تعریف ساده شبکه عصبی

شبکه عصبی:

شبکه های عصبی مصتوعی( Artificial neural Network – ANN) که به صورت ساده شبکه‌های عصبی نامیده میشوند.

شبکه های عصبی روش‌هایی در جهت محاسبات برای یادگیری ماشين هستند. و برای پیش بینی پاسخ‎های خروجی از سامانه‌های پیجیده مورد استفاده قرار میگیرند.

 

شبکه عصبی

 

با یک مثال به بررسی مفهوم شبکه‌های عصبی و شیوه کارکرد آن میپردازیم.

معادله زیر را در نظر بگیرید

معادله

در این معادله x ها را به عنوان ورودی سیستم و y ها را به عنوان خروجی سیستم در نظر بگیرید. که برای هر مقدار از این ورودی ها یک خروجی به ما خواهد داد.

برای مثال برای ورودی های زیر خروجی های زیر را خواهیم داشت.

  • ورودی x=0  ⇐  خروجی y=15
  • ورودی x=1  ⇐  خروجی y=16
  • ورودی x=2  ⇐  خروجی y=19
  • ورودی x=5  ⇐  خروجی y=40

ما میتوانیم بی نهایت ورودی به این سیستم بدهیم و به همان مقدار خروجی دریافت کنیم. اگر این بینهایت مقدار را کنار هم بر روی محورهای مختصات قرار دهیم نمودار زیر را خواهیم داشت.

 

نمودار معادله

 

این معادله در واقع دارد یک رابطه میان ورودی های ما و خروجی‌ها را بیان میکند. که میگوید هر ورودی ای که ما داشته باشیم آن ورودی به توان ۲ خواهد رسید و به اضافه عدد ثابت ۱۵ خواهد شد.

حالا با خودتون فکر کنید که بینهایت ورودی و خروجی دارید اما هیج رابطه ای نمیتونید بین آنها بیابید. برای مثال اطلاعات سنسورهای موجود در یک کوادگوپتر را دارید به عنوان ورودی‌های سیستم و ارتفاعش رو از سطح زمین به عنوان خروجی. چطور میتوان بین این حجم از داده‌ها ارتباطی پیدا مرد تا با استفاده از این ارتباط بتوان داده‌ها را بهتر آنالیز کرد و حتی داده‌های دیگر را پیش بینی کرد؟

پاسخ شبکه عصبی است. با استفاده از شبکه عصبی میتوان بین حجم زیادی از داده‌ها ارتباط‌هایی را یافته و از آن استفاده کرد.

ساز و کار شبکه‌های عصبی به این صورت است که ما حجم زیادی از ورودی ها و خروجی ها را بهش میدیم و با این کار اصلاحا شبکه را آموزش میدهیم. و شبکه ارتباط‌هایی را که بین داده‌های ما وجود دارد برای ما پیدا میکنند.

در این متن ما با اینکه شبکه‌های عصبی به صورت کلی چطور کار میکنند آشنا شدیم. و متن‌های دیگر به صورت تخصصی تر به انواع شبکه عصبی و برنامه نویسی آنها خواهیم پرداخت.

ارسال دیدگاه

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