الشبكات العصبونية في الذكاء الاصطناعي في تعلم الألة Machine Learning - Artificial Neural Networks

الشبكات العصبونية في الذكاء الاصطناعي في تعلم الألة 

Machine Learning - Artificial Neural Networks

الشبكات العصبونية في الذكاء الاصطناعي في تعلم الألة Machine Learning - Artificial Neural Networks

اشتقت فكرة الشبكات العصبية الاصطناعية من الشبكات العصبية في الدماغ البشري.  العقل البشري معقد حقًا.  عند دراسة المخ بعناية ، توصل العلماء والمهندسون إلى بنية يمكن أن تتناسب مع عالمنا الرقمي من أجهزة الكمبيوتر الثنائية.  ويرد واحد من هذه العمارة النموذجية في الرسم البياني أدناه -

هناك طبقة الإدخال التي لديها العديد من أجهزة الاستشعار لجمع البيانات من العالم الخارجي.  على الجانب الأيمن ، لدينا طبقة مخرجات تعطينا النتيجة التي تنبأت بها الشبكة.  بين هذين ، يتم إخفاء عدة طبقات.  تضيف كل طبقة إضافية مزيدًا من التعقيد في تدريب الشبكة ، ولكنها ستوفر نتائج أفضل في معظم الحالات.  هناك عدة أنواع من البنى المصممة التي سنناقشها الآن.

ANN Architectures

يوضح الرسم البياني أدناه العديد من تصميمات ANN التي تم تطويرها على مدار فترة من الزمن وهي في الواقع العملي اليوم.

المصدر:

 https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464

 تم تطوير كل بنية لنوع معين من التطبيق.  وبالتالي ، عند استخدام شبكة عصبية لتطبيق تعلم الآلة ، سيتعين عليك استخدام أيٍّ من البنية الحالية أو تصميم التصميم الخاص بك.  يعتمد نوع التطبيق الذي تقرره في النهاية على احتياجات التطبيق الخاص بك.  لا يوجد دليل واحد يخبرك باستخدام بنية شبكة محددة.