الذكاء الاصطناعي - الشبكات العصبية

هناك مجال بحثي آخر في الذكاء الاصطناعي ، الشبكات العصبية ، مستوحى من الشبكة العصبية الطبيعية للجهاز العصبي البشري.

ما هي الشبكات العصبية الاصطناعية (ANN)؟

يعرّف مخترع أول كمبيوتر عصبي ، الدكتور روبرت هيشت-نيلسن ، الشبكة العصبية على أنها -

"... نظام حوسبة يتكون من عدد من عناصر المعالجة البسيطة شديدة الترابط ، والتي تعالج المعلومات من خلال استجابة الحالة الديناميكية للمدخلات الخارجية."

الهيكل الأساسي لشبكات ANN

وتستند فكرة الشبكات العصبية الصناعية على الاعتقاد بأن عمل الدماغ البشري من خلال جعل الاتصالات المناسبة، يمكن تقليدها باستخدام السيليكون والأسلاك بأنهم يعيشون الخلايا العصبية و التشعبات .

يتكون دماغ الإنسان من 86 مليار خلية عصبية تسمى الخلايا العصبية. وهي متصلة بآلاف الخلايا الأخرى بواسطة محاور. يتم قبول المنبهات من البيئة الخارجية أو المدخلات من الأعضاء الحسية عن طريق التشعبات. تخلق هذه المدخلات نبضات كهربائية تنتقل بسرعة عبر الشبكة العصبية. يمكن للخلايا العصبية بعد ذلك إرسال الرسالة إلى خلية عصبية أخرى للتعامل مع المشكلة أو لا ترسلها إلى الأمام.

تتكون ANNs من عقد متعددة ، والتي تحاكي الخلايا العصبية البيولوجية للدماغ البشري. ترتبط الخلايا العصبية بروابط وتتفاعل مع بعضها البعض. يمكن للعقد أخذ بيانات الإدخال وإجراء عمليات بسيطة على البيانات. يتم تمرير نتيجة هذه العمليات إلى الخلايا العصبية الأخرى. الإخراج في كل عقدة يسمى التنشيط أو قيمة العقدة.

كل رابط مرتبط بالوزن. الشبكات العصبية الاصطناعية قادرة على التعلم ، والذي يحدث عن طريق تغيير قيم الوزن. يوضح الرسم التوضيحي التالي ANN بسيطًا -

أنواع الشبكات العصبية الاصطناعية

هناك نوعان من طوبولوجيا الشبكة العصبية الاصطناعية - FeedForward و Feedback.

FeedForward ANN

في هذا ANN ، يكون تدفق المعلومات أحادي الاتجاه. ترسل الوحدة معلومات إلى وحدة أخرى لا تتلقى منها أي معلومات. لا توجد حلقات تغذية مرتدة. يتم استخدامها في إنشاء / التعرف / التصنيف. لديهم مدخلات ومخرجات ثابتة.

FeedBack ANN

هنا ، حلقات التغذية الراجعة مسموح بها. يتم استخدامها في محتوى ذكريات عنونة.

عمل شبكات ANN

في المخططات الهيكلية الموضحة ، يمثل كل سهم اتصالاً بين خليتين عصبيتين ويشير إلى مسار تدفق المعلومات. كل اتصال له وزن ، وهو رقم صحيح يتحكم في الإشارة بين العصبونين.

إذا كانت الشبكة تنتج مخرجات "جيدة أو مرغوبة" ، فلا داعي لضبط الأوزان. ومع ذلك ، إذا كانت الشبكة تولد ناتجًا "ضعيفًا أو غير مرغوب فيه" أو خطأ ، فسيقوم النظام بتغيير الأوزان من أجل تحسين النتائج اللاحقة.

تعلم الآلة في شبكات ANN

شبكات ANN قادرة على التعلم ويجب تدريبها. هناك العديد من استراتيجيات التعلم -

• التعلم الخاضع للإشراف - إنه ينطوي على معلم عالِم أكثر من ANN نفسها. على سبيل المثال ، يقوم المعلم بتغذية بعض أمثلة البيانات التي يعرف المعلم إجاباتها بالفعل.

  على سبيل المثال ، التعرف على الأنماط. تأتي ANN بتخمينات مع الاعتراف. ثم يقوم المعلم بتزويد شبكة ANN بالإجابات. ثم تقوم الشبكة بمقارنة التخمينات بالإجابات "الصحيحة" للمعلم وإجراء التعديلات وفقًا للأخطاء.

• التعلم غير الخاضع للإشراف - يكون مطلوبًا في حالة عدم وجود مجموعة بيانات نموذجية بإجابات معروفة. على سبيل المثال ، البحث عن نمط مخفي. في هذه الحالة ، يتم إجراء التجميع ، أي تقسيم مجموعة من العناصر إلى مجموعات وفقًا لبعض الأنماط غير المعروفة ، بناءً على مجموعات البيانات الموجودة الموجودة.

• التعلم المعزز - هذه الاستراتيجية مبنية على الملاحظة. تتخذ ANN قرارًا من خلال مراقبة بيئتها. إذا كانت الملاحظة سلبية ، تقوم الشبكة بضبط أوزانها لتتمكن من اتخاذ قرار مطلوب مختلف في المرة القادمة.

خوارزمية الانتشار العكسي

إنها خوارزمية التدريب أو التعلم. يتعلم بالقدوة. إذا قدمت إلى الخوارزمية مثالاً لما تريد أن تفعله الشبكة ، فإنها تغير أوزان الشبكة بحيث يمكنها إنتاج المخرجات المطلوبة لمدخل معين عند إنهاء التدريب.

تعد شبكات الانتشار العكسي مثالية للتعرف على الأنماط البسيطة ومهام التخطيط.

شبكات بايزي (BN)

هذه هي الهياكل الرسومية المستخدمة لتمثيل العلاقة الاحتمالية بين مجموعة من المتغيرات العشوائية. تسمى شبكات بايز أيضًا شبكات الإيمان أو شبكات بايز. سبب BNs حول مجال غير مؤكد.

في هذه الشبكات ، تمثل كل عقدة متغيرًا عشوائيًا بمقترحات محددة. على سبيل المثال ، في مجال التشخيص الطبي ، يمثل سرطان العقدة الافتراض بأن المريض مصاب بالسرطان.

تمثل الحواف التي تربط العقد تبعيات احتمالية بين تلك المتغيرات العشوائية. إذا كانت إحدى العقدتين تؤثر على الأخرى ، فيجب أن تكون مرتبطة بشكل مباشر في اتجاهات التأثير. يتم تحديد قوة العلاقة بين المتغيرات من خلال الاحتمال المرتبط بكل عقدة.

هناك قيد فقط على الأقواس في BN لا يمكنك العودة إلى العقدة ببساطة باتباع الأقواس الموجهة. ومن ثم تسمى BNs الرسوم البيانية غير الحلقية الموجهة (DAGs).

BNs قادرة على التعامل مع المتغيرات متعددة القيم في وقت واحد. تتكون متغيرات BN من بعدين -

• مجموعة من حروف الجر
• الاحتمالية المخصصة لكل حرف جر.

ضع في اعتبارك مجموعة محدودة X = {X 1 ، X 2 ، ... ، X n } من المتغيرات العشوائية المنفصلة ، حيث قد يأخذ كل متغير X i قيمًا من مجموعة محدودة ، يرمز إليها Val (X i ). إذا كان هناك رابط مباشر من المتغير X i إلى المتغير X j ، فإن المتغير X i سيكون أصل المتغير X j الذي يظهر التبعيات المباشرة بين المتغيرات.

هيكل BN مثالي للجمع بين المعرفة السابقة والبيانات المرصودة. يمكن استخدام BN لتعلم العلاقات السببية وفهم مجالات المشاكل المختلفة والتنبؤ بالأحداث المستقبلية ، حتى في حالة فقدان البيانات.

بناء شبكة بايزي

يمكن لمهندس المعرفة بناء شبكة بايزي. هناك عدد من الخطوات التي يحتاج مهندس المعرفة إلى اتخاذها أثناء بنائه.

مشكلة سبيل المثال - سرطان الرئة. يعاني المريض من ضيق في التنفس. يزور الطبيب للاشتباه في إصابته بسرطان الرئة. يعلم الطبيب أنه باستثناء سرطان الرئة ، هناك العديد من الأمراض الأخرى المحتملة التي قد يعاني منها المريض مثل السل والتهاب الشعب الهوائية.

جمع المعلومات ذات الصلة بالمشكلة

• هل المريض مدخن؟ إذا كانت الإجابة بنعم ، فإن فرص الإصابة بالسرطان والتهاب الشعب الهوائية مرتفعة.
• هل المريض معرض لتلوث الهواء؟ إذا كانت الإجابة بنعم ، ما هو نوع تلوث الهواء؟
• تشير الأشعة السينية الإيجابية إلى الإصابة بالسل أو سرطان الرئة.

تحديد المتغيرات الشيقة

مهندس المعرفة يحاول الإجابة على الأسئلة -

• ما العقد التي يجب تمثيلها؟
• ما هي القيم التي يمكنهم اتخاذها؟ في أي دولة يمكن أن يكونوا؟

الآن دعونا نفكر في العقد ذات القيم المنفصلة فقط. يجب أن يأخذ المتغير إحدى هذه القيم بالضبط في كل مرة.

الأنواع الشائعة من العقد المنفصلة هي -

• العقد المنطقية (Boolean nodes) - تمثل الافتراضات ، مع أخذ القيم الثنائية TRUE (T) و FALSE (F).

• القيم المطلوبة - قد يمثل تلوث العقدة ويأخذ قيمًا من {low، medium، high} لوصف درجة تعرض المريض للتلوث.

• القيم المتكاملة - قد تمثل العقدة المسماة Age عمر المريض بقيم محتملة من 1 إلى 120. حتى في هذه المرحلة المبكرة ، يتم اتخاذ خيارات النمذجة.

العقد والقيم المحتملة لمثال سرطان الرئة -

اسم العقدة	نوع	القيمة	إنشاء العقد
Polution	الثنائية	{منخفضة ، مرتفعة ، متوسطة}
المدخن	قيمة منطقية	{صحيح ، فاسلي}
سرطان الرئة	قيمة منطقية	{صحيح ، فاسلي}
الأشعة السينية	الثنائية	{إيجابي ، سلبي}

إنشاء أقواس بين العقد

يجب أن تلتقط طوبولوجيا الشبكة العلاقات النوعية بين المتغيرات.

على سبيل المثال ، ما الذي يسبب إصابة المريض بسرطان الرئة؟ - التلوث والتدخين. ثم أضف أقواسًا من تلوث العقدة وعقدة المدخن إلى عقدة سرطان الرئة.

وبالمثل ، إذا كان المريض مصابًا بسرطان الرئة ، فستكون نتيجة الأشعة السينية إيجابية. ثم أضف أقواسًا من عقدة سرطان الرئة إلى عقدة X-Ray.

حدد الطوبولوجيا

تقليديا ، يتم وضع BNs بحيث تشير الأقواس من أعلى إلى أسفل. يتم إعطاء مجموعة العقد الأصلية للعقدة X بواسطة الآباء (X).

و سرطان الرئة عقدة لديه والدان (الأسباب أو الأسباب): التلوث و مدخن ، في حين أن عقدة مدخن هو سلف من عقدة X-راي . وبالمثل، X-راي هو طفل (نتيجة أو آثار) من عقدة سرطان الرئة و خليفة العقد مدخن و التلوث.

الاحتمالات الشرطية

حدد الآن العلاقات بين العقد المتصلة: يتم ذلك عن طريق تحديد توزيع احتمالي مشروط لكل عقدة. نظرًا لأن المتغيرات المنفصلة فقط يتم أخذها في الاعتبار هنا ، فإن هذا يأخذ شكل جدول الاحتمالية الشرطية (CPT).

أولاً ، بالنسبة لكل عقدة ، نحتاج إلى إلقاء نظرة على جميع المجموعات الممكنة لقيم تلك العقد الأصلية. تسمى كل تركيبة من هذا القبيل إنشاء مثيل للمجموعة الأصل. لكل مثيل مميز لقيم العقدة الأصلية ، نحتاج إلى تحديد الاحتمال الذي سيتخذه الطفل.

على سبيل المثال، سرطان الرئة الآباء عقدة هم التلوث و التدخين. يأخذون القيم الممكنة = {(H، T)، (H، F)، (L، T)، (L، F)}. تحدد CPT احتمالية الإصابة بالسرطان لكل حالة من هذه الحالات على أنها <0.05 ، 0.02 ، 0.03 ، 0.001> على التوالي.

سيكون لكل عقدة احتمالية مشروطة مرتبطة على النحو التالي -

تطبيقات الشبكات العصبية

يمكنهم أداء مهام سهلة على الإنسان ولكنها صعبة على الآلة -

• الفضاء - طائرات الطيار الآلي ، كشف أعطال الطائرات.

• السيارات - أنظمة توجيه السيارات.

• الجيش - توجيه السلاح وتوجيهه ، وتتبع الهدف ، والتمييز بين الأشياء ، والتعرف على الوجه ، وتحديد الإشارة / الصورة

• الإلكترونيات - توقع تسلسل الكود ، تخطيط رقاقة IC ، تحليل فشل الرقاقة ، رؤية الآلة ، تركيب الصوت.

• المالية - التقييم العقاري ، مستشار القروض ، فحص الرهن العقاري ، تصنيف سندات الشركات ، برنامج تداول المحفظة ، التحليل المالي للشركات ، التنبؤ بقيمة العملة ، قراء المستندات ، مقيمو طلبات الائتمان.

• صناعي - التحكم في عملية التصنيع ، تصميم المنتج وتحليله ، أنظمة فحص الجودة ، تحليل جودة اللحام ، توقع جودة الورق ، تحليل تصميم المنتجات الكيميائية ، النمذجة الديناميكية لأنظمة العمليات الكيميائية ، تحليل صيانة الماكينة ، تقديم العطاءات للمشروع ، التخطيط والإدارة.

• طبي - تحليل الخلايا السرطانية ، تحليل مخطط كهربية الدماغ وتخطيط القلب ، تصميم الأطراف الصناعية ، مُحسِّن وقت الزرع.

• الكلام - التعرف على الكلام ، تصنيف الكلام ، تحويل النص إلى كلام.

• الاتصالات - ضغط الصور والبيانات ، خدمات المعلومات الآلية ، ترجمة اللغة المنطوقة في الوقت الحقيقي.

• النقل - تشخيص نظام فرامل الشاحنات وجدولة المركبات وأنظمة التوجيه.

• البرنامج - التعرف على الأنماط في التعرف على الوجه ، والتعرف البصري على الأحرف ، وما إلى ذلك.

• توقع السلاسل الزمنية - تُستخدم الشبكات العصبية الاصطناعية لإجراء تنبؤات بشأن المخزونات والكوارث الطبيعية.

• معالجة الإشارات - يمكن تدريب الشبكات العصبية على معالجة الإشارة الصوتية وتصفيتها بشكل مناسب في المعينات السمعية.

• التحكم - غالبًا ما تستخدم شبكات ANN لاتخاذ قرارات توجيه المركبات المادية.

• اكتشاف الشذوذ - نظرًا لأن الشبكات العصبية الاصطناعية خبيرة في التعرف على الأنماط ، فيمكن أيضًا تدريبها لتوليد مخرجات عندما يحدث شيء غير عادي لا يتوافق مع النمط.