الشبكات العصبية الاصطناعية ANN
الشبكات العصبية الاصطناعية ANNs هي نوع من خوارزمية التعلم الآلي المصممة على غرار بنية و وظيفة الدماغ البشري. إضافة إلى ذلك هي مصممة للتعرف على الأنماط والعلاقات في البيانات ، و أيضا يمكن استخدامها لمهام مثل التصنيف و التنبؤ.
فيما يتعلق بهيكل الشبكة، تتكون الشبكة العصبية من سلسلة من العقد أو الخلايا العصبية المترابطة ، و المنظمة في طبقات. حيث تتلقى كل خلية عصبية إشارات الإدخال من الخلايا العصبية الأخرى أو من البيانات الخارجية. و من ثم يتم معالجة هذه الإشارات باستخدام دالة رياضية و تنتج إشارة خرج يتم إرسالها إلى الخلايا العصبية الأخرى أو إلى طبقة الإخراج. علاوة على ذلك ، يمكن ضبط قوة و وزن الروابط بين الخلايا العصبية أثناء التدريب لتحسين أداء الشبكة.
أنواع الشبكات العصبية الاصطناعية ANN
هناك عدة أنواع من الشبكات العصبية الاصطناعية (ANN) التي تُستخدم في تطبيقات مختلفة. بما في ذلك الشبكات العصبية المغذية ، والشبكات العصبية التكرارية ، والشبكات العصبية التلافيفية. فيما يلي شرح مبسط للأنواع الأكثر شيوعًا:
الشبكات العصبية المغذية Feedforward Neural Networks
الشبكات المغذية هي أبسط أنواع الشبكات العصبية. وهي تتكون من طبقة إدخال وطبقة مخفية واحدة أو أكثر وطبقة إخراج. تتدفق المعلومات في اتجاه واحد عبر الشبكة ، من المدخلات إلى المخرجات ، ولا تحتوي الشبكة على أي حلقات تغذية مرتدة. تستخدم هذه الشبكات بشكل شائع لمهام التصنيف والتنبؤ.
الشبكات العصبية التكرارية Recurrent Neural Networks
تُستخدم الشبكات التكرارية لبيانات السلاسل الزمنية والبيانات المتسلسلة. تحتوي هذه الشبكات على حلقات في الشبكة تسمح للمعلومات بالتدفق للخلف وللأمام عبر الشبكة. من ناحية أخرى يمكن للشبكات التكرارية تذكر المعلومات من المدخلات السابقة واستخدامها لإبلاغ القرارات اللاحقة.
الشبكات العصبية التلافيفية Convolutional Neural Networks
تستخدم الشبكات التلافيفية للتعرف على الصور وتصنيفها. تُستخدم هذه الشبكات بشكل شائع في تطبيقات الرؤية الحاسوبية مثل اكتشاف الأشياء والتعرف على الوجه والسيارات ذاتية القيادة.
شبكات التشفير التلقائي Autoencoder Neural Networks
تُستخدم شبكات التشفير التلقائي في التعلم غير الخاضع للإشراف ، مما يعني أنه يمكن لهذه الشبكات تعلم أنماط في البيانات دون الحاجة إلى البيانات المصنفة. علاة على ذلك ، تتكون هذه الشبكات من جهاز تشفير يقوم بضغط البيانات في مساحة أقل بعدًا وجهاز فك تشفير يعيد بناء البيانات إلى شكلها الأصلي.
شبكات الخصومة التوليدية Generative Adversarial Networks
تتكون شبكات GAN من شبكتين عصبيتين تعملان معًا: مولدة generator و مميزة discriminator. تنشئ الشبكة المولدة بيانات جديدة تشبه بيانات التدريب ، بينما تقوم شبكة المُميِّز بتقييم البيانات ويحاول تحديد ما إذا كانت حقيقية أم مزيفة. بناء على ذلك ، تُستخدم هذه الشبكات لتوليد الصور والفيديو ومعالجة اللغة الطبيعية والمهام التوليدية الأخرى.
شبكات هوبفيلد العصبية Hopfield Neural Networks
تُستخدم شبكات هوبفيلد في مهام التحسين و مهام تخزين البيانات. و تعتبر شبكة متصلة تمامًا حيث ترتبط كل خلية عصبية بكل خلية عصبية أخرى. بالإضافة إلى ذلك ، يمكن أن تتعلم هذه الشبكات تخزين الأنماط و استردادها عند تقديمها بإصدارات جزئية أو متدهورة من النمط.
في الأخير ، يتم استخدام شبكات ANN بنجاح في مجموعة واسعة من التطبيقات ، بما في ذلك التعرف على الكلام و معالجة اللغة الطبيعية وتحليل الصور و الفيديو و التنبؤ المالي. ومع ذلك ، يمكن أن تكون مكلفة من الناحية الحسابية وتتطلب كميات كبيرة من البيانات للتدريب. بالإضافة إلى ذلك ، يمكن أن تكون عرضة للإفراط في التجهيز إذا لم يتم ضبطها بشكل صحيح ، مما يؤدي إلى ضعف الأداء في البيانات الجديدة.
