تويت
الشبكات العصبونية
الشبكات العصبونية الصنعية Neural Networks هي نماذج تحاكي الشبكات العصبونية الطبيعية، وتستخدم في عملها عدداً من الطرائق الأساسية المستخدمة في المنظومات العصبية الطبيعية بمساعدة برمجيات المحاكاة وطرق المعالجة التفرعية.
تتألف الشبكة العصبونية من عناصر معالجة تسمى عصبونات صنعية، تناظر الخلايا العصبية الطبيعية، ومتصلة في شبكة.
لمحة تاريخية:
قاد علم العصبونات الباحثين إلى بناء نماذج رياضية تحاكي سلوك العصبونات متمثلةً بالشبكات العصبونية الصنعية. تعود هذه الفكرة إلى عام 1940 عندما قَدَّم ماكولوش McCulloch وبيتس Pitts أول نموذج تجريدي للخلية العصبية. وقد وضع هيب Hebb قانون التعلّم Learning law في عام 1949، شرح فيه كيفية تعلّم الخلايا العصبية. ووضع روسنبلات Rosenblat في عام 1950خوارزمية تعلم البيرسبترونPerceptron.
طور كونن Kohonen عام 1977نماذج الذاكرة المترابطة، وطبق هوبفيلد Hopfieldعام 1982 فكرة تصغير الطاقة في الفيزياء على الشبكات العصبونية. وقدم هينتونHinton وسيجنوسكي Sejnowski وآكليAckley في المدة 1983ـ1984 آلة بولتزمانBoltzman.
وضعت خوارزمية الانتشار التراجعيBack Propagation في عامي 1985 و1986، مما فتح المجال واسعاً أمام البيرسبترون متعدّد الطبقات Multi Layer Perceptronنحومزيد من التطور. وقد أدى هذا التطور إلى استخدام مفهوم الشبكات العصبونية في العديد من المجالات المتقدمة.
مبدأ عمل الشبكات العصبونية الصنعية
تستقبل العصبونات مداخل تناظر النبضات الكهروكيمياوية التي تستقبلها النهايات العصبية في الخلية الطبيعية، وتناظر مخارج العصبون الصنعي الإشارات الخارجة من الخلية الطبيعية عن طريق المحور العصبي، فتؤدي بعض المداخل إلى تحريض العصبون وأخرى تميل إلى إخماده. وعندما يتجاوز تراكم التأثير مستوى العتبة، يتحرَّض العصبون ويرسل إشارات إلى عصبونات أخرى فيتحدد مستوى التحريض بمجموع المداخل المثقّلة حسب العلاقة:
تُمثَل الشبكة العصبونية كما هو مبين في الشكل رقم (1) بمجموعة عقد وارتباطات، وتشير العقدة إلى العصبون بينما تشير الأسهم إلى الارتباطات التي تمر عبرها الإشارات بين العصبونات.
تحل الشبكات العصبونية المشكلات بالتعلّم الذاتي والتنظيم الذاتي، وتستمد ذكاءها من سلوك ارتباط الوحدات الحسابية البسيطة في عصبونات متعددة.
خصائص الشبكات العصبونية الصنعية:
يتطلب بناء الشبكة العصبونية الصنعية تحديد طوبولوجيا [ر: الطبولوجية] الشبكة وخصائص العقد،وتحديد ديناميكية المنظومة.
طوبولوجيا الشبكة:
تشير طوبولوجيا الشبكة إلى الإطار العام لمخطط الارتباط الداخلي الذي يُحدّد بعدد الطبقات وعدد العقد في الطبقة الواحدة، توجد عادة في الشبكات العصبونية طبقات ثلاث هي: طبقة الدخل، والطبقة المخفية، وطبقة الخرج.
تُصنّف الشبكات العصبونية وفقاً لمخطط الارتباط الداخلي في:
ـ شبكات تغذية أمامية: يكون لارتباطاتها الاتجاه نفسه من وحدات الدخل إلى وحدات الخرج. ويبين الشكل رقم (2) أمثلة على شبكات تغذية أمامية.
ـ شبكات عودية: تحتوي على ارتباطات راجعة أو حلقات. ويبين الشكل رقم (3) أمثلة على شبكات عودية.
كما يمكن أن تكون الارتباطات في الشبكة العصبونية متناظرة أو غير متناظرة، إلا أن جميع هذه الارتباطات توزّن بعواملweight factors يمكن ضبطها في أثناء تعلّم الشبكة.
خصائص العقد:
تكون مستويات تحريض العقد إما قيماً متقطعة وإما قيماً مستمرة، ويعتمد ذلك على تابع التحويل المختار. فتأخذ مثلاً مستويات التحريض في حالة تابع الحد الفاصل Hard-Limiting شكل (4 ـ أ) إحدى القيمتين إما 0 أو1، وفي تابع التحويل (الإشارة) Sign Function (الشكل 4 ـ ب) إحدى القيمتين إما 1 و-1، وفي تابع التحويل Sigmoid Function(الشكل 4 ـ ج) مجالاً مستمراً [0,1] وفقاً للعلاقة الآتية:
دينامية المنظومة
تتحقق دينامية الشبكات العصبونية بقدرتها على التعلّم،وذلك بتعديل أوزان ارتباطاتها الداخلية. وتتعلم أغلب الشبكات بنوعين من أنواع خوارزميات التعلّم هي:
التعلّم المراقب: تضبط قوة الارتباطات الداخلية ووزنها بحسب الفرق بين مخارج الشبكة المطلوبة التي تحدد من قبل المراقب،والمخارج الفعلية من أجل دخل معين.
التعلّم غير المراقب: لا تتطلب هذه الخوارزميات مخارج هدف. تُقدم نماذج دخل إلى الشبكة العصبونية التي تقوم بضبط أوزان ارتباطاتها آلياً لتجميع نماذج الدخل في مجموعات حسب تشابهها.
د ـ أنواع الشبكات العصبونية:
يمكن تصنيف الشبكات العصبونية في النماذج الآتية:
نماذج التصنيف: تستخدم لتصنيف معطيات الدخل في صنف من عدد محدد من الأصناف، يدخل ضمن هذا النوع من النماذج الشبكات الآتية: البيرسبترون وحيد الطبقةSingle-Layer Perceptron، والبيرسبترون متعدد الطبقات Multi-layer Perceptron،والعنصر الموائم الخطي Adaptive Linear Element.
نماذج الترابط: تستخدم من أجل استرجاع عنصر ما اعتماداً على جزء من العنصر نفسه أوباستخدام عنصر آخر. يدخل ضمن هذه النماذج شبكات هوبفيلد Hopfield Networks والذواكر المترابطة Associative Memories.
نماذج الأمثَلة: من أجل إيجاد أفضل الحلول الممكنة لمسألة ما، وذلك تحت شروط معينة. ومن الشبكات العصبونية المستخدمة في تطبيقات نماذج الأمثلة: شبكات هوبفيلد، وآلات بولتزمان Boltzmann machines.
نماذج الترتيب الذاتي: ترتب المعطيات المدخلة باستخدام قدرات التعلم التنافسي، ويدخل ضمنها شبكات كونن Kohonen Networks.
هـ ـ تطبيقات الشبكات العصبونية:
للشبكات العصبونية تطبيقات فعالة وجيدة في مجالات هندسية وعلمية كثيرة، وخاصةً عند التعامل مع حجم كبير من المعطيات منها:
ـ اكتساب المعارف.
ـ معالجة اللغات الطبيعية.
ـ التعرف على المحارف.
ـ ضغط الصور.
ـ التنبؤات المالية: مثل التنبؤ بسوق البورصة.
ـ تطبيقات طبية : مثل التشخيص الطبي.
ـ المنظومات المساعدة في اتخاذ القرار.
ـ معالجة الإشارة والرؤية الآلية والروبوتية.
ـ التحكم والأتمتة.
و ـ الآفاق المستقبلية:
يسعى الباحثون في مجال الشبكات العصبونية الصنعية أن تصل هذه الشبكات في المستقبل إلى محاكاة كاملة للدماغ الإنساني وأن تصبح الآلة تحس وتشعر. ولا يقتصر مستقبل الشبكات العصبونية على ذلك، وإنما يطمح إلى تحقيق أهداف مهمة لتطوير المنظومات المعتمدة على الشبكات العصبونية وفقاً لما يأتي:
1ـ مكاملة المنطق العائم مع الشبكات العصبونية.
2ـ تطوير الشبكات العصبونية النبضية.
3ـ تطوير الشبكات العصبونية العتادية.
4ـ تطوير تقنيات الشبكات العصبونية الموجودة لتمكنها في المستقبل أن تسمح بروبوت يمكنه أن يرى ويحس ويتنبأ بالعالم المحيط، والتنبؤ بسوق البورصة، وعزف الموسيقى، والتحويل الآلي للوثائق المكتوبة بخط اليد إلى وثائق بتنسيق معالج الكلمات،والتشخيص الطبي الذاتي، وأكثر من ذلك.
سندس الحلبي
الشبكات العصبونية الصنعية Neural Networks هي نماذج تحاكي الشبكات العصبونية الطبيعية، وتستخدم في عملها عدداً من الطرائق الأساسية المستخدمة في المنظومات العصبية الطبيعية بمساعدة برمجيات المحاكاة وطرق المعالجة التفرعية.
تتألف الشبكة العصبونية من عناصر معالجة تسمى عصبونات صنعية، تناظر الخلايا العصبية الطبيعية، ومتصلة في شبكة.
لمحة تاريخية:
قاد علم العصبونات الباحثين إلى بناء نماذج رياضية تحاكي سلوك العصبونات متمثلةً بالشبكات العصبونية الصنعية. تعود هذه الفكرة إلى عام 1940 عندما قَدَّم ماكولوش McCulloch وبيتس Pitts أول نموذج تجريدي للخلية العصبية. وقد وضع هيب Hebb قانون التعلّم Learning law في عام 1949، شرح فيه كيفية تعلّم الخلايا العصبية. ووضع روسنبلات Rosenblat في عام 1950خوارزمية تعلم البيرسبترونPerceptron.
طور كونن Kohonen عام 1977نماذج الذاكرة المترابطة، وطبق هوبفيلد Hopfieldعام 1982 فكرة تصغير الطاقة في الفيزياء على الشبكات العصبونية. وقدم هينتونHinton وسيجنوسكي Sejnowski وآكليAckley في المدة 1983ـ1984 آلة بولتزمانBoltzman.
وضعت خوارزمية الانتشار التراجعيBack Propagation في عامي 1985 و1986، مما فتح المجال واسعاً أمام البيرسبترون متعدّد الطبقات Multi Layer Perceptronنحومزيد من التطور. وقد أدى هذا التطور إلى استخدام مفهوم الشبكات العصبونية في العديد من المجالات المتقدمة.
مبدأ عمل الشبكات العصبونية الصنعية
تستقبل العصبونات مداخل تناظر النبضات الكهروكيمياوية التي تستقبلها النهايات العصبية في الخلية الطبيعية، وتناظر مخارج العصبون الصنعي الإشارات الخارجة من الخلية الطبيعية عن طريق المحور العصبي، فتؤدي بعض المداخل إلى تحريض العصبون وأخرى تميل إلى إخماده. وعندما يتجاوز تراكم التأثير مستوى العتبة، يتحرَّض العصبون ويرسل إشارات إلى عصبونات أخرى فيتحدد مستوى التحريض بمجموع المداخل المثقّلة حسب العلاقة:
 الشكل (1) معالجة المعلومات العصبية |
تحل الشبكات العصبونية المشكلات بالتعلّم الذاتي والتنظيم الذاتي، وتستمد ذكاءها من سلوك ارتباط الوحدات الحسابية البسيطة في عصبونات متعددة.
خصائص الشبكات العصبونية الصنعية:
يتطلب بناء الشبكة العصبونية الصنعية تحديد طوبولوجيا [ر: الطبولوجية] الشبكة وخصائص العقد،وتحديد ديناميكية المنظومة.
طوبولوجيا الشبكة:
تشير طوبولوجيا الشبكة إلى الإطار العام لمخطط الارتباط الداخلي الذي يُحدّد بعدد الطبقات وعدد العقد في الطبقة الواحدة، توجد عادة في الشبكات العصبونية طبقات ثلاث هي: طبقة الدخل، والطبقة المخفية، وطبقة الخرج.
تُصنّف الشبكات العصبونية وفقاً لمخطط الارتباط الداخلي في:
ـ شبكات تغذية أمامية: يكون لارتباطاتها الاتجاه نفسه من وحدات الدخل إلى وحدات الخرج. ويبين الشكل رقم (2) أمثلة على شبكات تغذية أمامية.
ـ شبكات عودية: تحتوي على ارتباطات راجعة أو حلقات. ويبين الشكل رقم (3) أمثلة على شبكات عودية.
 |
 |
| الشكل (2) أمثلة على شبكات تغذية أمامية | الشكل (3) أمثلة على شبكات عودية |
خصائص العقد:
 الشكل (4) |
دينامية المنظومة
تتحقق دينامية الشبكات العصبونية بقدرتها على التعلّم،وذلك بتعديل أوزان ارتباطاتها الداخلية. وتتعلم أغلب الشبكات بنوعين من أنواع خوارزميات التعلّم هي:
التعلّم المراقب: تضبط قوة الارتباطات الداخلية ووزنها بحسب الفرق بين مخارج الشبكة المطلوبة التي تحدد من قبل المراقب،والمخارج الفعلية من أجل دخل معين.
التعلّم غير المراقب: لا تتطلب هذه الخوارزميات مخارج هدف. تُقدم نماذج دخل إلى الشبكة العصبونية التي تقوم بضبط أوزان ارتباطاتها آلياً لتجميع نماذج الدخل في مجموعات حسب تشابهها.
د ـ أنواع الشبكات العصبونية:
يمكن تصنيف الشبكات العصبونية في النماذج الآتية:
نماذج التصنيف: تستخدم لتصنيف معطيات الدخل في صنف من عدد محدد من الأصناف، يدخل ضمن هذا النوع من النماذج الشبكات الآتية: البيرسبترون وحيد الطبقةSingle-Layer Perceptron، والبيرسبترون متعدد الطبقات Multi-layer Perceptron،والعنصر الموائم الخطي Adaptive Linear Element.
نماذج الترابط: تستخدم من أجل استرجاع عنصر ما اعتماداً على جزء من العنصر نفسه أوباستخدام عنصر آخر. يدخل ضمن هذه النماذج شبكات هوبفيلد Hopfield Networks والذواكر المترابطة Associative Memories.
نماذج الأمثَلة: من أجل إيجاد أفضل الحلول الممكنة لمسألة ما، وذلك تحت شروط معينة. ومن الشبكات العصبونية المستخدمة في تطبيقات نماذج الأمثلة: شبكات هوبفيلد، وآلات بولتزمان Boltzmann machines.
نماذج الترتيب الذاتي: ترتب المعطيات المدخلة باستخدام قدرات التعلم التنافسي، ويدخل ضمنها شبكات كونن Kohonen Networks.
هـ ـ تطبيقات الشبكات العصبونية:
للشبكات العصبونية تطبيقات فعالة وجيدة في مجالات هندسية وعلمية كثيرة، وخاصةً عند التعامل مع حجم كبير من المعطيات منها:
ـ اكتساب المعارف.
ـ معالجة اللغات الطبيعية.
ـ التعرف على المحارف.
ـ ضغط الصور.
ـ التنبؤات المالية: مثل التنبؤ بسوق البورصة.
ـ تطبيقات طبية : مثل التشخيص الطبي.
ـ المنظومات المساعدة في اتخاذ القرار.
ـ معالجة الإشارة والرؤية الآلية والروبوتية.
ـ التحكم والأتمتة.
و ـ الآفاق المستقبلية:
يسعى الباحثون في مجال الشبكات العصبونية الصنعية أن تصل هذه الشبكات في المستقبل إلى محاكاة كاملة للدماغ الإنساني وأن تصبح الآلة تحس وتشعر. ولا يقتصر مستقبل الشبكات العصبونية على ذلك، وإنما يطمح إلى تحقيق أهداف مهمة لتطوير المنظومات المعتمدة على الشبكات العصبونية وفقاً لما يأتي:
1ـ مكاملة المنطق العائم مع الشبكات العصبونية.
2ـ تطوير الشبكات العصبونية النبضية.
3ـ تطوير الشبكات العصبونية العتادية.
4ـ تطوير تقنيات الشبكات العصبونية الموجودة لتمكنها في المستقبل أن تسمح بروبوت يمكنه أن يرى ويحس ويتنبأ بالعالم المحيط، والتنبؤ بسوق البورصة، وعزف الموسيقى، والتحويل الآلي للوثائق المكتوبة بخط اليد إلى وثائق بتنسيق معالج الكلمات،والتشخيص الطبي الذاتي، وأكثر من ذلك.
سندس الحلبي