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).
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.
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.
من المهم التمييز بين الشبكات النووية والمصطلحات الأخرى ذات الصلة:
الشبكات العصبية متعددة الاستخدامات بشكل لا يصدق، وقد تم تكييفها في العديد من البنى المتخصصة. وفيما يلي مثالان رئيسيان:
الرؤية الحاسوبية (CV): الشبكات العصبية التلافيفية (CNNs) هي القوة المهيمنة في مجال الرؤية الحاسوبية.
معالجة اللغة الطبيعية (NLP): لقد أحدثت الشبكات العصبية، بما في ذلك الشبكات العصبية المتكررة (RNNs) والمحولات ثورة في كيفية معالجة الآلات للغة.
يمكن الوصول إلى تطوير الشبكات العصبية من خلال أدوات وأطر عمل قوية.