شبکه عصبی چیست؟
شبکه عصبی توسط ورودی ها آموزش داده می شود و شامل سه لایه ورودی و پنهان و خروجی است و هر کدام از عصب ها دارای مقدار آستانه و تابع فعال سازی میباشند که به ما خروجی می دهند نتیجه ای که به دست می اوریم با خروجی که انتظار داریم مقایسه می شود که این دو مقدار باید نزدیک به هم باشند مدل یاد میگیرد که وزن ها و مقدار آستانه را طوری تنظیم کند که خروجی درست دریافت کند.
شبکه عصبی مصنوعی در واقع دسته ای الگوریتم است که برای شناسایی و تشخیص الگوها به کار می رود.
این شبکه های عصبی مصنوعی (ANN ها)میتوانند در طرح های سرمایه گذاری برای افزایش بازده ، برای پیش بینی قیمت خانه ها براساس ویژگی های اصلی تعریف کننده قیمت خانه ها (موقعیت مکانی،متراژو…)و دسته بندی تصاویر و… استفاده شود.
شبکه عصبی عمیق(Dnn)
هرچه تعداد لایه هاو عصب ها در هر لایه پنهان بیشتر باشند مدل پیچیده تر می‌شود وقتی این شبکه های عصبی که شامل بیشتر از سه لایه از عصب های لایه های ورودی و خروجی اند به آنها شبکه عصبی عمیق گفته می شود و به یادگیری آنها یادگیری عمیق گقته می شود که به وسیله این شبکه های عصبی عمیق مسائل بسیار پیچیده در زمینه پیش بینی و دسته بندی به مسائل ساده حل می شود.
در واقع یادگیری عمیق یک تابع است که ورودی را به خروجی تبدیل میکند شبکه عصبی عمیق ارتباط داده های ورودی و خروجی را پیدا می کند منظور از عمیق بودن شبکه عصبی چند لایه بودن این شبکه هاست لایه های شبکه ی عصبی از گره ها تشکیل شده اند که یک گره مانند مغز انسان مکانی برای انجام محاسبات است دریک گره داده های ورودی در یک وزن (weight) ضرب می‌شود. هر چقدر این وزن بیشتر باشد تاثیر داده زیاد تر می شود پس از آن، مجموع داده‌های ضرب‌شده در وزنشان محاسبه میگردد. در آخر هم برای رسیدن به خروجی، مجموع به دست آمده، از یک تابع فعال‌ساز (Activation Function) عبور میکند و خروجی میگیرد.
یادگیری عمیق (DL)
یادگیری عمیق در واقع یادگیری به وسیله شبکه های عصبی است که دارای لایه های پنهانی زیاد می باشند در یادگیری عمیق برای مثال یک تصویر را به لایه های مختلف تقسیم می کنند که مغز انسان هم اینگونه عمل میکند و نورون های مغز به توده ها حساسیت دارند تا بتوانند به کل تصویر حساسیت نشان دهند و آن را پردازش کنند.
لایه‌های شبکه‌ی عصبی، از گره‌ها (nodes) تشکیل شده‌اند. یک گره، مانند نورون‌های مغز انسان، مکانی برای انجام محاسبات است. . مجموعه‌ای از نورون‌های فعال شده منجر به یادگیری می‌شوند.
الگوریتم یادگیری عمیق درست مانند مغز انسان با هر بار تکرار یک کار تجربه کسب میکند.
به عنوان مثال ، یک شرکت چینی Sensetime سیستمی از سیستم تشخیص چهره به صورت خودکار را برای شناسایی مجرمان ایجاد کرد که با استفاده از دوربین های زمان واقعی ، مجرم را در میان جمعیت پیدا می کند. امروزه ، این امر در پلیس و سایر نهادهای دولتی به روشی رایج تبدیل شده است.
شرکت آمریکایی Pony.ai نمونه دیگری از نحوه استفاده از DNN است. آنها سیستمی برای اتومبیل های هوش مصنوعی ایجاد کردند که می تواند بدون راننده کار کند. این به چیزی بیش از فقط یک الگوریتم ساده از اقدامات نیاز دارد ، اما یک سیستم یادگیری بسیار عمیق تر است ، که باید بتواند افراد ، علائم راه و سایر علائم مانند درختان و سایر اشیا important مهم را تشخیص دهد.شرکت معروف UbiTech ربات های AI را ایجاد می کند. یکی از ساخته های آنها ربات آلفا 2 است که می تواند در یک خانواده زندگی کند ، با اعضای خود صحبت کند ، اطلاعات را جستجو کند ، پیام بنویسد و دستورات صوتی را اجرا کند.
ادامه مطلب ...
