شبکه های عصبی

شبکه های عصبی، که به عنوان شبکه های عصبی مصنوعی (ANN) یا شبکه های عصبی شبیه سازی شده (SNN) نیز شناخته می شوند، زیر مجموعه ای از یادگیری ماشین هستند و در قلب الگوریتم های یادگیری عمیق قرار دارند. نام و ساختار آنها از مغز انسان الهام گرفته شده است و از راهی که نورون های بیولوژیکی به یکدیگر نشان می دهند، تقلید می کند.

شبکه های عصبی مصنوعی (ANN) از لایه های گره ای تشکیل شده اند که شامل یک لایه ورودی ، یک یا چند لایه مخفی و یک لایه خروجی است. هر گره یا نورون مصنوعی به دیگری متصل می شود و وزن و آستانه مربوطه را دارد. اگر خروجی هر گره جدا از مقدار آستانه مشخص شده باشد ، آن گره فعال می شود و داده ها را به لایه بعدی شبکه ارسال می کند. در غیر این صورت ، هیچ داده ای به لایه بعدی شبکه منتقل نمی شود.

اتصالات نورون بیولوژیکی در شبکه های عصبی مصنوعی به عنوان وزن بین گره ها مدل سازی شده است. وزن مثبت نشان دهنده یک ارتباط تحریکی است ، در حالی که مقادیر منفی به معنی ارتباطات بازدارنده است. همه ورودی ها با یک وزن اصلاح شده و جمع بندی می شوند. این فعالیت ترکیبی خطی نامیده می شود.

وزن باعث افزایش یا کاهش قدرت سیگنال در یک اتصال می شود. نورون ها ممکن است آستانه ای داشته باشند که سیگنال فقط در صورتی ارسال شود که سیگنال کل از آن آستانه عبور کند. به طور معمول ، نورون ها به صورت لایه ها جمع می شوند. لایه های مختلف ممکن است تغییرات متفاوتی را بر روی ورودی های خود انجام دهند.

برخی از کاربرد های شبکه های عصبی مصنوعی عبارتند از :

تشخیص دستخط : ایده تشخیص دستخط به دلیل محبوبیت دستگاه هایی مثل palm pilot ، بسیار مهم شده است. از این رو، می توانیم از شبکه های عصبی برای تشخیص حروف دست نویس استفاده کنیم.

مسئله فروشنده دوره گرد : شبکه های عصبی می‌توانند مسئله فروشنده دوره گرد را با درجه ی خاصی از تقریب حل کنند.

فشرده سازی تصویر : اطلاعات بسیار زیادی به یکباره توسط شبکه های عصبی دریافت و پردازش می شوند. این خصوصیت دلیل کارایی آن ها در فشرده سازی تصویر می باشند. با فراگیری اینترنت و سایت هایی که حاوی تصاویر زیادی هستند، استفاده از شبکه های عصبی برای فشرده سازی تصویر بسیار ارزشمند است.

پیش بینی بازار بورس : تجارت روزانه بازار سهام بسیار پیچیده است. عوامل زیادی در اینکه آیا یک سهام مشخص ، در یک روز معین بالا یا پایین می رود ، اهمیت دارند. بنابراین ، شبکه های عصبی می توانند بسیاری از اطلاعات را به روشی سریع بررسی کرده و همه آن ها را مرتب کنند. لذا می توانیم از آن ها برای پیش بینی قیمت سهام استفاده کنیم.