[ad_1]
‘)؛}
مفهوم الانتشار العكسي
تُعرَّف Backpropagation عـلـى أنها خوارزمية مكتوبة بلغة برمجة تُستخدم لتدريب شبكة عصبية عـلـى اكتشاف الأخطاء ، ثم العكس مـ ن خلال الطبقات لإصلاح الأخطاء ، وتتكرر هذه العملية حتى لا توجد أخطاء ويتطابق الناتج الفعلي مع مباراة الإخراج المتوقعة أو المتوقعة. ثم تتم الموافقة عـلـى النموذج كنموذج موثوق به.[١]
تتكون الشبكة العصبية مـ ن مجموعة مـ ن الطبقات ، وهي طبقة إدخال وطبقة إخراج ومجموعة مـ ن الطبقات المخفـ ية بينهما. إدخال النواتج ، أو بعبارة أخرى ، ترتيبها فـ ي طبقة المخرجات.[٢]
يعد محرك بحث Google الشهير مثالاً عـلـى الشبكة العصبية ؛ حيث تمـــثل البيانات مـ ن الصور والنص الخلايا فـ ي طبقة الإدخال ، وتمـــثل نتائج البحث المعروضة لنا فـ ي محرك البحث الخلايا فـ ي طبقة الإخراج.[٢]
ما تقوم به خوارزمية backpropagation هو تعليم الشبكة العصبية (محرك البحث) لعرض الوحدات فـ ي طبقة الإخراج (نتائج البحث) بترتيب أوزانها فـ ي طبقة الإدخال. الأوزان فـ ي طبقة الإدخال حتى تتطابق النتيجة الفعلية مع النتيجة المرجوة.[٢]
آلية التكاثر العكسي
يمكن شرح آلية الخوارزمية عـلـى النحو التالي:[٣]
أهمية التكاثر العكسي
أهمية خوارزمية backpropagation هي كما يلي:[٣]
- بسيط وسريع وسهل البرمجة.
- لا يتطلب مـ ن المستخدم تعلم مهارات خاصة ، فقط اضبط الأرقام المدخلة (الأوزان).
- طريقة معيارية فعالة للغاية لأن الشبكات العصبية يمكنها تمييز وتصنيف ملايين أجزاء البيانات فـ ي وقت قياسي ، حيث يستغرق هذا العمل وقتًا طويلاً بالنسبة للبشر ، بالإضافة إلى العديد مـ ن الأخطاء التي يصعب اكتشافها وإصلاحها مـــثل الخوارزمية.
- المرونة وإمكانية التعديل المستمر مـ ن خلال تعديل الوزن.
تطبيق Backpropagation
تستخدم تطبيقات الذكاء الاصطناعي هذه الخوارزمية بشكل أساسي ، والتطبيقات التي تستخدم هذه الخوارزمية هي كما يلي:[٣]
- أنظمة الذكاء الاصطناعي التي تتعرف عـلـى الصور والوجوه ، ومـ ن الأمـــثلة عـلـى ذلك طباعة الوجه فـ ي الهواتف الذكية.
- أنظمة التعرف عـلـى الكلام ، مـــثل محرك البحث الصوتي مـ ن Google.
- عند الحديث عن أنظمة الذكاء الاصطناعي ، مـــثل الروبوتات ومساعدات الهواتف الذكية ، فـ ي هذه الحالة ، تقوم الخوارزميات بتدريب الشبكات العصبية عـلـى نطق الحروف والكلمات.
.
اترك تعليقاً