الشبكة العصبية الاصطناعية (NNs)
تُعرف الشبكة العصبية الاصطناعية (ANNs) أيضًا باسم الشبكة العصبية (NNs) أو الشبكة شبه العصبية. في مجال التعلم الآلي والعلوم الإدراكية، هو نموذج رياضي أو نموذج حسابي يحاكي بنية ووظيفة الشبكات العصبية البيولوجية (الجهاز العصبي المركزي للحيوانات، وخاصة الدماغ).الشبكات العصبية متصلة حسابيًا بعدد كبير من الخلايا العصبية الاصطناعية. ويستخدم العقد المترابطة، أو الخلايا العصبية، في بنية هرمية مماثلة للدماغ البشري. يمكنه إنشاء أنظمة تكيفية يستخدمها الكمبيوتر للتعلم من أخطائه والتحسين المستمر. ونتيجة لذلك، تستطيع الشبكات العصبية الاصطناعية محاولة حل المشكلات المعقدة، مثل تلخيص المستندات بدقة أكبر أو التعرف على الوجوه.
أهمية الشبكات العصبية
يمكن للشبكات العصبية مساعدة أجهزة الكمبيوتر على اتخاذ قرارات ذكية بمساعدة بشرية محدودة. لأنهم قادرون على تعلم ونمذجة العلاقات غير الخطية والمعقدة بين البيانات المدخلة والمخرجة.
يمكن للشبكات العصبية فهم البيانات غير المنظمة وإجراء ملاحظات عامة دون تدريب صريح. على سبيل المثال، يمكنهم التعرف بشكل عام على أن Baxter Road هو اسم مكان، ولكن Baxter Smith هو اسم شخص. ومن الممكن أيضًا التعرف على جملتين إدخال مختلفتين لهما معانٍ متشابهة:
- هل يمكنك أن تخبرني كيف أدفع؟
- كيف أقوم بتحويل الأموال؟
ستعرف الشبكة العصبية أن هاتين الجملتين تعنيان نفس الشيء.
أنواع الشبكات العصبية
يمكن تصنيف أنواع الشبكات العصبية بناءً على كيفية تدفق البيانات من عقد الإدخال إلى عقد الإخراج. وفيما يلي بعض الأمثلة:
الشبكة العصبية التغذية الأمامية
تعمل الشبكات العصبية التغذية الأمامية على معالجة البيانات بطريقة أحادية الاتجاه من عقد الإدخال إلى عقد الإخراج، حيث تكون كل عقدة في طبقة واحدة متصلة بكل عقدة في الطبقة التالية. تستخدم شبكات التغذية الأمامية عملية التغذية الراجعة لتحسين التوقعات بمرور الوقت.
خوارزمية الانتشار العكسي
تتعلم الشبكات العصبية الاصطناعية بشكل مستمر باستخدام حلقة تغذية مرتدة تصحيحية لتحسين تحليلاتها التنبؤية. باختصار، يمكنك أن تفكر في البيانات على أنها تتدفق من عقد الإدخال إلى عقد الإخراج عبر العديد من المسارات المختلفة في شبكة عصبية. ولكن هناك مسار واحد فقط يمكنه ربط عقدة الإدخال بعقدة الإخراج الصحيحة. للعثور على هذا المسار، ستستخدم الشبكة العصبية حلقة تغذية مرتدة، والتي تعمل على النحو التالي:
- يقوم كل عقدة بتخمين العقدة التالية في المسار.
- يتحقق ما إذا كان التخمين صحيحا. ستقوم العقدة بتعيين قيم وزن أعلى للمسارات التي تؤدي إلى تخمينات أكثر صحة، وقيم وزن أقل لمسارات العقد التي تؤدي إلى تخمينات غير صحيحة.
- بالنسبة لنقطة البيانات التالية، تقوم العقدة بإنشاء تنبؤ جديد باستخدام المسار ذو الوزن الأعلى وتكرر الخطوة 1.
الشبكات العصبية التلافيفية
تؤدي الطبقات المخفية في الشبكة العصبية التلافيفية وظيفة رياضية محددة (مثل التلخيص أو التصفية) تسمى الالتفاف. إنها مفيدة جدًا لتصنيف الصور لأنها قادرة على استخراج الميزات ذات الصلة من الصور والتي تكون مفيدة للتعرف على الصور وتصنيفها. يعد هذا النموذج الجديد أسهل في المعالجة دون فقدان الميزات المهمة للتوصل إلى تنبؤات جيدة. تقوم كل طبقة مخفية باستخراج ومعالجة ميزات مختلفة للصورة، مثل الحواف والألوان والعمق.
مراجع
【2】https://aws.amazon.com/cn/what-is/neural-network/?nc1=h_ls