در این جلسه تیم کدگیت را با آموزش شبکه عصبی مصنوعی همراهی کنید. شبکههای عصبی یکی از موضوعات روز دنیا است که در ادامه به معرفی آن خواهیم پرداخت. این آموزش پیشنیاز ندارد.
مقدمه
شاید برای شما کمی خستهکننده باشد چراکه وقتی در گوگل به جستجوی شبکههای عصبی میپردازید نتیجههایی خواهید دید که واژههای «هوش مصوعی» و «یادگیری ماشین» در آن میبینید. این واژهها میتوانند بسیار گیجکننده باشند. به این دلیل پیش از معرفی شبکه عصبی، خلاصهای از رشتههای مختلف آن میپردازیم.
به زبان ساده میتوان «هوش مصنوعی» به معنی تصمیمگیری ماشینها (یا حتی نرم افزارها) بر اساس قوانین و مدلهای از پیش تعیین شده است. تشخیص مدلها توسط «یادگیری ماشین» انجام می گیرد که شامل الگوریتمهای پیچیدهای و بر اساس دیتا ورودی اقدام به پیشبینی نتایج (خروجی) می نماید. مدلهای مختلفی در یادگیری ماشین وجود دارد مانند ماشین بردار پشتیبان، رگرسیون خطی، شبکه عصبی و …. که در این آموزش در خصوص شبکه عصبی صحبت خواهیم کرد.
شبکه عصبی مصنوعی
شبکه عصبی یا شبکه عصبی مصنوعی زیرمجموعه یادگیری ماشین است. نام شبکه عصبی و ساختار آن از مغز انسان الهام گرفته شده است این شبکه ها از نورون های مغز که به یکدیگر سیگنال می دهند، تقلید می کند. شبکه های عصبی میتوانند با ورودیهای متغیر سازگار شوند. بنابراین شبکه بهترین نتیجه ممکن را بدون نیاز به طراحی مجدد ایجاد می کند. مفهوم شبکه های عصبی که ریشه در هوش مصنوعی دارد، به سرعت در حال افزایش محبوبیت در جهان است.
ساختار شبکه عصبی
در این بخش با ساختار شبکه عصبی آشنا خواهیم شد. دقت کنید قرار نیست جزئیات شبکه عصبی به صورت عمیق توضیح دهیم اما ساختار پایه یک شبکه عصبی را بررسی کرده و با آن آشنا خواهیم شد.
در شبکه عصبی لایه اول را Input Layer یا لایه ورودی می گویند. بعد از لایه ورودی، یک یا چند لایه که با عنوان Hidden Layer یا لایه پنهان، میآید. در پایان لایه خروجی یا Output Layer قرار میگیرد. لایه ورودی شامل یک یا چند متغیر ویژگی (یا متغیرهای ورودی یا متغیرهای مستقل) است که با x1، x2، …، xn مشخص میشوند. لایه پنهان از یک یا چند گره (Node) یا واحد پنهان تشکیل شده است. در تصویر زیر تعداد Hidden Layer بیشتر شده و از 3 گره در لایه خروجی استفاده کردیم.
در تصویر زیر یک شبکه عصبی طراحی شده است که در لایه ورودی مقدار متراژ منزل، تعداد اتاق و درآمد خانواده دریافت می کند و در خروجی قیمت منزل را پیش بینی می کند.
انواع شبکه عصبی
به سادگی میتوان گفت شبکههای عصبی مصنوعی در حال حاضر انواع مختلفی دارد که می توان در خصوص آن ساعتها صحبت کرد. با توجه به تعداد زیاد شبکه عصبی، در ادامه به معرفی مهمترین آنها میپردازیم. لیست زیر انواع شبکههای عصبی آورده شده است:
- Convolutional Neural Networks (CNN)
- Recurrent Neural Networks (RNN)
- Artificial Neural Networks (ANN)
- Perceptron
- LSTM – Long Short-Term Memory
- …
کاربردهای شبکه عصبی
شبکه عصبی مصنوعی در حال حاضر در حوزه های مختلف مالی، پزشکی، هوشمند سازی و … کاربرد دارد. این شاخه از علم باعث شده است که بسیاری از شرکتها روی به قرار دادن یک هوش مصنوعی در محصولات خود بیاورند و بهترین راه حل برای این کار، استفاده شبکه عصبی می دانند. در لیست زیر قسمتی از استفاده این شاخه از علم آورده شده است:
- تشخیص چهره: به جرات میتوان گفت تکنولوژی تشخیص چهره در تمامی تلفن های هوشمند به صورت پیش فرض قرار دارد.
- پیشبینی بازار بورس: کسانی که در بازار بورس فعالیت دارند با کمک الگوریتمهای موجود بخصوص شبکه عصبی اقدام به پیشبینی این بازار میکنند.
- شبکههای اجتماعی: شبکههای اجتماعی بخشی جدایی ناپذیر از دنیای امروز ما می باشد. در این حوزه با کمک هوش مصنوعی و الگوریتم های شبکه عصبی، عادت ها و علاقه های افراد شناخته می شود تا مطالب مورد علاقه آنها نمایش داده شود.
- سلامتی: در حوزه پزشکی، روز به روز از فناوریهای جدید استفاده می شود که یکی از آنها هوش مصنوعی است. تحلیل تصاویر پزشکی و شناخت بیماریها در تصاویر یکی از کاربردهای شبکه عصبی در این حوزه است.
شبکه عصبی کاربردهای بیشتری دارد که می توان مطالب طولانی تر در این زمینه آورد و ما سعی کردیم این حوزه و کاربرهای آن را در این مقاله معرفی کنیم. در صورت هرگونه پرسش در این زمینه، در قسمت کامنت سوال خود را قرار دهید تا پاسخگوی شما عزیزان باشیم.
