This post is also available in: English (الإنجليزية) हिन्दी (الهندية)
تعكس الشبكات العصبية سلوك الدماغ البشري ، مما يسمح لبرامج الكمبيوتر بالتعرف على الأنماط وحل المشكلات الشائعة في مجالات الذكاء الاصطناعي والتعلم الآلي والتعلم العميق. قبل الانتقال إلى “كيف تعمل الشبكة العصبية” ، دعنا نفهم ما هي الشبكة العصبية.
ما هي الشبكات العصبية؟
الشبكات العصبية الاصطناعية (ANNs) هي طبقات من العقد ، تحتوي على طبقة إدخال ، وطبقة مخفية واحدة أو أكثر ، وطبقة إخراج. كل عقدة ، أو خلية عصبية اصطناعية ، تتصل بأخرى ولها وزن وعتبة مرتبطة. إذا كان ناتج أي عقدة فردية أعلى من قيمة العتبةالمحددة ، يتم تنشيط تلك العقدة ، وإرسال البيانات إلى الطبقة التالية من الشبكة. وإلا فلن يتم تمرير أي بيانات إلى الطبقة التالية من الشبكة.
استنادًا إلى الدماغ البشري ، تُستخدم الشبكات العصبية لحل المشكلات الحسابية عن طريق محاكاة طريقة إطلاق الخلايا العصبية أو تنشيطها في الدماغ. أثناء الحساب ، تعمل العديد من خلايا الحوسبة بالتوازي لإنتاج نتيجة. لا يزال بإمكان معظم الشبكات العصبية العمل إذا فشلت واحدة أو أكثر من خلايا المعالجة.
تعتمد الشبكات العصبية على بيانات التدريب للتعلم وتحسين دقتها بمرور الوقت. ومع ذلك ، بمجرد ضبط خوارزميات التعلم هذه بدقة ، فهي أدوات قوية في علوم الكمبيوتر والذكاء الاصطناعي.
يمكن أن تستغرق المهام في التعرف على الكلام أو التعرف على الصور دقائق مقارنة بالساعات عند مقارنتها يدويًا بواسطة خبراء بشريين. تعد خوارزمية البحث من Google واحدة من أكثر الشبكات العصبية شهرة.
هندسة الشبكة العصبية
تتكون الشبكة العصبية النموذجية من عدد كبير من الخلايا العصبية الاصطناعية التي تشكل اللبنات الأساسية للشبكة. هذه الوحدات مرتبة في سلسلة من الطبقات. توجد ثلاثة أنواع أساسية من الطبقات الموجودة في الشبكة العصبية.
طبقة الإدخال
تحتوي طبقات الإدخال على خلايا عصبية اصطناعية تتلقى مدخلات من العالم الخارجي. هذا هو المكان الذي يحدث فيه التعلم الفعلي على الشبكة ، أو يحدث التعرف ، وإلا فسيتم معالجته.
طبقة الإخراج
تحتوي طبقات الإخراج على خلايا عصبية اصطناعية تستجيب للمعلومات التي يتم إدخالها في النظام وأيضًا ما إذا كان قد تعلم أي مهمة أم لا.
الطبقة المخفية
الطبقات المخفية هي تلك الموجودة بين طبقات الإدخال والإخراج. المهمة الوحيدة للطبقة المخفية هي تحويل المدخلات إلى شيء ذي معنى يمكن لطبقة الإخراج استخدامه بطريقة ما.
معظم الشبكات العصبية الاصطناعية كلها مترابطة ، مما يعني أن كل طبقة من الطبقات المخفية مرتبطة بشكل فردي بالخلايا العصبية في طبقة الإدخال وأيضًا بطبقة المخرجات الخاصة بها دون ترك أي شيء معلق في الهواء. هذا يجعل من الممكن لعملية تعلم كاملة ويحدث التعلم أيضًا إلى أقصى حد عندما يتم تحديث الأوزان داخل الشبكة العصبية الاصطناعية بعد كل تكرار.
Neural Network Architecture
كيف تعمل الشبكة العصبية؟
دعونا ننظر في الشبكة العصبية كما هو موضح في الشكل يحتوي على طبقة إدخال وطبقة مخفية وطبقة إخراج. من أجل التبسيط ، يتم اعتبار طبقة واحدة فقط من الطبقة المخفية. يمكن أن تكون الشبكات الحقيقية أكثر تعقيدًا مع وجود عدة طبقات إضافية. حصل التعلم العميق على اسمه من حقيقة وجود عدة طبقات مخفية ، مما يزيد من “عمق” الشبكة العصبية.
Simple Neural Network
تتلقى الشبكة العصبية مثالاً وتخمن الإجابة. إذا كانت الإجابة خاطئة ، فإنها تعود وتغير الأوزان والتحيزات في الخلايا العصبية وتحاول تصحيح الخطأ عن طريق تغيير بعض القيم. تسمى هذه العملية backpropagation وهي تحاكي ما يفعله الأشخاص عند أداء مهمة باستخدام أسلوب التجربة والخطأ التكراري.
بعد إجراء هذه العملية عدة مرات ، تبدأ الشبكة العصبية في التحسن (التعلم) وتقديم استجابات أفضل. كل من هذه التكرارات تسمى حقبة. أحيانًا يستغرق الأمر أيامًا أو أسابيع لتوفير التدريب لتعلم المهام المعقدة. بمجرد أن تحقق الشبكة العصبية الدقة ، يتم نسخ هيكل الشبكة مع تغييرات طفيفة أو بدون تغييرات. الآن تحصل على شبكة عصبية مدربة ، والتي يمكن استخدامها مرارًا وتكرارًا حتى تحتاج إلى شيء مختلف. ثم يعود إلى وضع التدريب.
