معلومات وتجارب عن الشبكات العصبية

[financialmarket]

بسم الله الرحمن الرحيم

سيكون هذا الموضوع معلومات عن الشبكات العصبية وأفضل أن يكون هذا الموضوع خالي من التعليقات حتي يتمكن الجميع من الفهم.

الدرس الأول تعريفات عامة

ما الشبكة العصبية؟

يمكن تعريف الشبكة العصبية بانها نموذج تفكير مبني علي المخ البشري. فيتكون المخ من مجموعة كثيفة متشابكة من الخلايا العصبية ، أو وحدات تشغيل المعلومات الأساسية ، تسمي عصبونات neurons . ويتكون مخ الأنسان من حوالي 10 بليون عصبون ، و60 ترليون تشابك ، نقطة أشتباك (عصبي) synapses ببعضها بعضا (شيفيردوكوش 1990 ، Shepherd and Koch ) . وبأستخدام العصبونات المتعددة في نفس الوقت يمكن للمخ أن يؤدي وظائفه أسرع كثيرا من أسرع الحاسبات في وقتنا الحالي.
ورغم أن لكل عصبون هيكل بسيط جدا فيؤسس جيش من مثل هذه العناصر قوة تشغيل هائلة. فيتكون العصبون من جسم الخلية ، الجسد soma ، وعدد من الألياف التي تسمي زوائد متشجرة dendrites ، وخيط فردي طويل يسمي المحور العصبي axon.
وبينما تتفر الزوائد المتشجرة ، والأجسام للعصبونات الأخري . ويبين الشكل التالي رسم تخطيطي للشبكة العصبية .




ما هو تعلم الألة؟
يشمل تعلم الألة اليات تكييف تجعل الحاسبات قادرة علي التعلم من الخبرة ، والتعلم بالمثال ، والتعلم بالتماثل .ويمكن لأمكانيات التعلم أن تحسن أداء النظام الذكي مع مرور الوقت . وتكون اليات تعلم الألة الأساس للنظام المكيفة. والطرق الأكثر معرفة لتعلم الالة هي الشبكات العصبية الصناعية artificial neural networks ، والخوارزميات الجينية genetic algorithms .

كيف تمثل الشبكة العصبية الصناعية المخ ؟

تتكون الشبكة العصبية الصناعية من عدد من المشغلات البسيطة جدا والمتشابكة بصورة مرتفعة مع بعضها بعضا ، وتسمي عصبونات ايضا ، والتي تتماثل مع العصبونات البيولوجية الموجودة بالمخ . وتتصل العصبونات مع بعضها بعضا بواسطة روابط موزونة تمرر أشارات من عصبون الي الأخر. ويستقبل كل عصبون عددا من أطارات المدخلات عن طريق تشابكاته، الا أنه لاينتج أكثر من أشارة مخرجات واحدة فقط.
وتنتقل أشارة المخرجات عن طريق الرابط الخارج للعصبون (المناظر للمحور العصبون البيولوجي ). وينقسم الرابط الخارج ، بدورة ، الي عدد من الفروع التي تنتقل نفس الأشارة (لاتنقسم الأشارة عبر هذه الفروع بأي طريقة ) . وتنتهي الفروع الخارجة عند الروابط الواردة لعصبونات أخري في الشبكة .

كيف تتعلم الشبكة العصبية الصناعية؟

تتصل العصبونات بواسطة روابط links ، ولكل رابط وزن عددي numerical weight مصاحب له. وتمثل الأوزان الوسيلة الأساسية لذاكرة ANNs طويلة المدي .





وتتكون ANN التقليدية من هرمية من الطبقات ، وترتب العصبونات في الشبكة علي طول هذه الهرميات . وتشكل العصبونات المتصلة بالبيئة الخارجية طبقة مدخلات ، ومخرجات . ويتم تعديل الأوزان لتوفير سلوك مدخلات / مخرجات الشبكة في نفس خط البيئة .
ويمثل كل عصبون وحدة تشغيل معلومات اولية . وله وسيلة حوسبة لمستوي تنشيطه its activation level بمعرفة المدخلات ، والاوزان العددية .

أنواع دوال تنشيط العصبون :

Sigmiod function -

Step Function -

[financialmarket]

Sigmiod function

يسمي هذا النوع من دالة التنشيط دالة الأس وتقوم بتحويل المدخلات والتي يمكن أن يكون لها أي قيمة بين سالب مالانهاية ، وموجب مالانهاية الي قيمة معقولة في مدي يقع بين 0 و 1 .وتستخدم العصبونات بهذه الدالة في شبكات الأنتشار للخلف .

مثال :

أحسب
sigmoid[1] , sigmoid[0] -a

الحل :

وبالتعويض بالمعادلة السابقة

p(0)=(1/(1+e-0)) =0.5

p(1)=(1/(1+e-1)) =0.731058578

ملاحظة : الذي يريد أن يشارك معنا بحل المسائل يجب ان يوفر الة حاسبة علمية مثل المبينة بالصورة.

[financialmarket]

sign Function

تعرف بأنها دالة الحد الصلب hard limit functions في عصبونات أتخاذ القرارات لمهام التصنيف وتمييز الأنماط.

مثال

أحسب sign[0] ,sign[1] -a

الحل

اذا كانت القيمة أكبر من أو يساوي 0 يكون الناتج +1

واذا كانت القيمة أقل من صفر يكون الناتج -1

لذلك

sign[0] =+1
sign[1]=+1

ملاحظة : تصحيح المشاركة الأولي sign function وليس step function

[financialmarket]

أنواع أخري من دوال التنشيط

Linear function

وتسمي الدالة الخطية وتوفر مخرجات تساوي المدخلات الموزونة للعصبون . وعادة تستخدم العصبونات بالدالة الخطية في التقريب الخطي.

مثال

أحسب Linear[0],Linear[1] -a

الحل

Linear[1]=1

Linear[0]=0

[financialmarket]

Step function

دالة الخطوة و تعرف هي و دالة الأشارة (sign) بأنهما دوال الحد الصلب hard limit functions في عصبونات أتخاذ القرارات لمهام التصنيف وتمييز الأنماط.




اذا كانت القيمة أكبر من أو يساوي الصفر يكون الناتج 1
واذا كانت القيمة أقل من صفر يكون الناتج صفر
مثال

أحسب Step[0],Step[1],step[-1] -a

الحل

step[0]=1
step[1]=1
step[-1]=0

[financialmarket]

التدريب العملي علي وظيفة وعمل دوال التنشيط

يمكننا ان نفهم كيف تعمل دوال التنشيط عن طريق البرنامج بالمرفقات وهي مهمة جدا للمرحلة القادمة عندما نتكلم عن تدريب الأوزان والعتبات لذلك يمكن التدرب وفهم طريقة عملها بواسطة هذا البرنامج.

[financialmarket]

خطوات تركيب وأستعمال البرنامج :

1- يجب أن يتوفر بالجهاز برنامج يتعرف علي الملفات المضغوطة (WinRAR


2- نقوم بفك الملف المضغوط .



3- نضغط علي setup


4- نضغط علي Install



5- نكتب الرقم بخانة output ثم نضغط علي الزر

[khalid00708]

جزاك الله خير وزادك من علمه

موضوع في قمة الروعة

اتمنى ان تستمر في الموضوع حتى النهاية

[financialmarket]

اتمنى ان تستمر في الموضوع حتى النهاية

أن شاء الله أخي الكريم

[financialmarket]

هل يمكن لعصبون واحد أن يتعلم مهمة؟

قدم فرانك روزينبلات خوارزم تدريب يوفر أول اجراء في تدريب ANN بسيطة : المدرك (روزينبلات 1958 ) .والمدرك هو أبسط صيغة للشبكة العصبية . ويتكون من عصبون واحد ، وأوزان أشتباك يمكن ضبطها ، ومحدد صلب - hard limit ( سبق شرحه ) .

[bolbol911]

بارك الله فيك اخي الحبيب
بالنسبه لاقتراحك عدم المشاركه حتى ينتهي الموضوع فانا لا احبذ هذا الاقتراح وذلك لانه بعد المشاركه في الموضوع ستاتينا المشاركات الجديده على الايميل فيمكننا متابعة الموضوع بسهوله كما أنه سيكون هناك تغذيه راجعه بالاسئله والاستفسارات عن بعض الجزئيات ....وكما نعلم بان صاحب الموضوع بشر ويحتاج الى رفع الهمة من المتابعين بتشجيعاتهم و اقتراحاتهم.....
جزاك الله خيرا على تعبك معنا

[financialmarket]

أستخلاص خوارزم تدريب المدرك لمهام التصنيف

سنستخلص خطوات تدريب مدرك لشبكة عصبية مكونة من طبقتين .




الخطوة الأولي : وضع القيم الأبتدائية .

نحدد الأوزان الأبتدائية w1 ,w2,w3..........wn والعتبة Q بأرقام عشوائية تقع بالمدي { 0.5 , -0.5}.

[financialmarket]

الخطوة الثانية : التنشيط

نقوم بتنشيط المدرك عن طريق تطبيق المدخلات( x1(p),x2(p),........xn(p والمخرجات المرغوبة ( Yd(p . وحساب المخرجات الفعلية عند التكرار p=1



حيث n عدد مدخلات المدرك ، و step دالة تنشيط الخطوة ( سبق شرحها ) .

[financialmarket]

الخطوة الثالثة : تدريب الأوزان
نجدد أوزان المدرك

Wi{p+1}=Wi{p}+Dwi{p }...............2

حيث { Dwi{p تصحيح الوزن بالتكرار p .

ويحسب تصحيح الوزن بواسطة قاعدة دلتا Delta rule :

Dwi{p }=Alfa * Xi{p} * error {p }...............3

ما هي Alfa ?

هي معلمة معدل التعلم , وعادة تكون قيمة صغيرة مثل (0.1) .
هل يمكننا زيادة هذه القيمة للأسراع من التعلم ؟

أحدي الوسائل الأكثر فاعلية لتعجيل التعلم هي ضبط معلمة معدل التعلم أثناء التدريب . فتسبب معلمة معدل التعلم الصغيرة بعمل تغييرات صغيرة لأوزان الشبكة واذا كانت معلمة معدل التعلم كبيرة للأسراع من عملية التدريب قد ينتج تغييرات أكبر بالأوزان وممكن يسبب عدم أستقرار وتكون الشبكة مذبذبة .

[financialmarket]

الخطوة الرابعة : التكرار

زيادة التكرار p بمقدار واحد صحيح , ثم نعود الي الخطوة الثانية ونكرر العملية حتي يكون مربع الأخطاء صفر أو صغير جدا .

الي متي نستمر بالتكرار؟
حتي يكون حاصل جمع مربع الأخطاء قيمة صغيرة 0.001 أو أقل.