الانتشار العكسي المثقب: امتداد مستوحى من علوم الأعصاب إلى الشبكات العصبية الاصطناعية

تم اختراع خلايا الشبكات العصبية الاصطناعية في وقت كانت فيه المعرفة حول الخلايا العصبية الحيوية أقل بكثير مما هي عليه اليوم. يعمل بحثنا على استكشاف تعديل لوحدة الخلية العصبية الأساسية يجعلها أكثر توازياً مع الخلية العصبية الحيوية. يتم إجراء هذا التعديل بناءً على المعرفة بأن الأغصان العصبية الحيوية ليست مجرد قنوات تنشيط سلبية، بل تقوم أيضاً بحساب وظائف غير خطية معقدة أثناء نقل التنشيط إلى جسم الخلية.يستكشف البحث نظاماً جديداً للانتشار العكسي "المثقب" (Perforated) يمكّن خلايا الشبكات العصبية الاصطناعية في الشبكات العميقة من تحقيق أداء أفضل عند ترميز نفس الخصائص التي كانت مرمزة في الهيكل الأصلي. بعد مرحلة تدريب أولية للشبكة، يتم إضافة خلايا عصبونية إضافية تُعرف بـ "العقد الدندرونية" (Dendrite Nodes) إلى الشبكة وتدريبها بشكل منفصل بمهمة مختلفة: وهي ربط مخرجاتها بالخطأ المتبقي للخلايا العصبونية الأصلية. ثم يتم تجميد العقد الدندرونية المدربة، ويتم مواصلة تدريب الخلايا العصبونية الأصلية، مع الأخذ بعين الاعتبار الإشارات الخطأ الإضافية التي توفرها العقد الدندرونية. يمكن تكرار دورة تدريب الخلايا العصبونية الأصلية وإضافة وتدريب العقد الدندرونية عدة مرات حتى يتم تحقيق أداء مرضٍ.لقد تم إضافة خوارزميتنا بنجاح إلى شبكات PyTorch الحديثة الرائدة في مجالها عبر مجالات متعددة، مما أدى إلى تحسين الدقة الأصلية والسماح بضغط النموذج بشكل كبير دون فقدان في الدقة.