واضح آرشیو وب فارسی:فان پاتوق: <table id="Table1" align="right" border="0" cellpadding="1" cellspacing="1" width="100%"><tbody><tr><td align="center">شبكه عصبي مصنوعي</td><td align="right">
</td></tr><tr><td class="NormalBold">
</td><td align="right">
</td></tr><tr><td class="NormalBold">
</td><td align="right">
</td></tr><tr><td colspan="2">شبكه.هاي عصبي مصنوعي تنها بخش كوچكي از ويژگي.هاي شبكه.هاي عصبي زيستي (طبيعي) را شبيه.سازي مي.كنند. در واقع از ديد متخصصان اين رشته هدف از ايجاد يك شبكه.ي عصبي نرم.افزاري ايجاد يك سازوكار براي حل مسايل مهندسي با الهام از الگوي رفتاري شبكه.هاي زيستي است.
<table style="WIDTH: 100%" bgcolor="#fff2f2"><tbody><tr><td>آيا تاكنون به فرآيند فكر كردن خود فكر كرده.ايد؟ يا اين.كه چه.طور چيز جديد ياد مي.گيريد؟ يا حتا اين.كه چه.طور مي.توانيد بعد از گذشت چند سال چهره.ي هم.كلاسي.ها.ي دبستان خود را بشناسيد؟ يا چه.طور مي.توانيد دست.خط آدم.هاي مختلف با تمام تفاوت.هاي ميان خط.هايشان را به.راحتي بخوانيد؟(البته به.جز دست.خط پزشك.ها!)
</td></tr></tbody></table>
پاسخ تمام اين پرسش.ها در نحوه.ي كاركرد مغز نهفته است. قدرت شگفت.انگيز مغز به.خاطر وجود تعداد زيادي
نُرُن (Nuron) در آن و ارتباط ميان نُرُن.ها است. اين نُرُن.ها اصولاً با سازوكارهاي الكتروشيميايي اطلاعات را منتقل مي.كنند.
مغز انسان حدود 10 ميليارد سلول عصبي (نُرُن) دارد. هر نُرُن با ديگر نُرُن.ها به.طور ميانگين از طريق 10000 سيناپس(synapses) ارتباط دارند. شبكه.ي سلول.هاي عصبي در مغز يك سامانه.ي بزرگ پردازش اطلاعات موازي تشكيل مي.دهند. اين بر خلاف نحوه..ي كاركرد رايانه.هاست كه در آن.ها يك پردازش.گر به.طور منفرد مجموعه.اي از دستور.العمل.ها را انجام مي.دهد.
<table style="WIDTH: 100%" border="1" cellpadding="5" cellspacing="0"><tbody><tr bgcolor="#c0504d"><td>
</td><td>هوش.مند</td><td>آموزش پذير </td><td>روش محاسبه </td><td>سرعت پردازش </td><td>انرژي مصرفي </td><td>اندازه.ي عنصر </td><td>عناصر پردازش.گر </td></tr><tr bgcolor="#efd3d2"><td bgcolor="#c0504d">
</td><td>اغلب </td><td>بله </td><td>موازي،توزيعي</td><td>100هرتز </td><td>30 وات </td><td><sup>6 -</sup>10 متر</td><td>10<sup>14</sup>سيناپس </td></tr><tr bgcolor="#efd3d2"><td bgcolor="#c0504d">
</td><td>تاكنون نه </td><td>بسيار كم </td><td>متوالي،مركزي</td><td>10<sup>9</sup> هرتز </td><td>30 وات(cpu) </td><td><sup>6 -</sup>10 متر</td><td>10<sup>8</sup> ترانزيستور </td></tr></tbody></table>
همان.طور كه كامپيوتر براي پردازش اطلاعات از روش پردازش .اطلاعات در حافظه.ي انسان مدل برداري كرد، فناوري نوين شبكه.هاي عصبي مصنوعي ساختار محاسباتيِ موازي مغز او را مدل مي.كند.
درسال 1943 دو پژوهش...گر به. نام.هاي وارن مك كالچ Waren Mc Culloch و والتر پيتز Waltter Pitts مقاله.اي در مورد شبكه.هاي عصبي نوشتند. اين مقاله نخستين جرقه.ي طراحي شبكه.هاي عصبي مصنوعي بود.
از آن زمان تاكنون انواع گوناگوني از شبكه.ها به.وجود آمده.اند ولي همه.ي آن.ها در دو چيز مشترك.اند: مجموعه.اي از گره.ها و رابطه.هاي ميان گره.ها. گره.ها مي.توانند به عنوان واحدهاي محاسبات در نظر گرفته شوند. ورودي.ها به آن.ها وارد مي.شوند و پردازش مي.شوند تا در نهايت يك خروجي به.دست آيد. اين پردازش.ها ممكن است بسيار ساده باشند (مانند جمع زدن ورودي.ها) يا كاملاً پيچيده باشند (يك گره شامل يك شبكه.ي ديگر باشد...). رابطه.هاي ميان گره.ها اطلاعات جاري ميان گره.ها را تعيين مي.كنند. تعامل ميان گره.ها به.وسيله.ي اين رابطه.ها منجر به يك رفتار سراسري در شبكه مي.شود كه آن.را برآيند مي.نامند(چيزي شبيه كاركرد شبكه.ي عصبي مغز!).
نُرُن.هاي زيستي پيام. (سيگنال.).هايي از ميان سيناپس.هايي كه روي دندريت.ها يا روي غشاي سلول عصبي جاي. گرفته.اند، دريافت مي.كنند. وقتي كه .پيام.هاي دريافتي به.اندازه.ي.كافي قوي باشند (يعني از يك حد آستانه قوي.تر باشند.) نُرُن فعال مي.شود يك پيام به اكسون مي.فرستد. اين پيام به سيناپس ديگري فرستاده مي.شود و نُرُن ديگري را فعال مي.كند.
شبكه.هاي عصبي مصنوعي تنها بخش كوچكي از ويژگي.هاي شبكه.هاي عصبي زيستي (طبيعي) را شبيه.سازي مي.كنند. در واقع از ديد متخصصان اين رشته هدف از ايجاد يك شبكه.ي عصبي نرم.افزاري ايجاد يك سازوكار براي حل مسايل مهندسي با الهام از الگوي رفتاري شبكه.هاي زيستي است.
<table align="left"><tbody><tr><td>
</td></tr></tbody></table>ساختار نُرُن.هاي مدل.شده خيلي ساده.تر از مشابه طبيعي.شان است. آن.ها اساساً شامل ورودي.هايي (مانند سيناپس) هستند كه در وزن نُرُن ضرب مي.شوند (قدرت هر سيگنال). وسپس به.وسيله.ي يك تابع رياضي كه فعاليت نُرُن را تعيين مي.كند محاسبه مي.شوند. تابع ديگري (كه ممكن است تابع هماني باشد) خروجي.هاي نُرُن مصنوعي را محاسبه مي.كنند. در نهايت براي پردازش اطلاعات شبكه.هاي عصبي نتايج نُرُن.هاي مصنوعي را با هم تلفيق مي.كنند.
هرچه قدرت ورودي بيشتر باشد وزن نُرُن مصنوعي بيشتر خواهد بود و برعكس. با تغيير و درنهايت تعديل وزن.هاي يك سلول عصبي مي.توانيم براي يك ورودي.ِ مشخص، خروجيِ دل.خواه را به.دست.آوريم. ولي وقتي شبكه.ي عصبي شامل صدها يا هزاران نُرُن باشد تغيير وزن نُرُن.ها بدون ابزار. بسيار پيچيده و شايد ناممكن باشد. فرآيند تطبيق وزن.ها آموزش يا يادگيري ناميده مي.شود. شبكه.هاي مصنوعي و كاربرد.هاي آن.ها بسيار متنوع است. تفاوت ميان آن.ها از تفاوت ميان توابع آن.ها، مقادير پذيرفته شده، توپولوژي، و الگوريتم يادگيري و... ناشي مي.شود.
شبكه.ها در مسايل متنوعي از شناخت الگوي فكر كردن گرفته تا تفسير توالي نوكلئوتيدها، طبقه.بندي سرطان.ها ، پيش.بيني ژنتيك و حتا در تحليل داده.هاي استخراج نفت و هواشناسي به.كار مي.آيند.
شبكه.ها براي مدل.سازي طيف گسترده.اي از پديده.ها در فيزيك، علوم كامپيوتر، بيوشيمي، كردارشناسي (Ethology)، رياضي، جامعه.شناسي، اقتصاد، ارتباط.هاي دور.برد، و بسياري ديگر از زمينه.ها استفاده مي.شود. استفاده.ي گسترده از اين زمينه.ي جديد دانش و فناوري به اين دليل است كه به بسياري از سامانه.ها مي.توان به .مثابه يك شبكه نگريست. پروتئين.ها، كامپيوتر.ها، جوامع و ... نمونه.هايي از اين سامانه.ها هستند. كمي. فكر كنيد. چه سامانه.هاي ديگري را مي.توانيد به عنوان شبكه نام ببريد؟ چرا؟
<table style="WIDTH: 375px; HEIGHT: 21px" bgcolor="#cbc796"><tbody><tr><td>سامانه.هاي عصبي كجا به كار مي.آيند؟</td></tr></tbody></table>
- جايي كه نمي.توانيم يك راه.حل را به صورت الگوريتم فرمول.بندي كنيم.
- جايي كه تنها مي.توانيم مثال.هاي متعدد ومتنوعي از رفتاري كه نيازمنديم به.دست.آوريم.
- وقتي كه نياز داريم كه ساختار را از داده.هاي موجود انتزاع كنيم.
- درحل مسايلي كه شامل اطلاعات و ورودي.هاي ناقص يا نادرست هستند.
برخي از كاربردهاي مهم اين زمينه از دانش و فناوري در ادامه مي.آيد. در اغلب اين كاربردها ممكن است الگوريتمي ناشناخته براي حل مسئله وجود داشته باشد يا اين.كه متغيرهاي زيادي داشته باشد. در هر حال به.تر است كه اجازه دهيم شبكه آن را از طريق مثال بياموزد!
<table style="WIDTH: 100%" border="1" cellpadding="5" cellspacing="0"><tbody><tr><td bgcolor="#dfd8e8">پردازش علايم: شامل ريخت.شناسي و تجزيه وتحليل علايم مربوط به زمين.لرزه.ها</td></tr><tr><td bgcolor="#bfb1d0">شناسايي الگوها (Pattern recognition): شامل تشخيص چهره، اثر انگشت، تشخيص نوع صدا و نوع صحبت كردن، دست.خط و...
به.عنوان مثال از اين سازوكار در بانك.ها در مقايسه.ي امضاي شخص مراجعه كننده براي دريافت وجه از يك حساب و امضايي كه در پرونده.ي حساب ثبت شده.است استفاده مي.شود. اين يكي از نخستين كاربردهاي فراگير تراشه.هاي شبكه.هاي عصبي است.
</td></tr><tr><td bgcolor="#dfd8e8">پزشكي(Medicine): در تجزيه وتحليل وتشخيص علايم دست.گاه ضربان.نگار قلب (الكتروكارديوگراف)، ونيز شبكه.ي آموزش.ديده.اي كه مي.تواند بيماري را تشخيص دهد و حتا دارو نيز تجويز كند.
</td></tr><tr><td bgcolor="#bfb1d0">كاربردهاي تجاري: انجام هرگونه تصميم.گيري كه در دنياي تجارت به .سهولت انجام .پذير نيست، مثلاً تصميم.گيري.هايي كه نياز به اطلاعات وسيعي در محدوده.ي هدف مورد نظر دارند. مثلاً در تلاش براي پيش.بيني نوسانات سهام ازروي اطلاعات قبلي در بورس از شبكه.ها به.وفور استفاده مي.شود.
</td></tr><tr><td bgcolor="#dfd8e8">هوش مصنوعي: بسياري از كارشناسان هوش مصنوعي معتقدند شبكه.ها.ي عصبي مصنوعي بهترين وشايد تنها اميد طراحي يك ماشين هوش.مند هستند.
</td></tr><tr><td bgcolor="#bfb1d0">فشرده.كردن اطلاعات تصويري براي كاهش حجم اطلاعات</td></tr><tr><td bgcolor="#dfd8e8">حذف نُفه (Noise) در خطوط مخابراتي</td></tr><tr><td bgcolor="#bfb1d0">سيستم.هاي نظامي: شامل رديابي مين.هاي زيردريايي، حذف صداهاي ناهنجار در سيستم.هاي رديابي رادارها و...</td></tr><tr><td bgcolor="#dfd8e8">در ساخت و بهره.برداري سازه.هاي ساختماني: به دليل سرعت زياد شبكه.هاي عصبي در پردازش و تحليل داده.ها زمان مورد نياز براي كشف سازه.ي بهينه كاهش مي.يابد.
</td></tr><tr><td bgcolor="#bfb1d0">در بازاريابي: شبكه.ها براي فروش بيشتر و گزيده.تر در تبليغات اينترنتي استفاده مي.شوند.</td></tr><tr><td bgcolor="#dfd8e8">در ديده.باني و بررسي (In Monitoring) : به.عنوان مثال با بررسي ترازهاي صوتي كه از فضاپيماها مخابره مي.شود خطر.هاي پيش روي فضاپيما پيش.بيني مي.شود. اين روش در ريل.ها براي بررسي صداهاي توليد شده از موتورهاي ديزلي نيز آزموده شده است.
</td></tr></tbody></table>
</td></tr></tbody></table>
این صفحه را در گوگل محبوب کنید
[ارسال شده از: فان پاتوق]
[تعداد بازديد از اين مطلب: 1099]