شبکه عصبی(Neural Network) چیست؟

پیش نیاز این درس:

بهتر است ابتدا طبقه بندی و خوشه بندی را مطالعه ای داشته باشید. یا دوره آشنایی با داده کاوی را نگاهی انداخته باشید.

مغز انسان در خود تعداد بسیار زیادی از نورون ها را جای داده است تا اطلاعات مختلف را پردازش کرده و جهان اطراف را بشناسد. به صورت ساده، نورون ها در مغز انسان اطلاعات را از نورون های دیگر به وسیله دندروید ها میگیرند. این نورون ها اطلاعات ورودی را با هم جمع کرده و اگر از یک حد آستانه ای فراتر رود به اصلاح فعال(Fire) می شود و این سیگنال فعال شده از طریق آکسون ها به نرون های دیگر توسط آکسون ها متصل می شود.

البته که این توضیح در علم پزشکی مفید است ولی در علوم کامپیوتر و هوش مصنوعی بهتر است ما فقط از نورون های مغز برای ساخت الگوریتمی به نام شبکه عصبی مصنوعی(Artificial Neural Network) بهره میگیریم.

توسط الگوریتم شبکه های عصبی، میتوان مدل های مختلف و پیچیده ای را شناخت. برای مثال میتوان طبقه بندی هایی با دقت خوب انجام داد یا خوشه بندی هایی بر روی داده های بزرگ انجام دهیم.

اجازه بدهید در این درس به سراغ مدل کلی شبکه عصبی برویم. به تصویر زیر نگاهی بیندازید:

در تصویر بالا پنج عنصر وجود دارد:

اول Xها هستند. اینها همان ورودی های ما(نرون های ورودی) هستند که از مجموعه داده ها استفاده می کنند. در واقع ورودی الگوریتم همین ها Xها هستند که در این تصویر از X1 یا Xn وجود دارند.

عناصر دوم وزن ها هستند. در شبکه های عصبی هر کدام از Xها یک وزن دارد که با Wنمایش میدهیم. همان طور که مشاهده میکنید هر کدام از ورودی های ما به یک وزن متصل شده است. در واقع هر ورودی(مثلا X1 یک وزن به اسم W1 دارد) که باید در وزن خود ضرب شود.

عنصر سوم در شبکه عصبی تابع جمع(سیگما) است. که حاصل ضرب Xها در Wها را با هم جمع میکند.

عنصر چهارم یک تابع فعال سازی است که فعلا به دلیل ساده سازی مطلب به آن نمیپردازیم(در درس های آینده حتما به تابع فعال سازی خواهیم پرداخت)

عنصر پنجم و آخر نیز خروجی شبکه عصبی است که در واقع نتیجه این شبکه را مشخص می کند.

اجازه بدهید شکل بالا را با عدد و رقم توضیح دهیم. فرض کنید که Xهای شما در یک بردار به صورت زیر هستند:

[۸, ۶, ۲, ۱]

یعنی X1 برای ۸، X2 برابر ۶، X3 برابر ۲ و بلاخره X4 برابر ۱ است. پس اینجا ما چهار ورودی داریم که مجموعه Xهای ما را میسازند.

فرض کنید وزن ها هم به این صورت تعریف شده اند:

[۱, ۴, ۳, ۴]

یعنی W1 برابر ۱، W2 برابر ۴، W3 برابر ۳ و بلاخره W4 برابر ۴ است. همان طور که گفتیم توابع Xها به صورت نظیر به نظیر با Wها با هم ضرب می شوند. یعنی حاصل جمع، ضرب ها. به راحتی مانند زیر محاسبه می شود:

 ۸*۱ + ۶*۴ + ۲*۳ + ۱*۴ = ۴۲

تصویر زیر نیز گویای همین ماجراست:

همان طور که میبینید، این تصویر مثالی از شکل کلی تصویر اول بود. ورودی ها که همان Xها هستند در وزن ها(W) ضرب شده و نتیجه آن ها با یکدیگر جمع می شود. در اینجا فرض میکنیم که تابع فعال سازی همان عدد مجموع را به ما میدهد. پس در واقع در مثال تصویر بالا، خروجی شبکه عصبی برابر ۴۲ است.

تا اینجای کار با شمای کلی شبکه های عصبی آشنا شدید. اجازه بدهید در دروس بعدی کمی عمیق تر به این شبکه ها نگاهی بیندازیم.

منابع این بحث و اطلاعات بیشتر

» وب سایت Medium

در صورت تمایل به یادگیری بیشتر، منابع بالا در نظر گرفته شده است. می توانید با خواندن این منابع، به یادگیری خود در این زمینه عمق ببخشید

پاسخ دهید

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