الشبكات العصبية والتعليم العميق neural network Perceptrons الجزء الخامس

الشبكات العصبية والتعليم العميق neural network Perceptrons الجزء الخامس
ارجو تقييم المقال

الخلايا العصبية السيمينية

خوارزميات  تعلم  الصوت شيىء رائع . ولكن كيف يمكننا وضع مثل هذه الخوارزميات لشبكة عصبية؟ لنفترض أن لدينا شبكة من المستقبلات التي نرغب في استخدامها للتعلم لحل بعض المشاكل. على سبيل المثال ، قد تكون المدخلات إلى الشبكة بيانات البكسل الخام من صورة ممسوحة ضوئياً مكتوبة بخط اليد. ونود أن تعلم الشبكة الأوزان والتحيزات بحيث يصنف الناتج من الشبكة الرقم بشكل صحيح. لنرى كيف يمكن أن ينجح التعلم ، لنفترض أننا قمنا بتغيير بسيط في بعض الوزن (أو التحيز) في الشبكة. ما نريده هو أن يؤدي هذا التغيير الطفيف في الوزن إلى تغيير بسيط في الناتج من الشبكة. كما سنرى في لحظة ، سيجعل هذا العقار التعلم ممكنًا. من الناحية الشكلية ، إليك ما نريده (من الواضح أن هذه الشبكة بسيطة جدًا بحيث لا يمكن التعرف عليها بخط اليد!):

tikz8 الشبكات العصبية والتعليم العميق neural network Perceptrons الجزء الخامس

 

إذا كان صحيحًا أن تغييرًا طفيفًا في الوزن (أو التحيز) لا يؤدي إلا إلى تغيير طفيف في الناتج ، فيمكننا استخدام هذه الحقيقة لتعديل الأوزان والتحيزات من أجل جعل شبكتنا تتصرف بشكل أكثر مرونة بالطريقة التي نريدها. على سبيل المثال ، لنفترض أن الشبكة كانت تصنف عن طريق الخطأ صورة بأنها “8” عندما يجب أن تكون “9”. يمكننا معرفة كيفية إجراء تغيير بسيط في الأوزان والتحيزات حتى تصبح الشبكة أقرب إلى تصنيف الصورة على أنها “9”. ثم نكرر ذلك ، تغيير الأوزان والتحيزات مرارا وتكرارا لإنتاج إنتاج أفضل وأفضل. ستتعلم الشبكة.

 

المشكلة هي أن هذا ليس ما يحدث عندما تحتوي شبكتنا على perceptrons. في الواقع ، قد يؤدي التغيير الطفيف في أوزان أو تحيّز أي جهاز استشعار واحد في الشبكة في بعض الأحيان إلى إخراج ذلك المستطيل بشكل كامل ، لنقل من 0 إلى 1. قد يؤدي هذا الوجه إلى سلوك باقي الشبكة إلى يتغير تماما في بعض طريقة معقدة للغاية. لذلك ، في حين أن تصنيف “9” قد تم تصنيفه الآن بشكل صحيح ، فمن المحتمل أن يكون سلوك الشبكة على جميع الصور الأخرى قد تغير تمامًا في بعض الطرق التي يصعب التحكم فيها. وهذا يجعل من الصعب رؤية كيفية تعديل الأوزان والانحيازات تدريجياً بحيث تقترب الشبكة من السلوك المرغوب. ربما هناك طريقة ذكية للتغلب على هذه المشكلة. ولكن ليس من الواضح على الفور كيف يمكننا الحصول على شبكة من perceptrons للتعلم.

 

يمكننا التغلب على هذه المشكلة عن طريق إدخال نوع جديد من الخلايا العصبية الاصطناعية تسمى العصب السيني. تتشابه الخلايا العصبية السينية مع المستقبلات ، ولكن يتم تعديلها بحيث تتسبب التغييرات الصغيرة في أوزانها وانحيازها في حدوث تغير بسيط في إنتاجها فقط. هذه هي الحقيقة الحاسمة التي ستسمح لشبكة من الخلايا العصبية السيمينية بالتعلم.

0 responses on "الشبكات العصبية والتعليم العميق neural network Perceptrons الجزء الخامس"

Leave a Message

X