تعتبر الشبكات العصبية من أهم مجالات الذكاء الإصطناعى الذى يعكس تطوراً هاماً وكبيراً في طريقة التفكيرالإنساني، محور فكرة الشبكات العصبية حول محاكات العقل البشري بإستخدام الحاسبة الالكترونية.
يعود التطور فى هذا المجال إلى العديد من الدراسات التى تمت فى مجال المعالجة العصبية Processing Neural ، وتتم عملية المحاكاة عن طريق حل المشاكل، وذلك من خلال إتباع عمليات التعلم الذاتى والتى تعتمد على البيانات المخزونة فى الشبكة و التى تحقق أفضل نتائج .وقد تم إقتباس أسلوب الشبكات العصبية الإصطناعية من الشبكات البيولوجية العصبية.
الشبكات العصبية الاصطناعية (ANN):- هي تقنيات حسابية مصممة لمحاكاة الطريقة التي يؤدي بها Neurons الدماغ البشري مهمة معينة، وذلك عن طريق معالجة ضخمة موزعة على التوازي، ومكونة من وحدات معالجة بسيطة، هذه الوحدات ما هي إلا عناصر حسابية تسمى عصبونات أو عقد (Nodes , Neurons) التي لها خاصية عصبية من حيث أنها تقوم بتخزين المعرفة العملية والمعلومات التجريبية لتجعلها متاحة للمستخدم وذلك عن طريق ضبط الأوزان.
ان ANN تتشابه مع الدماغ البشري في أنها تكتسب المعرفة بالتدريب، وتخزن المعرفة باستخدام قوى وصل داخل العصبونات تسمى الأوزان التشابكية.
فكما أن للإنسان وحدات إدخال توصله بالعالم الخارجي وهي حواسه الخمس، فكذلك الشبكات العصبية تحتاج لوحدات إدخال، ووحدات معالجة يتم فيها عمليات حسابية تضبط بها الأوزان ونحصل من خلالها على ردة الفعل المناسبة لكل مدخل من المدخلات للشبكة. فوحدات الإدخال تكوّن طبقة تسمى طبقة المدخلات، و وحدات المعالجة تكوّن طبقة المعالجة وهي التي تخرج نواتج الشبكة. وبين كل طبقة من هذه الطبقات هناك طبقة من الوصلات البينية التي تربط كل طبقة بالطبقة التي تليها والتي يتم فيها ضبط الأوزان الخاصة بكل وصلة بينية، وتحتوي الشبكة على طبقة واحدة فقط من وحدات الإدخال, ولكنها قد تحتوي على أكثر من طبقة من طبقات المعالجة.
أنواع الشبكات العصبية الإصطناعية
الشبكات العصبية ذات التغذية الأمامية: (Networks Neural Forward Feed) وهى الشبكات التى يخلو تركيبها من وجود حلقة مغلقة من الترابطات بين الوحدات المكونة لها، وتعد هذه الشبكات من أكثر الشبكات العصبية إستخداماً، حيث تتكون الشبكة من هذا النوع من طبقتين على الأقل، كما تتواجد فى كثير من الأحيان طبقات مخفية Layer Hidden بين طبقة المدخلات وطبقة المخرجات، وتنتقل العمليات الحسابية فى إتجاه واحد إلى الأمام من طبقة المدخلات إلى طبقة المخرجات عبر الطبقات المخفية.
الشبكات العصبية ذات التغذية المرتجعة (Networks Neural Back Feed): وهى الشبكات التى تجد لمخرجاتها طريقاً خلفياً مرة أخرى لتصبح مدخلات لكى تعطى أفضل النتائج الممكنة.
الشبكات العصبية ذات الترابط الذات (Networks Neural Associative Auto): وهي الشبكات التي تلعب كافة العناصر المكونة لها دوراً نموذجياً، يتمثل في استقبال المدخلات وبث المخرجات في نفس الوقت.
إيجابيات الشبكات العصبية يمكنها أداء المهام التي لا يستطيع برنامج خطي تنفيذها. عندما يفشل عنصر من الشبكة العصبية، يمكن أن يستمر عمل الشبكة بدون أي مشكلة بطبيعتها المتوازية. لا تحتاج إلى إعادة برمجتها لأنها تتعلم نفسها. يمكنها التنفيذ بطريقة سهلة دون أي مشكلة. وباعتبارها أنظمة ذكية وقابلة للتكيف، فأنها متينة ومتميزة في حل المشكلات المعقدة. تتسم بالكفاءة في برمجتها ويتفق العلماء على أن مزايا استخدام ANNs تفوق المخاطر. يمكن تنفيذها في أي تطبيق. سلبيات الشبكات العصبية: تحتاج التدريب على العمل. تحتاج وقت معالجة عالي للشبكات العصبية الكبيرة. تختلف بنية الشبكة العصبية عن معمارية وتاريخ المعالجات الدقيقة لذا يجب محاكاتها. فوائد الشبكات العصبية الاصطناعية: مرنة وقابلة للتكيف. تستخدم في أنظمة التعرف على التسلسل والأنماط، ومعالجة البيانات، والروبوتيات، والتصنيف، وما إلى ذلك. تستحوذ على المعرفة من البيئة المحيطة بها من خلال التكيف مع المعايير الداخلية والخارجية وتحل المشكلات المعقدة التي يصعب إدارتها. أعمام المعرفة لإنتاج ردود كافية لحالات غير معروفة. المرونة - مرنة ولديها القدرة على التعلم والتعميم والتكيف مع الحالات بناء على نتائجها. غير خطية - تسمح هذه الوظيفة للشبكة باكتساب المعرفة عن طريق التعلم بفعالية. هذه ميزة مميزة عبر شبكة خطية تقليدية غير ملائمة عندما يتعلق الأمر بتصنيف البيانات غير الخطية. قادرة على تحمل أعطال أكبر من الشبكة التقليدية. بدون فقدان البيانات المخزنة، تكون الشبكة قادرة على إعادة توليد خطأ في أي من مكوناتها. تعتمد الشبكة العصبية الاصطناعية على التعلم التكيفي
فريق لامدا
التعليقات