شبکه عصبی مصنوعی

شبکه عصبی مصنوعی (Artificial neural networks) سیستمی محاسباتی است که با الهام از شبکه‌های عصبی مغز موجودات زنده طراحی شده است. این شبکه از مجموعه واحدهای به هم مرتبطی تشکیل شده است که به آنها گره Node گفته می‌شود.  شبکه‌های عصبی مصنوعی، روش‌های محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایدهٔ اصلی این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی است. از این روش برای پردازش داده‌ها و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. شبکه‌های عصبی مصنوعی یکی از کارکردهای الگوریتم ژنتیک می‌باشند.

یک شبکه عصبی مصنوعی ایده‌ای برای پردازش اطلاعات است که از سیستم عصبی زیستی الهام گرفته است. این شبکه مانند مغز به پردازش اطلاعات می‌پردازد. عنصر کلیدی این ایده، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته به نام نورون‌ها (neurons) تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می‌کنند.

شبکه‌های عصبی مصنوعی نیز مانند انسان‌ها با مثال یاد می‌گیرند و یک شبکه عصبی برای انجام وظیفه‌های مشخص مانند شناسایی الگوها و دسته بندی اطلاعات، در طول یک پروسه یاد‌گیری تنظیم می‌شود. در سیستم‌های زیستی، یاد‌گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است. از این روش در شبکه‌های عصبی نیز استفاده می‌شود. در این مقاله سعی شده است به تعریف شبکه‌های عصبی مصنوعی و کاربرد آن در تصمیم‌گیری راهبردی مدیران ارایه شود.

مثال شبکه عصبی مصنوعی

در روش‌های محاسباتی سنتی، از یک سری عبارات منطقی برای اجرای یک عمل استفاده می‌شود. شبکه‌های عصبی از مجموعه نودها (به عنوان نرون) و یال‌ها (در نقش سیناپس) برای پردازش داده بهره می‌گیرند. در این سیستم، ورودی‌ها در شبکه به جریان افتاده و یک سری خروجی تولید می‌گردد.

سپس خروجی‌ها با داده‌های معتبر مقایسه می‌گردند. مثلا فرض کنید می‌خواهید کامپیوتر خود را به گونه‌ای آموزش دهید که تصویر گربه را تشخیص دهد. برای این کار میلیون‌ها تصویر از گربه‌های مختلف را وارد شبکه کرده و آنهایی که از سوی سیستم به عنوان خروجی انتخاب می‌شوند را دریافت می‌کنید.

در این مرحله کاربر انسانی می‌تواند به سیستم بگوید که کدام یک از خروجی‌ها دقیقا تصویر گربه هستند. بدین ترتیب مسیرهایی که به تشخیص موارد درست منجر شده، از طرف شبکه تقویت خواهند شد. با تکرار این فرایند در دفعات زیاد، شبکه نهایتا قادر است به دقت بسیار خوبی در اجرای وظیفه موردنظر دست یابد.

کاربرد شبکه‌های عصبی در تصمیم‌گیری

یکی از مهمترین وظایف مدیریت، تصمیم‌گیری است؛ مهمترین عنصر تصمیم گیری، اطلاعات مناسب است؛ اطلاعاتی که بتواند آینده را بهتر ترسیم نماید، منجر به تصمیم‌گیری بهتری خواهد شد. ابزارهای مختلف کمی و کیفی، برای تصمیم‌گیری و تأمین اطلاعات وجود دارد؛ یکی از روشهای کیفی که به عنوان یکی از شاخه‌های هوش مصنوعی مطرح است، شبکه‌های عصبی مصنوعی است؛ شبکه‌های عصبی برای حل مسایل متنوعی، مانند دسته بندی الگو، خوشه یابی، تخمین تابع، پیش‌بینی، بهینه سازی، حافظه انجمنی و کنترل در مدیریت به کار می‌رود.

گوگل و مایکروسافت از شبکه‌های عصبی برای تقویت اپلیکیشن‌های ترجمه خود بهره گرفته‌اند و به نتایج بسیار خوبی دست یافته‌اند، زیرا عمل ترجمه از جمله فرایندهای بسیار پیچیده محسوب می‌گردد. با استفاده از قابلیت یادگیری شبکه‌های عصبی، سیستم ترجمه می‌تواند ترجمه‌های صحیح را برای یادگیری به کار گرفته و به مرور زمان به دقت بیشتری دست یابد.

شبکه عصبی مصنوعی و مغز

ایده‌ی ابتدایی پشت یک شبکه عصبی، شبیه‌سازی (کپی کردن ساده و درعین‌حال پایدار) بسیاری‌ از سلول‌های مغزی متصل داخل یک کامپیوتر است تا بتوان اعمال یادگیری، شناسایی الگوها و تصمیم‌گیری انسان‌گونه را انجام داد. نکته‌ی جالب توجه درمورد شبکه‌ی عصبی این است که نیازی نیست آن را برای یادگیری صریح، برنامه‌ریزی کنید. این شبکه در واقع می‌تواند همه‌چیز را مانند مغز انسان، خودش یاد بگیرد.

ما این شبکه‌ی عصبی، مغز نیست. در نظر داشتن این نکته مهم است که شبکه‌های عصبی عموما شبیه‌سازهای نرم‌افزاری هستند که با برنامه‌نویسی برای کامپیوترهای بسیار ساده و پیش‌پاافتاده راه می‌افتند و با روش‌های قبلی خود و با استفاده‌ از ترانزیستورها و دروازه‌های منطقی خود کار می‌کنند تا به‌مانند میلیاردها سلول مغزی متصل و موازی رفتار کنند. هیچ‌کس تا به‌ حال حتی تلاش هم نکرده است تا کامپیوتری بسازد که با ترانزیستورهایی با ساختار موازی مانند مغز انسان کار کند. به‌عبارت دیگر تفاوت شبکه‌ی عصبی با مغز مانند تفاوت مدل کامپیوتری آب‌وهوا با ابر، برف، و هوای آفتابی درواقعیت است. شبیه‌سازی کامپیوتر تنها مجموعه‌ای از متغیرهای جبری و معادلات ریاضی است که آن‌ها را به‌هم متصل می‌کند (اعداد ذخیره‌شده در جعبه‌هایی که مقادیر آن‌ها دائما درحال تغییر است). این شبیه‌سازی‌ها برای کامپیوترها هیچ معنایی ندارد و تنها برای افرادی که برنامه‌ آن‌ها را می‌نویسند بامعنا است.

خلاصه و جمع‌بندی

قبل‌از اینکه جلوتر برویم، باید چندین اصطلاح را بررسی کنیم. شبکه‌های عصبی‌ که به این طریق (شبیه‌سازی و برنامه‌نویسی) ساخته می‌شوند، شبکه‌ی عصبی مصنوعی (ANN) نامیده می‌شوند تا نسبت‌ به شبکه‌های عصبی حقیقی (مجموعه‌های سلول‌های مغزی متصل) که داخل مغز ما هستند متمایز شوند. شاید اصطلاحات دیگری مانند ماشین‌های اتصال، پردازنده‌های توزیع‌شده‌ی موازی، ماشین‌های تفکر و … نیز آشنا باشد. اما در این مقاله منظور از اصطلاح شبکه عصبی همان شبکه‌ی عصبی مصنوعی بود.

شبکه‌های عصبی مصنوعی و کاربرد آن در مدیریت و مهندسی صنایع بسیار گسترده است. دانشجویان و پژوهشگران بسیاری برای حل مسائل شبکه‌های عصبی مصنوعی با پایگاه علمی-پژوهشی پارس مدیر مکاتبه کرده‌اند. به همین خاطر با وجود حجم وسیع خدمات پایگاه و با توجه به نظرسنجی‌ها، ارائه مجموعه‌ای منسجم پیرامون شبکه‌های عصبی مصنوعی در دستور کار قرار گرفت. برای تحلیل مبتنی بر شبکه‌های عصبی مصنوعی می‌توانید با ما مکاتبه کنید.

1.5 2 رای ها
امتیازدهی به مقاله