#552Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Graph Convolutional Network (GCN)

Çizge Evrişimli Ağı (GCN)

Spektral çizge teorisinin karmaşık Fourier denklemlerini 1. dereceden yerel bir lineer yaklaşıklığa indirgeyerek; her düğümün kendi özelliklerini komşularının normalize edilmiş ortalamasıyla güncellediği en popüler temel GNN modelidir.
Ayrıntılı Rehber→
#553Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Graph Attention Network (GAT)

Çizge Dikkat Ağı (GAT)

GCN'in tüm komşulara sabit yapısal katsayılarla yaklaşması kısıtını yıkarak; Transformer'lardaki **Öz-Dikkat (Self-Attention)** mekanizmasını çizgelere uyarlayan ve bir düğümün **hangi komşusuna ne kadar dikkat etmesi gerektiğini dinamik olarak öğrenen** mimaridir.
Ayrıntılı Rehber→
#555Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

GraphSAGE

Çizge Örnekleme ve Toplama Mimarisi

Bir düğümün tüm komşularını işlemek yerine komşular arasından **sabit sayıda rastgele örneklem alan (sampling)** ve daha önce eğitimde hiç görülmemiş yepyeni düğümlere bile genelleme yapabilen (inductive) ölçeklenebilir GNN modelidir.
Ayrıntılı Rehber→
#556Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Node, Edge, and Graph-Level Tasks

Düğüm, Kenar ve Çizge Seviyesi Tahmin Görevleri

Çizge makine öğrenmesindeki üç temel tahmin hiyerarşisidir: * **Düğüm Seviyesi (Node-Level):** Tek bir kullanıcının veya atomun sınıfını tahmin etmek (örn: Sahte hesap tespiti). * **Kenar Seviyesi (Edge-Level):** İki düğüm arasında yeni bir bağ oluşup oluşmayacağını tahmin etmek (örn: Arkadaş önerisi, ilaç-ilaç etkileşimi). * **Çizge Seviyesi (Graph-Level):** Çizgenin tamamını tek bir nesne olarak ele alıp genel bir özellik tahmin etmek (örn: Bu kimyasal molekül zehirli mi?).
Ayrıntılı Rehber→
#557Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Inductive vs. Transductive Learning in Graphs

Tümevarımsal ve Aktarımsal Çizge Öğrenmesi

* **Transductive:** Eğitilen modelin sadece eğitim sırasında gördüğü sabit çizge üzerindeki etiketsiz düğümleri tahmin edebildiği; çizgeye yeni bir düğüm eklendiğinde modelin çöktüğü ve baştan eğitilmek zorunda olduğu rejim (Klasik GCN). * **Inductive:** Modelin daha önce hiç görmediği yepyeni bağımsız çizgelere veya ağa sonradan katılan yeni düğümlere doğrudan genelleme yapabildiği rejim (GraphSAGE).
Ayrıntılı Rehber→
#558Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Weisfeiler-Lehman (WL) Graph Isomorphism Test

Weisfeiler-Lehman Çizge Eşyapı Testi

İki farklı çizgenin topolojik olarak birbirinin tıpatıp aynısı (eşyapılı / izomorfik) olup olmadığını renkleri (etiketleri) komşuluklar boyunca iteratif olarak hashleyerek test eden klasik algoritmadır; **standart mesaj iletimli GNN'lerin teorik üst güç sınırını (expressive power limit)** temsil eder (Morris & Xu et al., 2019).
Ayrıntılı Rehber→
#560Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Over-Squashing

Aşırı Sıkışma / Bilgi Darboğazı

Katman sayısı arttıkça bir düğümün alıcı alanına giren komşu sayısının üstel olarak (katlanarak) büyümesi; ancak bu devasa miktardaki bilginin **sabit boyutlu tek bir vektörün (dd) içine zorla sıkıştırılmak zorunda kalması** sonucu oluşan bilgi kaybı ve bozulmasıdır.
Ayrıntılı Rehber→
#561Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Graph Transformer

Çizge Dönüştürücüsü / Çizge Transformer'ı

Mesaj iletimli (MPNN) yerel komşuluk zincirlerini kırarak; çizgedeki **her düğümün diğer tüm düğümlerle doğrudan küresel dikkat (Global Self-Attention) ile iletişim kurmasını sağlayan** ve yapısal konumsal kodlamalar (Laplasyen özvektörleri, en kısa yol mesafesi) kullanan modern mimaridir.
Ayrıntılı Rehber→
#562Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Link Prediction

Bağlantı / Kenar Tahmini

Bir çizgede mevcut durumda birbiriyle doğrudan bağlı olmayan iki düğüm arasında gelecekte **yeni bir bağlantı kurulma olasılığını** veya eksik olan gizli bir kenarı tahmin etme görevidir.
Ayrıntılı Rehber→
#566Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

Entity Linking & Relation Extraction

Varlık Bağlama ve İlişki Çıkarımı

* **İlişki Çıkarımı (RE):** Düz bir metni okuyup içindeki varlıklar arasında hangi ilişkinin geçtiğini tespit etme işlemi. * **Varlık Bağlama (EL):** Metinde geçen bir kelimeyi (örneğin "Paris"), dünya bilgi tabanındaki milyonlarca varlık arasından tam olarak doğru kimlik numarasına (örneğin "Paris şehri" mi yoksa "Paris Hilton" mu?) bağlama işlemidir.
Ayrıntılı Rehber→
#568Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

TransE

Öteleme Tabanlı Bilgi Çizgesi Gömme (TransE)

İlişkileri vektör uzayında birer **öteleme vektörü (translation vector)** olarak modelleyen; doğru bir üçlüde Baş varlığın vektörüne İlişki vektörü eklendiğinde Kuyruk varlığın vektörüne ulaşılması gerektiğini savunan öncü algoritmadır (h+r≈th + r \approx t).
Ayrıntılı Rehber→
#569Grafiksel Modeller, Çizge Sinir Ağları ve Bilgi Çirgeleri

RotatE

Kompleks Uzayda İlişkisel Döndürme (RotatE)

TransE'nin öteleme mantığını aşarak; ilişkileri karmaşık sayılar düzleminde (C\mathbb{C}) birer **rotasyon (döndürme)** işlemi olarak modelleyen ve simetri, terslik, geçişlilik gibi tüm mantıksal kalıpları kusursuz çözen modeldir (t=h∘rt = h \circ r).
Ayrıntılı Rehber→