Neural Network

شبکه عصبی¹ یک مدل محاسباتیِ الهام گرفته از مغز انسان است. هر شبکه از مجموعه‌ای از واحدهای محاسباتی به نام نورون² تشکیل شده است. هر نورون ورودی‌هایی دریافت می‌کند، آنها را وزن‌دهی می‌کند و سپس یک خروجی تولید می‌کند که به نورون‌های لایه بعدی منتقل می‌شود.

شبکه عصبی به طور معمول از چندین لایه تشکیل شده است: لایه ورودی³ که داده‌های خام را دریافت می‌کند، لایه‌های پنهان⁴ که پردازش‌های میانی انجام می‌دهند، و لایه خروجی⁵ که نتیجه نهایی را ارائه می‌دهد. این مدل از طریق یک فرآیند به نام یادگیری⁶ یا آموزش⁷ -که شامل تنظیم وزن‌های بین نورون‌ها با استفاده از روش‌هایی مثل انتشار معکوس⁸ است- بهینه‌سازی می‌شود

هدف از یادگیری این است که شبکه به گونه‌ای آموزش ببیند که خروجی‌های دقیقی برای ورودی‌های داده شده پیش‌بینی کند. این روش در مسائل متنوعی مانند تشخیص تصویر، پردازش زبان طبیعی و بازیابی اطلاعات کاربرد دارد.

برای دیدن سازوکار شبکه‌های عصبی از نزدیک، سایت TensorFlow‌را ببینید. برای دیدن یک شبکه عصبی دیگر که اعداد انگلیسی را با کمک ماتریس‌ها تشخیص می‌دهد، اینجا را ببینید.

Footnotes

1. Neural Network ↩

2. Neuron ↩

3. Input Layer ↩

4. Hidden Layer ↩

5. Output Layer ↩

6. Learning ↩

7. Training ↩

8. Backpropagation ↩