Upload
yosser-atassi
View
28
Download
2
Embed Size (px)
Citation preview
العصبونية الشبكاتNeural Networks
Yosser ATASSI
المخطط
مقدمة•الطبيعية • العصبية الشبكاتاالصطناعية • العصبية الشبكات مكوناتاالصطناعية • العصبية الشبكات تطبيقات•) معايير ) االصطناعية العصبية الشبكات تصنيف
Introduction
• Neural networks systems are parameterized computational nonlinear algorithms for numerical processing of data )signals, images, stimuli(.
• These algorithms can be either implemented of a general-purpose computer or built into a dedicated hardware.
• Knowledge is acquired by the network/system through a learning process.
• The acquired knowledge is stored in internal parameters )weights(.
IntroductionSome tasks can be done easily by humans but are hard by conventional
paradigms on Von Neumann machine with algorithmic approach.
1- Face Recognition Problem : We are interested in building a systemthat recognizes all the individuals in our office )or apartment complex,factory, etc(. We want our neural network to learn the faces and namesof our members so that when it receives an image from a video-cameraof one of our members, it can say who it is.
2- Market Research Problem : We are the owners of a large computerfactory. From the past sales, we have records of each computer’sstorage, memory and processor, and price. We also knowhow many of each type of computer we sold. We provide the records toour neural network. We now want to know what is the relationshipbetween the computer’s various criteria and the amount sold.
What is the nature of these problems ?
What is the nature of these problems ? )Continue(
So what are Neural Networks ?
الطبيعية العصبية الشبكاتBiological Neural Networks
• : العصبية الخاليا من مجموعة االنسان neuronدماغ•. - بالمعلومات االحتفاظ يمكن العصبية الخاليا تموت الالخاليا • خلية 1014عددالعصبية 100• الخاليا من نوعالشبكات • تسمى مجموعات في Networksتنتشرالتداخل • الشديدة العصبية الخاليا من مئات عدة تحتوي مجموعة كل
Interconnected
processing elements
element size
energy use processing speed
style of computation
fault tolerant
learns intelligent, conscious
1014
neuron
10-6 m 30 W 100 Hz parallel, distributed
yes yes usually
108
transistors 10-6 m 30 W
(CPU) 109 Hz serial
centralized no a little not (yet)
االصطناعية العصبية الشبكات مكوناتNeural Networks Artificial )NNA(
Components
•. الطبيعية العصبية الشبكة يحاكي نموذجالمتوازية :• المعالجة المعالجة أسلوب عناصر
Processing elements.في • المعالجة عناصر لتشكل Layersطبقات تجمع
.الشبكة• – ) طبقة: – ) خفية طبقات طبقة االدخال طبقة نميز
االخراج.خام: المدخالت• من raw dataبيانات مخرجات أو
أخرى معالجة عناصرلعنصر: المخرجات• مدخل أو للمسألة النهائية النتيجة
. آخر معالجة
االصطناعية العصبية الشبكة طبقات
المعالجة عنصر
المعالجة عنصرProcessing Element
مميزة: Inputs المدخالت• صفة يمثل مدخل attributeكلالمسألة: Outputالمخرجات• حل. Weights األوزان• االصطناعية: العصبية الشبكة في الرئيسي العنصر
. المعالجة عنصر إلى مدخل لكل النسبية األهمية يعبرعنالجمع • إلى: Summation دالة المدخالت لكل المتوسط الوزن حساب
المعالجة عنصر
iji
ij WXy
االنتقال • مستوى: Transfer function دالة لها عصبية خلية كلبناء . Activation levelاستثارة المستوى بحساب الجمع دالة تقوم
. ال أو الخلية من خارجة قيمة هناك تكون المستوى هذا علىدالة باستخدام تمثل الخارجة والقيمة المستوى بين العالقة
: مثال االنتقالjyjt
eY
1
1
المعالجة عنصرProcessing Element )Example(
المعالجة عنصرProcessing Element
االصطناعية: Learningالتعلم • العصبية الشبكة تتعلم. أخطائها من
الصحيحة 1. اإلجابات مع ومقارنتها المخرجات .حساب
األوزان 2. تعديل
.3. المعالجة إعادة
• . حسب لألوزان عشوائية قيم بوضع المعالجة تبدأو ) الحقيقية المخرجات بين الفرق االنحراف قيمة
. ) األوزان تعديل يتم المطلوبة المخرجاتالحقيقية = 0االنحراف= • المخرجات عندما
المطلوبة المخرجات
االصطناعية العصبية الشبكة تطبيقاتNNA Applications
األشكال • على الصوت) , Pattern Recognitionالتعرفالصورة (
( Classification التصنيف• الصور)المشوشة • أو المنقوصة المدخالت incompleteمعالجة
inputs.) , اآللي ) التحكم المرضي التشخيص( Generalizationالتعميم • - نص ) ترجمة الحية اللغات)Learning )roboticالتعليم •الخبيرة • (expert systemالنظم المالية ) التطبيقاتللقرار • المساعدة Decision Support Systemsالنظم
االصطناعية العصبية الشبكات تصنيف Classification of Neural Networks Artificial
ترابطي • نظام االصطناعية العصبية الشبكةبعضها . مع تترابط معالجة عناصر من يتكون
] محددا ] معماريا ] شكال لتأخذ البعض•: التالية للخصائص ] طبقا الشبكات تصنف
الشبكة 1. طبولوجيا
المعلومات 2. تذكر عملية طبيعة
المدخالت 3. طبيعة
الوحدات 4. تلك من االستثارة انتشار طبيعةوالروابط
التعلم 5. طريقة
الشبكة طبولوجيا
تذكرالمعلومات عملية طبيعة
كيفية • تمثل التي الرياضية الدالة طبيعة يتوقف المعلومات تذكرمعالجة عنصر .استثارة
• : عنصر استثارة قاعدة من الدالة weighted summation)تتكونfunction) +العتبة الدالة ( node function)شكل
•: االستثارة قواعد أبسط
jiji
ij tWYZ *
Zj :للعنصر الكلي المدخل للشبكة jالتأثير المكونة للعناصر المجمع التأثير أوالعنصر jعلى
Yi :العنصر خرجه iاستثارة أو
Wij :العنصرين بين الترابط i,jوزن
tj :للعنصر اإلخراج دالة أو االستثارة مطلوب ( jعتبة الطاقة من قدر أقل)الستثارته
Weighted Summation Function
Node Function
المدخالت طبيعة
ثنائية – 0,1مدخالتالقطب – ثنائية -1, 1مدخالتأخرى – 12.4, 10مدخالت
عبر االستثارة انتشار طبيعة حسبالطبقات
متقدمة • تغذية تحوي Feed Forwardشبكات الحلقة
الراجعة • التغذية يمكن Feed Backشبكاتمعالجة لعناصر مدخالت تكون أن للمخرجات
الذاتي • الترابط Auto Associationشبكاتمدخالت ) تستقبل مزدوج دور لها العناصر جميع
) مخرجات وتبث
التعلم طريقة
الموجه • تملك supervised learningالتعلموتصحح ) ( المطلوب والخرج الدخل من ازواج
المطلوب الخرج حسب األوزانالموجه • غير unsupervised learningالتعلم
الهامة الخصائص إيجاد وعليها الدخل فقط تملكالدخل لمعطيات