ronak60
خوب داره پيش ميره
پست: 81
عضو شده در: 8 اسفند 1388
محل سکونت: ساوه
امتياز: 902
|
عنوان: پاسخ به «لطفاً کمکم کنید...!(همه بخونن)» |
|
|
شبکه عصبی چیست؟
شبکههای عصبی را میتوان با اغماض زیاد، مدلهای الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدلهای الکترونیکی شبکههای عصبی طبیعی نیز بر اساس همین الگو بنا شدهاند و روش برخورد چنین مدلهایی با مسائل، با روشهای محاسباتی که بهطور معمول توسط سیستمهای کامپیوتری در پیش گرفته شدهاند، تفاوت دارد. میدانیم که حتی سادهترین مغزهای جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل میشوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونهای از مواردی هستند که روشهای معمول محاسباتی برای حل آنها به نتیجه مطلوب نمیرسند. درحالیکه مغز سادهترین جانوران بهراحتی از عهده چنین مسائلی بر میآید. تصور عموم کارشناسان IT بر آن است که مدلهای جدید محاسباتی که بر اساس شبکههای عصبی بنا میشوند، جهش بعدی صنعت IT را شکل میدهند. تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگوها (pattern) ذخیره میکند. فرآیند ذخیرهسازی اطلاعات بهصورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل میدهند. این حوزه از دانش محاسباتی (computation) به هیچ وجه از روشهای برنامهنویسی سنتی استفاده نمیکند و بهجای آن از شبکههای بزرگی که بهصورت موازی آرایش شدهاند و تعلیم یافتهاند، بهره میجوید.
یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN) ) ایدهای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات میپردازد. عنصر کلیدی این ایده، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته تشکیل شده (neurons) که برای حل یک مسأله با هم هماهنگ عمل میکند. ANNها، نظیر انسانها، با مثال یاد میگیرند. یک ANN برای انجام وظیفهای مشخص ، مانند شناسایی الگوها و دستهبندی اطلاعات، در طول یک پروسه یاد گیری، تنظیم میشود. در سیستمهای زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است. این روش ANNها هم میباشد.
سابقه تاریخی
به نظر میآید شبیه سازیهای شبکه عصبی یکی از پیشرفتهای اخیر باشد. اگرچه این موضوع پیش از ظهور کامپیوترها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است.
خیلی از پیشرفتهای مهم با تقلیدها وشبه سازیهای ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه، یک دورهی بیمیلی و بدنامی راهم پشت سر گذاشته است. در طول این دوره سرمایه گذاری و پشتیبانی حرفهای از این موضوع در پایینترین حد خود بود، پیشرفتهای مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت. که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کنندهای بپردازند که خیلی برجستهتر از محدودیت هایی بود که توسط Minsky وPapert شناسانده شد. Minsky وPapert، کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی را جع به میزان محرومیت شبکههای عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزیه و تحلیلهای بیشتر پذیرفته شد. هم اکنون، زمینه تحقیق شبکههای عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت میبرد.
اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نلمWarren McCulloch ویک منطق دان به نام Walter Pits ساخته شد. اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد.
شبکههای عصبی در مقابل کامپیوترهای معمولی
شبکههای عصبی نسبت به کامپیوترهای معمولی مسیر متفاوتی را برای حل مسئله طی میکنند. کامپیوترهای معمولی یک مسیر الگوریتمی را استفاده میکنند به این معنی که کامپیوتر یک مجموعه از دستور العملها را به قصد حل مسئله پی میگیرد. بدون اینکه، قدمهای مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئلهی کامپیوترهای معمولی را به مسائلی، محدود میکند که ما قادر به درک آنها هستیم و میدانیم چگونه حل میشوند. اما اگر کامپیوترها میتوانستند کار هایی را انجام دهند که ما دقیقا نمیدانیم چگونه انجام دهیم، خیلی پر فایدهتر بودند.
شبکههای عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام میدهد پردازش میکنند. آنها از تعداد زیادی از عناصر پردازشی (سلول عصبی) که فوق العاده بهم پیوستهاند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار میکنند. شبکههای عصبی با مثال کار میکنند و نمیتوان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثالها میبایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف میشود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف میکند که چگونه مسئله را حل کند، عملکرد آن غیر قابل پیش گویی است.
از طرف دیگر، کامپیوترهای معمولی از یک مسیر مشخص برای حل یک مسئله استفاده میکنند. راه حلی که مسئله از آن طریق حل می شود باید از قبل شناخته شود و به صورت دستورات کوتاه و غیر مبهمی شرح داده شود. این دستورات سپس به زبا نهای برنامه نویسی سطح بالا برگردانده میشود و بعد از آن به کدهایی که کامپیوتر قادر به درک آنها است تبدیل میشود. به طور کلی این ماشینها قابل پیش گویی هستند و اگر چیزی به خطا انجام شود به یک اشتباه سختافزاری یا نرمافزاری بر میگردد.
شبکههای عصبی و کامپیوترهای معمولی با هم در حال رقابت نیستند بلکه کامل کننده یکدیگرند. وظایفی وجود دارد که بیشتر مناسب روشهای الگوریتمی هستند نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکههای عصبی هستند. حتی فراتر از این، مسائلی وجود دارد که نیازمند به سیستمی است که ازتر کیب هر دو روش بدست میآید (بطور معمول کامپیوترهای معمولی برای نظارت بر شبکههای عصبی به کار گرفته میشوند) به این قصد که بیشترین کارایی بدست آید.
شبکههای عصبی معجزه نمیکنند اما اگر خردمندانه به کار گرفته شوند نتایج شگفت آوری را خلق میکنند.
چرا از شبکههای عصبی استفاده میکنیم؟
شبکههای عصبی، با قابلیت قابل توجه در استنتاج معانی از دادههای پیچیده یا مبهم، برای استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیکهای کامپیوتری بسیار پیچیده و دشوار است به کار گرفته میشوند. یک شبکه عصبی تربیت یافته میتواند به عنوان یک متخصص در مقوله اطلاعاتیای که برای تجزیه تحلیل به آن داده شده به حساب آید. از این متخصص میتوان برای بر آورد وضعیتهای دخواه جدید و جواب سؤالهای " چه میشد اگر " استفاده کرد.
مزیتهای دیگر آن شامل موارد زیر میشود:
1. یادگیری انطباق پذیر: قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده شده برای تمرین وتجربههای مقدماتی.
2. سازماندهی توسط خود: یک ANN میتواند سازماندهی یا ارائهاترا، برای اطلا عاتی که در طول دوره یادگیری در یافت میکند، خودش ایجاد کند.
3. عملکرد بهنگام (Real time) : محاسبات ANN میتواند بصورت موازی انجام شود، و سختافزارهای مخصوصی طراحی و ساخته شده است که میتواند از این قابلیت استفاده کند.
4. تحمل اشتباه بدون ایجاد وقفه در هنگام کد گذاری اطلاعات: خرابی جزئی یک شبکه منجر به تنزل کارایی متناظر با آن میشود اگر چه تعدادی از قابلیتهای شبکه ممکن است حتی با خسارت بزرگی هم باقی بماند.
کاربردهای شبکههای عصبی:
سیستم آنالیز ریسک
کنترل هواپیما بدون خلبان
ردیابی انحراف هواپیما
شبیهسازی مسیر
سیستم راهنمایی اتوماتیک اتومبیل
سیستمهای بازرسی کیفیت
آنالیز کیفیت جوشکاری
پیش بینی کیفیت
آنالیز کیفیت کامپیوتر
آنالیز عملیاتهای آسیاب
آنالیز طراحی محصول شیمیایی
آنالیز نگهداری ماشین
پیشنهاد پروژه
مدیریت و برنامه ریزی
کنترل سیستم فرایند شیمیایی و دینامیکی
طراحی اعضای مصنوعی
بهینهسازی زمان پیوند اعضا
کاهش هزینه بیمارستان
بهبود کیفیت بیمارستان
آزمایش اتاق اورژانس
اکتشاف روغن و گاز
کنترل مسیر در دستگاههای خودکار , ربات , جراثقال
سیستمهای بصری
تشخیص صدا
اختصار سخن
کلاسهبندی صوتی
آنالیز بازار
سیستمهای مشاورهای محاسبه هزینه موجودی
اختصار اطلاعات و تصاویر
خدمات اطلاعاتی اتوماتیک
مترجم لحظهای زبان
سیستمهای پردازش وجه مشتری
سیستمهای تشخیص ترمز کامیون
زمانبندی وسیله نقلیه
سیستمهای مسیریابی
کلاسهبندی نمودارهای مشتری/بازار
تشخیص دارو
بازبینی امضا
تخمین ریسک وام
شناسایی طیفی
ارزیابی سرمایه
کلاسهبندی انواع سلولها , میکروبها و نمونه ها
پیش بینی فروشهای آینده
پیش بینی نیازهای محصول
پیش بینی وضعیت بازار
پیش بینی شاخصهای اقتصادی
پیش بینی ملزومات انرژی
پیش بینی واکنشهای دارویی
پیش بینی بازتاب محصولات شیمیایی
پیش بینی هوا
پیش بینی محصول
پیش بینی ریسک محیطی
پیش بینی جداول داوری
مدل کردن کنترل فرآیند
آنالیز فعالیت گارانتی
بازرسی اسناد
تشخیص هدف
تشخیص چهره
انواع جدید سنسورها
دستگاه کاشف زیر دریایی بوسیله امواج صوتی , رادار
پردازش سیگنالهای تصویری شامل مقایسه اطلاعات
پیگیری هدف
هدایت جنگافزارها
تعیین قیمت وضعیت فعلی
جلوگیری از پارازیت
شناسایی تصویر /سیگنال
چیدمان یک مدار کامل
بینایی ماشین
مدل کردن غیر خطی
ترکیب صدا
کنترل فرآیند ساخت
آنالیز مالی
پیش بینی فرآیندهای تولید
ارزیابی بکارگیری یک سیاست
بهینهسازی محصول
تشخیص ماشین و فرآیند
مدل کردن کنترل سیستمها
مدل کردن ساختارهای شیمیایی
مدل کردن سیستمهای دینامیکی
مدل کردن سیگنال تراکم
مدل کردن قالبسازی پلاستیکی
مدیریت قراردادهای سهام
مدیریت وجوه بیمه
مدیریت سهام
تصویب چک بانکی
اکتشاف تقلب در کارت اعتباری
ثبت نسیه
بازبینی امضا از چکها
پیش بینی ارزش نسیه
مدیریت ریسک رهن
تشخیص حروف و اعداد
تشخیص بیماری |
|