آموزش مقدماتی بر شبکه عصبی مصنوعی (جلسه پانزدهم آموزش متلب)

خلاصه محتوا:

شبکه عصبی مصنوعی و یا Artificial Neural Network (ANN)، یک سیستم تطبیقی است که با استفاده از گره­ها یا نورون­های بهم پیوسته در یک ساختار لایه دار شبیه به مغز انسان، به یادگیری می­پردازد. به عبارت دیگر، یک شبکه عصبی مصنوعی می ­تواند از داده ­ها بیاموزد. بنابراین، می­توان آن را از طریق شناخت الگوها، طبقه­ بندی داده ­ها و پیش­بینی وقایع آینده آموزش داد.

شبکه عصبی مصنوعی و اهمیت آن

از آنجا که در دوره آموزشی متلب، یادگیری شبکه عصبی مصنوعی از اهمیت بالایی برخوردار است، هدف اصلی این مقاله، آشنایی مقدماتی شما با مفاهیم و تعاریف اصلی شبکه عصبی برای برنامه ­نویسی در متلب می باشد.

چنانچه قصد دارید با برنامه­ نویسی در متلب به حل مسائل خود از طریق شبکه عصبی مصنوعی بپردازید، لطفا تا انتهای مقاله با ما همراه باشید.

 شبکه عصبی مصنوعی و یا Artificial Neural Network ) ANN)، یک سیستم تطبیقی است که با استفاده از گره­ ها یا نورون های بهم پیوسته در یک ساختار لایه دار شبیه به مغز انسان، به یادگیری می­پردازد.

به عبارت دیگر، یک شبکه عصبی مصنوعی می­تواند از داده ­ها بیاموزد. بنابراین، می­توان آن را از طریق شناخت الگوها، طبقه­ بندی داده ­ها و پیش بینی وقایع آینده آموزش داد.

یک شبکه عصبی را می­توان با استفاده از مثال­ های زیادی آموزش داده تا الگوهای موجود در گفتار یا تصاویر را دقیقا مانند مغز انسان بشناسد. رفتار این شبکه، با نحوه اتصال عناصر فردی و وزن­دهی اتصالات تعریف می­شود. این وزن­ ها بطور خودکار در طی آموزش طبق یک قانون یادگیری مشخص تنظیم می شوند تا اینکه شبکه عصبی مصنوعی وظیفه مطلوب را به درستی انجام دهد. اکنون این سوال مطرح می­ شود که چرا شبکه­ های عصبی مصنوعی اهمیت دارند؟

شبکه ­های عصبی مصنوعی به خصوص به منظور انجام تشخیص الگو استفاده می شوند تا به شناسایی و طبقه ­بندی اشیا یا سیگنال­ ها در سیستم گفتار، بینایی و کنترل بپردازند. همچنین، آنها می­توانند برای انجام پیش بینی­ سری ­های زمانی و مدل سازی مورد استفاده قرار گیرند. در ادامه چند نمونه از نحوه استفاده از شبکه­ های عصبی مصنوعی آورده شده است:

نمونه هایی از شبکه عصبی مصنوعی:

  • وجود دستورات گفتاری در صدا را می­توانید از طریق شناسایی یک مدل یادگیری عمیق، تشخیص دهید.
  • با استفاده از انتقال سبک عصبی، از زیبایی ظاهری یک تصویر بر محتوای تصویر دوم استفاده می­شود.
  • تبدیل کاراکترهای دست نویس ژاپنی به متن دیجیتال
  • تشخیص سرطان با هدایت پاتولوژیست­ها در طبقه ­بندی تومورها به عنوان خوش خیم یا بدخیم، بر اساس یکنواختی اندازه سلول، ضخامت توده، میتوز و سایر عوامل.

تشابه عملکرد شبکه عصبی مصنوعی با مغز انسان

شبکه­ های عصبی مصنوعیچگونه کار می­ کنند؟

یادگیری عمیق فرآیندی است که از شبکه­ عصبی مصنوعی به طور فراوان از آن استفاده می­کند. یکی از کاربردهای رایج یادگیری عمیق، شبکه ­های عصبی حلقوی هستند که برای طبقه­بندی تصاویر، فیلم، متن یا صدا استفاده می­شود.

شبکه­ های عصبی که بر روی دو یا سه لایه از لایه­های عصبی متصل کار می­کنند، به عنوان شبکه­های عصبی کم عمق شناخته می­شوند. شبکه­های یادگیری عمیق می­توانند لایه­های مختلف­، حتی صدها لایه داشته باشند. هر دو روش یادگیری، ماشینی هستند که مستقیما از داده های ورودی یاد می­گیرند.

یادگیری عمیق به ویژه برای برنامه ­های شناسایی پیچیده مانند تشخیص چهره، ترجمه متن و تشخیص صدا مناسب است. همچنین، یک فناوری کلیدی است که در سیستم­های پیشرفته راهنمایی و رانندگی از جمله طبقه­بندی خط و تشخیص علائم راهنمایی و رانندگی استفاده می­شود.

شبکه عصبی مصنوعی، چندین لایه پردازش را با استفاده از عناصر ساده که بصورت موازی کار می­کنند و از سیستم عصبی بیولوژیکی الهام می­گیرند، با هم ترکیب می­کند که شامل یک لایه ورودی، یک یا چند لایه پنهان و یک لایه خروجی است. در هر لایه چندین گره یا نورون وجود دارد که هر لایه از خروجی لایه قبلی به عنوان ورودی آن استفاده می­کند، بنابراین نورون­ ها لایه های مختلف را به هم متصل می­کنند. هر نورون به طور معمول دارای وزنی است که در طی فرآیند یادگیری تنظیم می­شود، و با کاهش یا افزایش وزن، قدرت سیگنال آن نورون را تغییر می­دهد.

تکنیک های رایج یادگیری ماشین برای طراحی برنامه­ های کاربردی شبکه عصبی مصنوعی شامل یادگیری نظارت شده و نظارت نشده، طبقه بندی، رگرسیون، تشخیص الگوی و خوشه بندی است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.
برای ادامه، شما باید با قوانین موافقت کنید

یک + 4 =

فهرست
WeCreativez WhatsApp Support
ساعت کاری 8 صبح الی 21 شب می باشد و از طریق شماره 09108760286 می توانید با ما در ارتباط باشید.
👋 سلام، چطور میتونم به شما کمک کنم؟