سوال درباره شبکه عصبی

[nex2004]

سلام
سوال من در باره شبکه های عصبی هستش این شبکه ها اصلا چی هستن به چه درد می خورن با چه نرم افزاری مرتبط هستن و ...
:smile:

[محمد نحوی]

پاسخ : سوال درباره شبکه عصبی

سلام.
این یه توضیح:

شبکه عصبی چیست ؟

شبکه عصبی مصنوعی یا Artificial Neural Network ( ANN ) یک نمونه سیستم پردازش است که درآن از سیستم های عصبی بیولوژیکی مانند مغز الهام گرفته شده است . عضو کلیدی این ساختار جدید سیستم پردازنده اطلاعات می باشد که تعداد زیادی از آنها به صورت مجتمع مانند هورمونهای مغز با یکدیگر کار می کنند تا بتوانند مسائل خاصی مانند تشخیص الگو یا طبقه بندی داده ها را از طریق فرایند یادگیری حل نمایند .

یادگیری در شبکه های عصبی به دو صورت می باشد :

1- تحت نظارت Supervised))

2- بدون دخالت انسانها (Unsupervised)

یادگیری در شبکه های عصبی رایج به شکل Supervised یا یادگیری تحت نظارت می باشد .

در واقع کار شــبکه های عصـبی مانند یادگیری بچه ها می باشد . با نشان دادن اشیاء ماهیت هر شیء برای کودک مشخص می شود .

به عنوان مثال کودک تصاویر انواع مختلف سگ را مشاهده می کند ، و در کنار آن اطلاعات ورودی تصاویر و صدا برای هر نمونه مطرح می گردد که این اطلاعات مربوط به یک نوع سگ می باشد و پس از مدتی او قادر خواهد بود یک نوع جدید از سگ را که قبلاً هرگز ندیده است ، شناسایی کند .

ANN شاخه ای از فیلد هوش مصنوعی و یا سیستمهای خبره می باشد که با منطق فازی مرتبط می باشد . یک شبکه عصبی مصنوعی می تواند به عنوان یک جعبه سیاه در نظر گرفته شود که قادر است الگوهای خروجی را پس از تشخیص الگوهای ورودی گزارش دهد .

شبکه های عصبی در واقع مثلثی هستند که سه ضلع مفهومی دارند :

1- سیستم تجزیه و تحلیل داده ها

2- نورون یا سلول عصبی

3- شبکه یا قانون کار گروهی نورونها

شبکه های عصبی از دو بابت شبیه مغز عمل می کنند :

1- مرحله ای موسوم به یادگیری دارند


نورونآها با پردازشگرهای شبکه به صورت غیر مستقیم به کانالآهای ارتباطی مرتبط هستند که وظیفه حمل داده ها را بر عهده دارند و تنها بر روی داده های محلی خود که به عنوان ورودی از طــریق کـــانالآهای ارتباطـی دریافت می دارند، عمل می کنند .این شبکه ها به صورت Multilayer می باشند که تعداد لایه های آن بستــگی به پیچیـدگی مسـئله دارند و تعـداد لایه ها و تعداد گره ها در هر لایه مخفی از پارامترهایی است که توســط کاربر قابـل تنظیم اســت .هر چه تــعداد لایه ها بیشتر باشد سیستم قادر به درک پیچیدگیآهای بیشتری است .در این شبـکه ها با پردازش موازی از طریق وزن ها سیناسپی داده ها راه خود را باز کرده و جلوی داده های dump (داده های دارای خطا یا بی ربط ) گرفته می شود .طرز کار یک مدل سلول عصبی بدین صورت است که خطوط یا کانالهای ورودی ، سیگنالهای تحریکی یا مهاری را که همان پارامترهای تعریف کننده سیستم هستند به جسم سلولی یا گره های عصبی می آورند ، مثلاً غلظت یک ماده mol/lit0.6 است. این پارامتر به عنوان یک سیگنال الکتریکی با شدت ./6 به یک کانال ورودی می رود . در ابتدای هر کانال یک ضریب عددی ( وزن سیناسپی ) وجـود دارد کـه شـدت تـحریک در آن ضــرب می شود . اگر مثبت باشد یک ســـیگنال تحریـکی و اگـر منفی باشد یک سیگنال مهاری است؛ این سیگنال های تحریکی یا مهاری که از ورودی های مختلف به جسم سلولی می رسند ،با هم به صورت خطی جمع می گردد . اگر از میزان آستانه کمتر باشد سلول عصبی خاموش شده و در غیر این صورت fire ( شلیک ) می شود و جریان الکتریکی ثابتی در خروجی ایجاد می کند که به سلولهای دیگر وارد می شود . مشکل شبکه های عصبی این است که بتدریج به حفظ کردن الگوها می پردازند و قابلیت تجزیه و تحلیل آنها کم می گردد ، برای رفع این مشکل بایستی تعداد node های ( گره ها ) آنها کم گردد ، در این صورت شبکه مجبور به تعمیم می گردد .شبکه های عصبی مصنوعی برای حل مسائل پیچیده و یا مواردی که هیچ راه حل الگوریتمی وجود ندارد و یا بسیار پیچیده هستند مورد استفاده قرار می گیرد .چهار نوع هدف کلی توسط این شبکه های قابل پیگیری است ،که هر کدام بسته به نوع مجهولات در مواردی خاص قابل بهره گیری می باشد :



1- طبقه بندی :

برای طبقه بندی ، داده های نمونه های مختلف را به شبکه می دهیم و نام گروه هر نمونه را به عنوان خروجی مشخص می کنیم ، پس از آموزش مناسب شبکه قادر خواهد بود با دریافت داده های مربوط به نمونه های جدید مشـخص کند که ایـن نمـونه بـه کـدام طبــقه متــعلق می باشد . به عنوان مثال میتوان پارامترهای آزمایشگاهی بیماران مبتلا به سرطان پروستات و افراد سالم را به عنوان ورودی و وضعیت فرد ( سالم بودن یا سرطانی بودن ) را به عنوان خروجی به شبکه داده در این صورت شبکه پس از یادگیری خواهد توانست پارامترهای فرد جدید را گرفته و سرطانی بودن او را پیشگویی کند .

2- تخمین تابع :

زمانی کهآپارامترهایآورودیآبا تأثیرات پیچیده درسیستم پاسخی قابل اندازه گیری ایجاد می کنند ،شبکه می تواند آموزش بیابد تا این پاسـخ را پیشــگویی کند . به عنوان

مثال شبکه می تواند پس از آموزش، با دریافت داده های مربوط به هر مولکول جدید در داروها ، شدت اثر آن را پیشگویی کند .

3- پیشگویی :

اصطلاح پیشگویی در اینجا برای سری های زمانی بکاربرده می شود ؛ یعنی جایی که داده ها مربوط به نمونه های پیاپی هستند و داده های هر نمونه برای پیشگویی نمونه بعدی استفاده می شود . مانند پیشگویی وضعیت آتی بیمار بستری در بخش CCU .

4- خوشه کردن :

این نـوع کــــارکرد شـــبکه هــا مربوط به یادگـــیری Unsupervised است . یعنی طبقه بندی داده ها بر حسب رفتار و برهم کنش های درونی آنها بدون داشتن الگو و یا فرضیه قبلی .



کاربرد شبکه های عصبی مصنوعی در علوم پزشکی

ANN در علوم پزشکی ودارویی نیز کاربرد بسیار گسترده ای دارد برخی کاربردهای آن عبارتند از :

1- سیستم های تشخیص بیماری

ANN به صورت وسیعی در تشخیص بیماریها به کار گرفته شده است و این سیستمها قادرند برای تشخیص سرطان ، بیماریهای قلبی عروقی ، بیماری سل و عفونتهای سینوسی مورد استفاده قرار گیرند . از مزایای استفاده از ANN این است که فاکتورهایی چون خستگی، فرسودگی، وضعیتآهای عاطفی و یا تحت شرایط خاصی کارکردن روی آنها تاثیری ندارد.



2- تجزیه و تحلیل های بیوشیمیایی

ANN به صورت وســیع و متنوعی در تجزیه وتحلیل نمونه های خون ، ادرار ، ردیابی سطح گلوکز در مبتلایان به دیابت ، تعیین سطح یون در مایعات بدن مورد استفاده قرار می گیرد.



3- تجزیه و تحلیل تصویربرداری پزشکی

ANN در تجزیه وتحلیل تصاویر تومورها و MRI مورد استفاده قرار می گیرد.



4- توسعه دارویی

ANN به عنوان ابزاری برای توسعه داروهای مرتبط با سرطان و ایدز مورد استفاده قرار می گیرد.

اگر چه در حال حاضر کاربرد شبکه های عصبی در دنیا مربوط به شبکه های تحت یادگیری است اما نوع دیگر شبکه ها که یادگیری Unsupervised دارند از هم اکنون مرزهای جدیدی را به سوی محققین گشوده اند و آرزوی یادگیری واقعی ماشینی ها بدون دخالت انسانها را برای محققین آرزویی دست یافتنی ساخته اند .

منبع: http://itj.sums.ac.ir/technology/technology.htm

------------------------------
اینم یکی دیگه:

شبکه عصبی، یک نوع سیستم هوش مصنوعی است که از روی سلولهای
عصبی موجودات زنده شبیه سازی شده است و تلاش می کند در پردازش
اطلاعات ، یادگیری و به خاطر سپردن ، روش مغز انسان را تقلید کند .
البته بعضی از ساختارهای شبکه عصبی ، کاملا شبیه مغز نیست و یا یک
همتای بیو لوژیکی در مغز ندارد. و لی در کل شباهت بسیاری به مغز
بیو لوژیکی دارد. در حقیقت ، شبکه عصبی مجموعه ای از نرونهای
مصنوعی است که بسیار ساده تر از نرو نهای بیولوژیکی هستند . در
سیستم بیولوژیکی، این نرونها هستند که قابلیت به خاطر سپردن،فکرکردن
و بکار گیری ثجربیات گذشته را به ما می دهند.نرونهای مصنوعی نیز،
به جای اینکه قابل برنامه ریزی باشند،ورودی را بررسی می کنند و با
تنظیم زمان وتکرار،خروجی های مناسبی را ارائه می دهند.این نرونها
از ساختاری شبیه نرونهای واقعی برخوردارند.هر نرون،اطلاعات را از
یک سری ورودی که حکم دندریت ها در نرون واقعی را دارند،گرفته وپس
از پردازش، به خروجی خود که درواقع نقش سیناپس های یک سلول
عصبی را بازی می کنند ، تحویل می دهد و خروجی این نرون ، به عنوان ورودی
نرون بعذی مورد استفاده قرار می گیرد . شبکه های عصبی با استفاده از مدارهای
سخت افزاری و یا نرم افزارهایی که چنین شبکه هایی را شبیه سازی می کنند ،
ساخته می شوند . این شبکه قابلیت یادگیری را از طریق بررسی و تشخیص به
رایانه ها می دهند و در بعضی موارد مانند تشخیص الگو ، تجزیه و تحلیل و شبیه سازی صدا کاربرد دارند.

منبع: http://myboard.persianblog.com/


----------------------------------

ولی اگه بخوام از خودم بنویسم ببین یه سری مسائل در عمل پیش میاد که تعریف یک رابطه ریاضی برای اونها محال به نظر میرسه ، شبکه عصبی یه سیستم الهام گرفته شده از مغز انسانه که این توابع ریاضی رو توسط نرون ها و با یک قالب خاص ایجاد میکنه و اونها رو حل میکنه و امکان یادگیری مجدد یا یادگیری در حال انجام وظیفه رو هم داره دیگه نیازی نیست مثلا برای تمیز بین چهره انسانهای مختلف نیازی نیست برای هر کدوم یک تابع ریاضی پیچیده نوشت بلکه با یه پیش پردازش و دادن اطلاعات به یک شبکه عصبی هم میشه این کار رو کرد.
موفق باشید.

[nex2004]

پاسخ : سوال درباره شبکه عصبی

ممنون (+) :agree: