Parça Parça Sabit (PPS) ve Parça Parça Doğrusal (PPD) sistem modelleri, çoğunlukla bu türde yapılar olduğu açıkça belirtilmese de Yapay Sinir Ağları (YSA) alanında sıklıkla kullanılmaktadır. Bilimsel yazında oldukça iyi bilinen bir çok model PPS veya PPD işlevler gerçeklerler. Diğer yandan, bazı karmaşık modeller, PPS/PPD yaklaşıklıkları oluşturularak basitleştirilebilir. PPS ve PPD modeller basitlik, hızlılık ve verilen herhangi bir fonksiyona istenen duyarlılıkla yaklaşabilme özelliklerine sahip olmakla, YSA literatüründe ayrı bir yere sahiptir. Bu çalışmada, yeni bir PPD YSA yapısı olarak 'girişe bağlı eşikli ayrık algılayıcı' önerilmektedir. Klasik ayrık algılayıcının doğrusal olarak ayrıştırılamaz kümeleri sınıflandıramadığı gayet iyi bilinmektedir. Bu sorunun aşılması için, algılayıcının eşik değeri, girişin PPS bir fonksiyonu olarak değişecek şekilde yeniden düzenlenmiştir. Önerilen model böylece PPD bir ayrım yüzeyi oluşturur ve doğrusal ayrıştırılamayan problemlerin bir alt kümesi için çözüm üretebilmektedir. Önerilen modelin etkinliği, tüm bağlantı ağırlıklarının algılayıcı öğrenme kuralı kullanılarak öğrenilebiliyor olmasına dayanmaktadır. Modelin eğitimi için algılayıcı öğrenme kuralının üç aşamalı uygulanmasından oluşan bir algoritma önerilmiştir. Bu algoritmanın işleyişiyle problem kümesinin doğrusal ayrıştırılabilir olup olmadığı, doğrusal ayrıştırılamaz giriş vektörlerinin hangileri olduğu ve doğrusal ayrıştırılamaz vektörlerin kümenin diğer elemanlarından doğrusal ayrıştırılabilir olup olmadığı test edilmektedir ve yöntemin son adımında belirli şartların sağlanması halinde ağın tüm ağırlıkları belirlenmiş olur. Modelin ve yöntemin etkinliği, doğrusal ayrıştırılamayan bir sınıflandırma problemi olan siyah beyaz görüntüler üzerinde kenar belirleme problemi üzerinde gösterilmiştir.

Anahtar Kelimeler: Ayrık algılayıcı, doğrusal ayrıştırılamaz kümeler, parça parça doğrusal ayırım yüzeyleri.