شبکه عصبی مصنوعی: تفاوت میان نسخه‌ها
محتوای حذف‌شده محتوای افزوده‌شده
بدون خلاصۀ ویرایش |
بدون خلاصۀ ویرایش |
||
خط ۱:
'''شبکه‌های عصبی مصنوعی''' (Artificial Neural Network - ANN) یا به زبان ساده‌تر '''شبکه‌های عصبی''' سیستم‌ها و روش‌های محاسباتی نوینی هستند برای [[یادگیری ماشینی]]، [[نمایش دانش]]، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از [[سامانه‌های پیچیده]]. ایدهٔ اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهٔ کارکرد [[سامانه عصبی|سیستم عصبی زیستی]]، برای [[پردازش داده‌ها]]، و [[اطلاعات]] به منظور یادگیری و ایجاد [[دانش]] قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام [[نورون]] تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط [[سیناپس (زیست‌شناسی)|
توافق دقيقي بر تعريف شبکه عصبي در ميان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبي شامل شبکه‌اي از عناصر پردازش ساده (نورونها) است، که مي تواند رفتار پيچيده کلي تعيين شدهاي از ارتباط بين عناصر پردازش و پارامترهاي عنصر را نمايش دهد. منبع اصلي و الهام بخش براي اين تکنيک، از آزمايش سيستم مرکزي عصبي و نورونها ([[آسه|آکسونها]] ، شاخه هاي متعدد سلولهاي عصبي و محلهاي تماس دو عصب)نشأت گرفته است، که يکي از قابل توجهترين عناصر پردازش اطلاعات سيستم عصبي را تشکيل ميدهد. در يک مدل شبکه عصبي ، گرههاي ساده (بطور گسترده "[[سلول عصبی|نورون]]" ، "نئورونها" ، "PE"ها ( "عناصر پردازش") يا "واحدها") براي تشکيل شبکه‌اي از گرهها، به هم متصل شده اند—به همين دليل به آن، اصطلاح "شبکه‌هاي عصبي" اطلاق مي‌شود. در حالي که يک شبکه عصبي نبايد به خودي خود سازگارپذير باشد ، استفاده عملي از آن بواسطه الگوريتمهايي امکان پذير است، که جهت تغيير وزن ارتباطات در شبکه (به منظور توليد سيگنال موردنظر) طراحي شده باشد.
با استفاده از دانش برنامه‌نویسی رایانه می‌توان [[ساختار داده|ساختار داده‌ای]] طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک [[الگوریتم آموزشی شبکه عصبی|الگوریتم آموزشی]] برای شبکه و اعمال این [[الگوریتم]] به شبکه آن را آموزش داد.
سطر ۷ ⟵ ۹:
اگر یک شبکه را هم‌ارز با یک [[گراف]] بدانیم، فرآیند آموزش شبکه تعیین نمودن وزن هر یال و bias اولیهٔ خواهد.
==تاريخچه شبکه‌هاي عصبي مصنوعي==
1. از قرن نوزدهم به طور همزمان اما جداگانه از سويي نروفيزيولوزيستها سعي کردند سيستم يادگيري و تجزيه و تحليل مغز را کشف کنند، و از سوي ديگر رياضيدانان تلاش کردند تا مدل رياضي بسازند، که قابليت فراگيري و تجزيه و تحليل عمومي مسائل را دارا باشد. اولين کوششها در شبيهسازي با استفاده از يک مدل منطقي توسط مک کلوک و والتر پيتز انجام شد که امروزه بلوک اصلي سازنده اکثر شبکه‌هاي عصبي مصنوعي است. اين مدل فرضيه‌هايي در مورد عملکرد نورونها ارائه مي‌کند. عملکرد اين مدل مبتني بر جمع وروديها و ايجاد خروجي است. چنانچه حاصل جمع وروديها از مقدار آستانه بيشتر باشد اصطلاحا نورون برانگيخته مي‌شود. نتيجه اين مدل اجراي توابع ساده مثل AND و OR بود.
2. نه تنها نروفيزيولوژيستها بلکه روانشناسان و مهندسان نيز در پيشرفت شبيهسازي شبکه‌هاي عصبي تاثير داشتند. در سال 1958 شبکه پرسپترون توسط روزنبلات معرفي گرديد. اين شبکه نظير واحدهاي مدل شده قبلي بود. پرسپترون داراي سه لايه مي‌باشد، به همراه يک لايه وسط که به عنوان لايه پيوند شناخته شده است. اين سيستم مي‌تواند ياد بگيرد که به ورودي داده شده خروجي تصادفي متناظر را اعمال کند. سيستم ديگر مدل خطي تطبيقي نورون مي‌باشد که در سال 1960 توسط ويدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولين شبکه‌هاي عصبي به کار گرفته شده در مسائل واقعي بودند. Adalaline يک دستگاه الکترونيکي بود که از اجزاي ساده‌اي تشکيل شده بود، روشي که براي آموزش استفاده مي‌شد با پرسپترون فرق داشت.
3. در سال 1969 ميسکي و پاپرت کتابي نوشتند که محدوديتهاي سيستمهاي تک لايه و چند لايه پرسپترون را تشريح کردند. نتيجه اين کتاب پيش داوري و قطع سرمايهگذاري براي تحقيقات در زمينه شبيهسازي شبکه‌هاي عصبي بود. آنها با طرح اينکه طرح پرسپترون قادر به حل هيچ مساله جالبي نمي‌باشد، تحقيقات در اين زمينه را براي مدت چندين سال متوقف کردند.
4. با وجود اينکه اشتياق عمومي و سرمايهگذاريهاي موجود به حداقل خود رسيده بود، برخي محققان تحقيقات خود را براي ساخت ماشينهايي که توانايي حل مسائلي از قبيل تشخيص الگو را داشته باشند، ادامه دادند. از جمله گراسبگ که شبکه‌اي تحت عنوان Avalanch را براي تشخيص صحبت پيوسته و کنترل دست ربات مطرح کرد. همچنين او با همکاري کارپنتر شبکه‌هاي ART را بنانهادند که با مدلهاي طبيعي تفاوت داشت. اندرسون و کوهونن نيز از اشخاصي بودند که تکنيکهايي براي يادگيري ايجاد کردند. ورباس در سال 1974 شيوه آموزش پس انتشار خطا را ايجاد کرد که يک شبکه پرسپترون چندلايه البته با قوانين نيرومندتر آموزشي بود.
پيشرفتهايي که در سال 1970 تا 1980 بدست آمد براي جلب توجه به شبکه‌هاي عصبي بسيار مهم بود. برخي فاکتورها نيز در تشديد اين مساله دخالت داشتند، از جمله کتابها و کنفرانسهاي وسيعي که براي مردم در رشته‌هاي متنوع ارائه شد. امروز نيز تحولات زيادي در تکنولوژي ANN ايجاد شده است.
== منابع ==
سطر ۲۵ ⟵ ۴۰:
* [[پیوندگرایی]]
* [[تحلیل مولفه‌های اصلی]]
* [[نورون حرکتی]]
* [[آسه]]
== پیوند به بیرون ==
| |||