دروس الشبكة العصبية: دليل خطوة بخطوة للمبتدئين

في مجال التعلم الآلي ، هناك العديد من المفاهيم المثيرة للاهتمام. هنا ، في هذا البرنامج التعليمي الخاص بالشبكات العصبية ، سنناقش أحد المفاهيم الأساسية للشبكات العصبية. ستساعدك هذه المقالة في فهم عمل هذه الشبكات من خلال شرح النظرية الكامنة وراءها.

بعد الانتهاء من هذا البرنامج التعليمي الخاص بالشبكة العصبية الاصطناعية ، سوف تكتشف ما يلي:

• ما هي الشبكة العصبية؟
• كيف تعمل الشبكة العصبية؟
• ما هي أنواع الشبكات العصبية؟

ما هي الشبكات العصبية؟

الشبكة العصبية هي نظام مصمم للعمل كعقل بشري. إنه أمر بسيط للغاية ولكنه منتشر في حياتنا اليومية.

تعريف معقد هو أن الشبكة العصبية هي نموذج حسابي له بنية شبكة. تتكون هذه البنية من الخلايا العصبية الاصطناعية. يحتوي هذا الهيكل على معلمات محددة يمكن من خلالها تعديلها لأداء مهام معينة.

لديهم خصائص تقريبية واسعة النطاق. هذا يعني أنه يمكنهم تقريب دالة إلى أي مستوى من الدقة بغض النظر عن أبعادها. تجد الشبكات العصبية تطبيقات واسعة النطاق في المناطق التي لا تعمل فيها أجهزة الكمبيوتر التقليدية بشكل جيد. من Siri إلى خرائط Google ، توجد الشبكات العصبية في كل مكان يتم فيه استخدام الذكاء الاصطناعي.

هم جزء حيوي من عمليات الذكاء الاصطناعي. تستلهم الشبكات العصبية من دماغ الإنسان ، وبالتالي فإن هيكلها يشبه البنية أيضًا.

كيف تعمل الشبكة العصبية؟

تحتوي الشبكة العصبية على طبقات عديدة. تؤدي كل طبقة وظيفة محددة ، وكلما كانت الشبكة معقدة ، زادت الطبقات. هذا هو السبب في أن الشبكة العصبية تسمى أيضًا مدرك متعدد الطبقات.

يتكون أنقى أشكال الشبكة العصبية من ثلاث طبقات:

1. طبقة الإدخال
2. الطبقة المخفية
3. طبقة الإخراج

كما توحي الأسماء ، كل طبقة من هذه الطبقات لها غرض محدد. تتكون هذه الطبقات من العقد. يمكن أن تكون هناك طبقات مخفية متعددة في الشبكة العصبية وفقًا للمتطلبات. تلتقط طبقة الإدخال إشارات الإدخال وتنقلها إلى الطبقة التالية. يقوم بجمع البيانات من العالم الخارجي.

تقوم الطبقة المخفية بتنفيذ جميع مهام النهاية الخلفية للحساب. يمكن أن تحتوي الشبكة حتى على صفر طبقات مخفية. ومع ذلك ، تحتوي الشبكة العصبية على طبقة مخفية واحدة على الأقل. طبقة المخرجات تنقل النتيجة النهائية لحساب الطبقة المخفية.

مثل تطبيقات التعلم الآلي الأخرى ، سيتعين عليك تدريب شبكة عصبية ببعض بيانات التدريب أيضًا ، قبل تزويدها بمشكلة معينة. ولكن قبل أن نتعمق أكثر في كيفية قيام الشبكة العصبية بحل مشكلة ما ، يجب أن تعرف أولاً كيفية عمل طبقات الإدراك الحسي:

كيف تعمل طبقات Perceptron؟

تتكون الشبكة العصبية من العديد من طبقات الإدراك الحسي. هذا هو السبب في أنه يحمل اسم "الحس متعدد الطبقات". تسمى هذه الطبقات أيضًا الطبقات المخفية للطبقات الكثيفة. وهي مكونة من العديد من نيوترونات البيرسبترون. إنها الوحدة الأساسية التي تعمل معًا لتشكيل طبقة الإدراك الحسي. تتلقى هذه الخلايا العصبية المعلومات في مجموعة المدخلات. تقوم بدمج هذه المدخلات العددية مع تحيز ومجموعة من الأوزان ، والتي تنتج بعد ذلك ناتجًا واحدًا.

بالنسبة للحساب ، تأخذ كل خلية عصبية في الاعتبار الأوزان والتحيز. بعد ذلك ، تستخدم دالة الدمج الوزن والتحيز لإعطاء ناتج (إدخال معدل). يعمل من خلال المعادلة التالية:

تركيبة = تحيز + أوزان * مدخلات

بعد ذلك ، تنتج وظيفة التنشيط الإخراج بالمعادلة التالية:

الإخراج = التنشيط (تركيبة)

تحدد هذه الوظيفة نوع الدور الذي تؤديه الشبكة العصبية. هم يشكلون طبقات الشبكة. فيما يلي وظائف التنشيط السائدة:

الوظيفة الخطية

في هذه الوظيفة ، يكون الإخراج عبارة عن مزيج من الخلايا العصبية فقط:

التنشيط = تركيبة

دالة الظل الزائدية

إنها وظيفة التنشيط الأكثر شيوعًا بين الشبكات العصبية. إنها دالة سينية وتقع بين -1 و +1:

التفعيل = tanh (تركيبة)

الوظيفة اللوجستية

تشبه الوظيفة اللوجيستية تمامًا وظيفة الظل القطعي لأنها نوع من دالة السيني أيضًا. ومع ذلك ، فهي مختلفة لأنها تقع بين 0 و 1:

التنشيط = 1 1 + الجمع الإلكتروني

دالة الوحدة الخطية المصححة

تمامًا مثل دالة الظل الزائدية ، فإن دالة الوحدة الخطية المصححة هي أيضًا سائدة. اسم آخر لوظيفة الوحدة الخطية المصححة هو ReLU. ReLU تساوي المجموعة عندما تكون مساوية للصفر أو أكبر منه ، وتكون سالبة إذا كانت المجموعة أقل من الصفر (سالب).

لذا ، كيف تعمل الشبكة العصبية بالضبط؟

الآن بعد أن عرفت ما وراء الشبكة العصبية وكيف تعمل ، يمكننا التركيز على عمل الشبكة العصبية.

وإليك كيف يعمل:

1. يتم إدخال المعلومات إلى طبقة الإدخال التي تنقلها إلى الطبقة المخفية
2. تحدد الترابطات بين الطبقتين أوزانًا لكل إدخال عشوائيًا
3. يتم إضافة تحيز إلى كل مدخلات بعد ضرب الأوزان بها على حدة
4. يتم تحويل المبلغ المرجح إلى وظيفة التنشيط
5. تحدد وظيفة التنشيط العقد التي يجب إطلاقها لاستخراج الميزة
6. يطبق النموذج وظيفة تطبيق على طبقة الإخراج لتسليم المخرجات
7. يتم تعديل الأوزان ، ويتم نشر الإخراج بشكل عكسي لتقليل الخطأ

يستخدم النموذج دالة التكلفة لتقليل معدل الخطأ. سيكون عليك تغيير الأوزان بنماذج تدريب مختلفة.

1. يقارن النموذج الإخراج بالنتيجة الأصلية
2. يكرر العملية لتحسين الدقة

يقوم النموذج بضبط الأوزان في كل تكرار لتحسين دقة الإخراج.

انضم إلى دورة الذكاء الاصطناعي عبر الإنترنت من أفضل الجامعات في العالم - الماجستير ، وبرامج الدراسات العليا التنفيذية ، وبرنامج الشهادات المتقدمة في ML & AI لتسريع مسار حياتك المهنية.

أنواع الشبكات العصبية

1) الشبكة العصبية المتكررة (RNN)

في هذه الشبكة ، يتم حفظ إخراج الطبقة ونقله مرة أخرى إلى الإدخال. بهذه الطريقة ، تتذكر عقد طبقة معينة بعض المعلومات حول الخطوات السابقة. مزيج طبقة الإدخال هو نتاج مجموع الأوزان والمعالم. تبدأ عملية الشبكة العصبية المتكررة في الطبقات المخفية.

هنا ، تتذكر كل عقدة بعض المعلومات الخاصة بخطوتها السابقة. يحتفظ النموذج ببعض المعلومات من كل تكرار ، والتي يمكنه استخدامها لاحقًا. يتعلم النظام ذاتيًا عندما تكون نتيجته خاطئة. ثم تستخدم هذه المعلومات لزيادة دقة تنبؤها في الانتشار العكسي. التطبيق الأكثر شيوعًا لـ RNN هو في تقنية تحويل النص إلى كلام.

2) الشبكة العصبية التلافيفية (CNN)

تتكون هذه الشبكة من طبقة تلافيفية واحدة أو عدة طبقات. تطبق الطبقة التلافيفية الموجودة في هذه الشبكة وظيفة تلافيفية على المدخلات قبل نقلها إلى الطبقة التالية. نتيجة لذلك ، تحتوي الشبكة على عدد أقل من المعلمات ، لكنها تصبح أكثر عمقًا. تستخدم شبكات CNN على نطاق واسع في معالجة اللغة الطبيعية والتعرف على الصور.

3) الشبكة العصبية للوظيفة الشعاعية (RBFNN)

تستخدم هذه الشبكة العصبية وظيفة أساس شعاعي. تأخذ هذه الوظيفة في الاعتبار مسافة النقطة من المركز. تتكون هذه الشبكات من طبقتين. تجمع الطبقة المخفية الميزات مع وظيفة الأساس الشعاعي وتنقل الإخراج إلى الطبقة التالية.

تؤدي الطبقة التالية نفس الشيء أثناء استخدام إخراج الطبقة السابقة. تستخدم الشبكات العصبية لوظيفة الأساس الشعاعي في أنظمة الطاقة.

4) الشبكة العصبية المغذية (FNN)

هذا هو أنقى شكل من أشكال الشبكة العصبية الاصطناعية. في هذه الشبكة ، تتحرك البيانات في اتجاه واحد ، أي من طبقة الإدخال إلى طبقة الإخراج. في هذه الشبكة ، تتلقى طبقة المخرجات مجموع منتجات المدخلات وأوزانها. لا يوجد انتشار عكسي في هذه الشبكة العصبية. يمكن أن تحتوي هذه الشبكات على طبقات مخفية كثيرة أو لا تحتوي على طبقات مخفية. هذه أسهل في الصيانة والعثور على التطبيق في التعرف على الوجوه.

5) الشبكة العصبية المعيارية

تمتلك هذه الشبكة العديد من الشبكات التي تعمل بشكل مستقل. يؤدون جميعًا مهامًا محددة ، لكنهم لا يتفاعلون مع بعضهم البعض أثناء عملية الحساب.

بهذه الطريقة ، يمكن للشبكة العصبية المعيارية أن تؤدي مهمة معقدة للغاية بكفاءة أعلى بكثير. تعد صيانة هذه الشبكات أكثر صعوبة مقارنة بالشبكات الأبسط (مثل FNN) ، ولكنها تقدم أيضًا نتائج أسرع للمهام المعقدة.

تعرف على المزيد حول الشبكات العصبية

هذا كل شيء في برنامجنا التعليمي حول الشبكة العصبية. يجب أن تكون قد رأيت مجموعة متنوعة من المهام التي يمكن أن تؤديها هذه الشبكات. يتم استخدامها في جميع التقنيات التي نستخدمها يوميًا تقريبًا. إذا كنت ترغب في معرفة المزيد عن الشبكات العصبية ، يمكنك التحقق من كتالوج الدورات التدريبية حول الذكاء الاصطناعي والتعلم الآلي.

يمكنك التحقق من برنامج PG التنفيذي الخاص بنا في Machine Learning & AI ، والذي يوفر ورش عمل عملية ومرشد صناعي فردي و 12 دراسة حالة ومهمة وحالة خريجي IIIT-B والمزيد.