مرجع
آخر الزيارات

شبكة عصبية متكررة

433 كلمة•0 مشاهدة•🗒️ منذ 9 أيام
باختصار: الشبكات العصبية المتكررة أو شبكات ردود الفعل العصبية (بالإنكليزية: Recurrent neural network) التي هي على النقيض من شبكات feedforward، وأهم ما تتميز به هو أن الاتصالات بين الخلايا العصبية تكون في طبقة واحدة والخلايا العصبية في نفس أو الطبقة…. في هذه المقالة 3 أقسام: «المؤلفات»، «و» و«تدريب الشبكات العصبية المتكررة».
المحتويات
  1. المؤلفات
  2. و
  3. تدريب الشبكات العصبية المتكررة
شبكة عصبية متكررة

تعريفًا بالموضوع، الشبكات العصبية المتكررة أو شبكات ردود الفعل العصبية (بالإنكليزية: Recurrent neural network) التي هي على النقيض من شبكات feedforward، وأهم ما تتميز به هو أن الاتصالات بين الخلايا العصبية تكون في طبقة واحدة والخلايا العصبية في نفس أو الطبقة السابقة. في الدماغ ، هذه هي الطريقة الأفضل لربط الشبكات العصبية ، خاصة في القشرة المخية الحديثة . في الشبكات العصبية الاصطناعية ، يتم استخدام الترابط المتكرر للخلايا العصبية النموذجية لاكتشاف المعلومات ذات الترميز الزمني في البيانات. ومن الأمثلة على هذه الشبكات العصبية المتكررة Hopfield العصبية المترابطة تمامًا. ونتناول فيما يلي مزيدًا من التفاصيل.

إضافةً إلى ذلك، ردود الفعل غير المباشرة يربط إخراج الخلايا العصبية مع الخلايا العصبية من الطبقات السابقة.

وعلى صعيد آخر، مع ردود فعل مباشرة يتم استخدام الإخراج الخاص من الخلايا العصبية كمدخل إضافي.

ومن جهة أخرى، يمكن برمجة وتنفيذ الشبكات العصبية المتكررة في مكتبات البرامج الشائعة مثل PyTorch بسهولة في Python ثم ترجمتها إلى كود فعال باستخدام التجميع في الوقت المناسب.

وفي هذا السياق، ردود الفعل الجانبية يربط ناتج الخلايا العصبية بخلايا عصبية أخرى في نفس الطبقة.

وفي السياق ذاته، تُستعمل الشبكات العصبية المتكررة في الممارسة العملية للمشكلات التي تتطلب معالجة التسلسلات. تشمل الأمثلة التعرف على خط اليد والتعرف على الكلام والترجمة الآلية . النوع السائد من الشبكات العصبية المتكررة هنا هو LSTMs أو المتغيرات المماثلة التي تعتمد على التغذية الراجعة المباشرة.

كذلك، من خلال الاتصال الكامل ، يكون لكل ناتج من الخلايا العصبية اتصال مع كل خلية عصبية أخرى.

يمكن تقسيم الشبكات المتكررة على النحو التالي:

المؤلفات

إضافةً إلى ذلك، أندرياس زيل: محاكاة الشبكات العصبية. تم العثور على R. Oldenbourg Verlag ، ميونيخ 1997 ، ISBN 3-486-24350-0 .

و

من جانب آخر، بواسطة هي وظيفة ناتجة عن الشبكة (في الموعد ) بهدف يقارن وأين هو متجه المعلمة الثابتة للوقت للشبكة العصبية المتكررة. يسمح الانتشار العكسي عبر الزمن بحساب المشتق الكلي (من حيث المكون) من خلال تطبيق قاعدة السلسلة . منذ الإخراج حتى من القيم من الخطوة الزمنية السابقة يعتمد وهذا على ، يجب تضمين هذه الخطوات الزمنية السابقة في الاشتقاق.

من جهة ثانية، يمكن أن تنشأ مشاكل في تدريب الشبكات العصبية المتكررة بسبب اختفاء التدرجات أو انفجارها. يمكن استخدام إجبار المعلم (بالإنكليزية:Teacher-Forcing) للتحايل على هذه المشكلات ، ولكن يتم إدخال مقايضة التعرض للانحياز (بالإنكليزية: Bias-Exposure tradeoff ).

تدريب الشبكات العصبية المتكررة

كذلك، ليس من السهولة تدريب الشبكات العصبية الاصطناعية المتكررة باستخدام أساليب التعلم الآلي. لذلك فإن الأسلوب الشائع ليس تدريب الشبكة ، بل تدريب الشبكة على قراءتها. يُنظر إلى الشبكة العصبية المتكررة على أنها ما يسمى بخزان في سياق حوسبة المستودع (أو حوسبة الخزان). في حالة LSTMs ، يتم تحويل الشبكات إلى شبكة تغذية بحسب طول التسلسل باستخدام الانتشار العكسي عبر الوقت (انظر backpropagation) أثناء عملية التدريب. هذا يجعل تعقيد سلوك التعلم مشابهًا لسلوك شبكات التغذية التقليدية.

ومن جهة أخرى، نقطة البداية للانتشار العكسي عبر الزمن هي أن دالة الخسارة الكلية للسلسلة الزمنية تتكون من خطوات الوقت والتي يمكن تمثيلها على النحو التالي:

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.