مسرد المصطلحات

الشبكة العصبية (NN)

اكتشف قوة الشبكات العصبية - وهي مفتاح ابتكارات الذكاء الاصطناعي والتعلم الآلي مثل الرؤية الحاسوبية والبرمجة اللغوية العصبية وابتكارات التعلم العميق.

الشبكة العصبية (NN) هي نموذج حسابي مستوحى من بنية ووظيفة الدماغ البشري. وهي تشكل العمود الفقري لمعظم نماذج التعلم العميق (DL) وهي مفهوم أساسي في الذكاء الاصطناعي الحديث. صُممت الشبكات العصبية للتعرف على الأنماط في البيانات عن طريق معالجة المعلومات من خلال طبقات مترابطة من العقد أو "الخلايا العصبية". تسمح هذه البنية لها بالتعلم من كميات هائلة من البيانات، مما يجعلها قوية بشكل لا يصدق للمهام المعقدة مثل التعرف على الصور ومعالجة اللغات الطبيعية (NLP).

كيف تعمل الشبكات العصبية؟

تتكون الشبكة العصبية من ثلاثة أنواع رئيسية من الطبقات: طبقة مدخلات، وطبقة مخفية واحدة أو أكثر، وطبقة مخرجات. تحتوي كل طبقة على خلايا عصبية متصلة بالخلايا العصبية في الطبقة التالية.

  1. طبقة الإدخال: تستقبل هذه الطبقة البيانات الأولية، مثل بكسلات الصورة أو الكلمات في الجملة.
  2. الطبقات المخفية: وهي الطبقات الوسيطة بين المدخلات والمخرجات. هذا هو المكان الذي تحدث فيه معظم العمليات الحسابية. تطبق كل خلية عصبية تحويلًا رياضيًا على مدخلاتها، والتي تتضمن تعلم أوزان نموذجية ودالة تنشيط مثل ReLU أو Sigmoid لتحديد مخرجاتها. تُعرف الشبكات ذات الطبقات المخفية المتعددة بالشبكات العصبية "العميقة".
  3. طبقة الإخراج: تنتج هذه الطبقة الأخيرة النتيجة، مثل تسمية التصنيف أو القيمة المتوقعة.

تتضمن عملية التعلم، المعروفة باسم التدريب، تغذية الشبكة بمجموعات بيانات كبيرة. تقوم الشبكة بالتنبؤ ومقارنته بالنتيجة الفعلية وحساب الخطأ باستخدام دالة خسارة. ثم تستخدم الشبكة خوارزمية تُدعى الترحيل العكسي لضبط أوزان اتصالاتها لتقليل هذا الخطأ على مدى العديد من التكرارات أو الحقب الزمنية. يتم توجيه هذه العملية بواسطة خوارزمية تحسين مثل آدم.

الشبكات العصبية مقابل المفاهيم ذات الصلة

من المهم التمييز بين الشبكات النووية والمصطلحات الأخرى ذات الصلة:

  • التعلم الآلي مقابل الشبكات العصبية: التعلم الآلي (ML) هو مجال واسع للذكاء الاصطناعي، والشبكات العصبية العصبية هي نوع واحد فقط من نماذج التعلم الآلي. تشمل نماذج التعلم الآلي الأخرى أشجار القرار وآلات ناقلات الدعم (SVMs)، والتي لا تستخدم بنية الخلايا العصبية ذات الطبقات.
  • التعلم العميق مقابل الشبكات العصبية: التعلم العميق هو مجال فرعي للتعلم الآلي يستخدم الشبكات العصبية العميقة على وجه التحديد - الشبكات العصبية ذات الطبقات المخفية العديدة. ولذلك، تعتمد جميع أنظمة التعلم العميق على الشبكات العصبية غير العميقة، ولكن قد لا تعتبر الشبكة العصبية البسيطة ذات الطبقة المخفية الواحدة فقط "عميقة".

أنواع الشبكات العصبية وتطبيقاتها

الشبكات العصبية متعددة الاستخدامات بشكل لا يصدق، وقد تم تكييفها في العديد من البنى المتخصصة. وفيما يلي مثالان رئيسيان:

  1. الرؤية الحاسوبية (CV): الشبكات العصبية التلافيفية (CNNs) هي القوة المهيمنة في مجال الرؤية الحاسوبية.

  2. معالجة اللغة الطبيعية (NLP): لقد أحدثت الشبكات العصبية، بما في ذلك الشبكات العصبية المتكررة (RNNs) والمحولات ثورة في كيفية معالجة الآلات للغة.

الأدوات وأطر العمل

يمكن الوصول إلى تطوير الشبكات العصبية من خلال أدوات وأطر عمل قوية.

  • المكتبات: توفر أطر عمل مثل PyTorch و TensorFlow اللبنات الأساسية لإنشاء الشبكات العصبية وتدريبها. يمكنك معرفة المزيد على موقعي PyTorch و TensorFlow الرسميين.
  • المنصات: توفر منصة Ultralytics HUB منصة متكاملة لتدريب نماذج YOLO وإدارة مجموعات البيانات وتبسيط عملية نشر النماذج.
  • النماذج المدربة مسبقاً: يبدأ العديد من الباحثين والمطورين بنماذج مدربة مسبقًا متاحة من مراكز مثل Hugging Face أو داخل منظومة Ultralytics. وغالباً ما تتطلب هذه النماذج ضبطاً دقيقاً على مجموعة بيانات محددة، مما يوفر الكثير من الوقت والموارد الحسابية. يمكنك العثور على مقارنات بين نماذج YOLO المختلفة في وثائقنا.

انضم إلى مجتمع Ultralytics

انضم إلى مستقبل الذكاء الاصطناعي. تواصل وتعاون ونمو مع المبتكرين العالميين

انضم الآن
تم نسخ الرابط إلى الحافظة