Teburin Abubuwan Ciki[Boye][Nuna]
Tun da farko an yi tunanin Artificial Intelligence (AI) mafarki ne mai nisa, fasaha ce ta gaba, amma abin ba haka yake ba.
Abin da ya kasance batun bincike a da yanzu yana fashewa a duniyar gaske. Ana samun AI yanzu a wurare daban-daban, gami da wurin aiki, makaranta, banki, asibitoci, har ma da wayar ku.
Ido ne na motocin tuƙi, muryoyin Siri da Alexa, tunanin da ke bayan hasashen yanayi, hannaye da ke bayan aikin tiyata na mutum-mutumi, da ƙari.
wucin gadi hankali (AI) yana zama abin da ya zama ruwan dare gama gari na rayuwar zamani. A cikin shekaru da yawa da suka gabata, AI ya fito a matsayin babban ɗan wasa a cikin fasahohin IT da yawa.
A ƙarshe, AI yana amfani da hanyar sadarwar jijiyar don koyon sababbin abubuwa.
Don haka a yau za mu koyi game da Neural Networks, yadda yake aiki, nau'ikan su, aikace-aikace, da ƙari mai yawa.
Menene Neural Network?
In injin inji, Neural cibiyar sadarwa cibiyar sadarwa-tsara software na wucin gadi neurons. Yana ƙoƙarin yin koyi da kwakwalwar ɗan adam ta hanyar samun nau'o'in "neurons" masu yawa, waɗanda suke kama da ƙananan ƙwayoyin cuta a cikin kwakwalwarmu.
Layer na farko na neurons zai karɓi hotuna, bidiyo, sauti, rubutu, da sauran bayanai. Wannan bayanan yana gudana cikin dukkan matakan, tare da fitowar Layer ɗaya yana gudana zuwa na gaba. Wannan yana da mahimmanci ga ayyuka masu wahala, kamar sarrafa harshe na halitta don koyon inji.
Duk da haka, a wasu lokuta, yin niyya don matsawa tsarin don rage girman samfurin yayin kiyaye daidaito da inganci ya fi dacewa. Yanke hanyar sadarwar jijiyoyi hanya ce ta matsawa wacce ta haɗa da cire ma'auni daga ƙirar da aka koya. Yi la'akari da hanyar sadarwa na jijiyoyi na wucin gadi da aka horar da su don bambanta mutane da dabbobi.
Za a raba hoton zuwa sassa masu haske da duhu ta hanyar farko Layer na neurons. Za a shigar da wannan bayanan a cikin Layer mai zuwa, wanda zai ƙayyade inda gefuna suke.
Layer na gaba zai yi ƙoƙarin gane siffofin da haɗin gefuna ya haifar. Dangane da bayanan da aka horar da su, bayanan za su wuce ta hanyoyi masu yawa ta irin wannan hanya don tantance ko hoton da kuka gabatar na mutum ne ko na dabba.
Lokacin da aka ba da bayanai a cikin hanyar sadarwa na jijiyoyi, ta fara sarrafa ta. Bayan haka, ana sarrafa bayanan ta matakansa don samun sakamakon da ake so. Cibiyar sadarwa ta jijiyoyi wata na'ura ce da ke koyo daga tsarin shigarwa kuma tana nuna sakamakon. Akwai nau'o'in ilmantarwa guda uku waɗanda zasu iya faruwa a cikin cibiyoyin sadarwa na jijiyoyi:
- Koyon Kulawa - Ana ba da abubuwan shigarwa da abubuwan fitarwa zuwa algorithms ta amfani da bayanan da aka lakafta. Bayan an koya musu yadda ake nazarin bayanai, sun yi hasashen sakamakon da ake so.
- Ilmantarwa mara kulawa - ANN yana koya ba tare da taimakon ɗan adam ba. Babu bayanan da aka lakafta, kuma ana yanke shawarar fitarwa ta tsarin da aka samu a bayanan fitarwa.
- Sanin Karatu shine lokacin da hanyar sadarwa ta koya daga ra'ayoyin da ake samu.
Ta yaya neural networks ke aiki?
Ana amfani da ƙwayoyin wucin gadi na wucin gadi a cikin hanyoyin sadarwa na jijiyoyi, waɗanda ke da nagartaccen tsarin. Neurons na wucin gadi, kuma aka sani da perceptrons, sun ƙunshi abubuwa masu zuwa:
- Input
- Weight
- nuna bambanci
- Ayyukan Kunnawa
- Output
Yadudduka na neurons waɗanda ke haɗa hanyoyin sadarwa na jijiyoyi. Cibiyar sadarwa ta jijiya ta ƙunshi yadudduka uku:
- Layer shigarwa
- Hidden Layer
- Fitar Layer
Ana aika bayanai a cikin nau'i na ƙimar lamba zuwa Layer shigarwa. Siffofin da ke ɓoye na cibiyar sadarwa sune waɗanda suka fi yin lissafi. Nau'in fitarwa, na ƙarshe amma ba kalla ba, yana hasashen sakamako. Neurons suna mamaye juna a cikin hanyar sadarwa na jijiyoyi. Ana amfani da Neurons don gina kowane Layer. Ana tura bayanai zuwa gaɓoɓin ɓoyayyiyar bayan bayanan shigar da shi ya samu.
Ana amfani da ma'auni ga kowane shigarwar. A cikin ɓoyayyun yadudduka na cibiyar sadarwar jijiya, nauyi shine ƙimar da ke fassara bayanai masu shigowa. Ayyukan ma'auni ta hanyar ninka bayanan shigarwa ta ƙimar nauyi a cikin layin shigarwa.
Daga nan sai ta fara ƙimar ɓoyayyun Layer na farko. Ana canza bayanan shigarwa kuma an wuce su zuwa ɗayan Layer ta ɓoyayyun yadudduka. Na'urar fitarwa tana da alhakin samar da sakamako na ƙarshe. Abubuwan da aka shigar da ma'aunin nauyi suna ninka, kuma ana isar da sakamakon zuwa ga ɓoyayyun jijiyoyi a matsayin jimla. Kowane neuron ana ba shi son zuciya. Don ƙididdige jimlar, kowane neuron yana ƙara abubuwan da yake karɓa.
Bayan haka, ƙimar ta wuce ta aikin kunnawa. Sakamakon aikin kunnawa yana ƙayyade ko an kunna neuron ko a'a. Lokacin da neuron ke aiki, yana aika bayanai zuwa sauran yadudduka. Ana ƙirƙira bayanan a cikin hanyar sadarwa har sai neuron ya isa Layer ɗin fitarwa ta amfani da wannan hanyar. Yadawa gaba wani lokaci ne na wannan.
Dabarar ciyar da bayanai a cikin kumburin shigarwa da kuma samun fitarwa ta hanyar kumburin fitarwa ana saninta da yaduwar ciyarwa. Lokacin da bayanan shigar da aka karɓa ta ɓoyayyun Layer, ciyar da gaba yana faruwa. Ana sarrafa shi bisa ga aikin kunnawa sannan a wuce zuwa fitarwa.
Sakamakon da neuron yayi hasashe a cikin samfurin fitarwa tare da mafi girman yiwuwar. Bayar da baya yana faruwa lokacin da abin da aka fitar bai yi daidai ba. An fara ma'auni zuwa kowane shigarwa yayin ƙirƙirar cibiyar sadarwa na jijiyoyi. Bayar da baya shine tsarin daidaita ma'aunin kowane shigarwa don rage kurakurai da samar da ingantaccen fitarwa.
Nau'in Sadarwar Jijiya
1. Perceptron
Samfurin Perceptron na Minsky-Papert yana ɗaya daga cikin mafi sauƙi kuma mafi tsufa samfuran neuron. Ita ce mafi ƙanƙanta na cibiyar sadarwa na jijiyoyi da ke yin wasu ƙididdiga don gano halaye ko basirar kasuwanci a cikin bayanai masu shigowa. Yana ɗaukar bayanai masu nauyi kuma yana amfani da aikin kunnawa don samun sakamako na ƙarshe. TLU (rashin dabaru na bakin kofa) wani suna ne na perceptron.
Perceptron wani nau'in rabe-rabe ne wanda tsarin ilmantarwa ne mai kulawa wanda ke rarraba bayanai zuwa rukuni biyu. Logic Gates kamar AND, OR, da NAND ana iya aiwatar da su tare da tsinkaya.
2. Ciyar da Gaban Jijiya
Mafi mahimmancin sigar cibiyoyin sadarwar jijiyoyi, waɗanda bayanan shigar da ke gudana keɓance ta hanya ɗaya, suna wucewa ta nodes ɗin jijiyoyi na wucin gadi kuma suna fita ta nodes ɗin fitarwa. Yaduddukan shigarwa da fitarwa suna nan a wuraren da ɓoyayyun yadudduka na iya kasancewa ko a'a. Ana iya siffanta su azaman hanyar sadarwar jijiya mai ɗorewa guda ɗaya ko mai nau'i-nau'i-nau'i-nau'i-nau'i-nau'i-nau'i-nau'i dangane da wannan.
Adadin yadudduka da aka yi amfani da su ana ƙididdige su ta hanyar rikitar aikin. Yana yada gaba ta hanya daya kawai kuma baya yada baya. Anan, ma'aunin nauyi ya kasance koyaushe. Ana ninka abubuwan shigarwa ta ma'auni don ciyar da aikin kunnawa. Ana amfani da aikin kunnawa ko aikin kunna mataki don yin wannan.
3. Multi-Layer perceptron
Gabatarwa ga sophisticated ragamar jijiyoyi, wanda a cikinsa ake sarrafa bayanan shigar da su ta hanyoyi da yawa na neurons na wucin gadi. Cibiyar sadarwa ce ta haɗin gwiwa gaba ɗaya, tun da kowane kumburi yana da alaƙa da duk neurons a cikin Layer mai zuwa. Yaduddukan ɓoye da yawa, watau, aƙalla yadudduka uku ko fiye, suna nan a cikin matakan shigarwa da fitarwa.
Tana da yaɗuwar hanyoyi biyu, wanda ke nufin yana iya yaduwa gaba da baya. Ana ninka abubuwan shigar da ma'auni kuma ana aika su zuwa aikin kunnawa, inda ake canza su ta hanyar yaɗa baya don rage asarar.
Nauyi dabi'u ne da na'ura suka koya daga Neural Networks, a sanya shi a sauƙaƙe. Dangane da rarrabuwar kawuna tsakanin abubuwan da ake tsammani da abubuwan horo, suna daidaitawa da kansu. Ana amfani da Softmax azaman aikin kunna Layer na fitarwa bayan ayyukan kunnawa marasa kan layi.
4. Convolutional Neural Network
Ya bambanta da tsararru na al'ada mai girma biyu, cibiyar sadarwa ta juzu'i tana da tsari mai girma uku na jijiya. Layer na farko an san shi da juyi mai juyi. Kowane neuron a cikin juzu'i mai jujjuyawa yana aiwatar da bayanai daga iyakataccen yanki na filin gani. Kamar tacewa, ana ɗaukar fasalin shigarwa cikin yanayin tsari.
Cibiyar sadarwa tana fahimtar hotuna a cikin sassan kuma tana iya yin waɗannan ayyukan sau da yawa don kammala aikin sarrafa hoto gaba ɗaya.
Ana canza hoton daga RGB ko HSI zuwa launin toka yayin sarrafawa. Ƙarin bambance-bambance a cikin ƙimar pixel zai taimaka wajen gano gefuna, kuma ana iya rarraba hotuna zuwa ƙungiyoyi da yawa. Yadawar kai tsaye yana faruwa ne lokacin da CNN ta ƙunshi ɗaya ko fiye da yadudduka masu jujjuyawar juzu'i wanda ke biyo baya tare da haɗawa, kuma yaduwa ta biyu yana faruwa lokacin da aka aika da fitowar layin juzu'i zuwa hanyar sadarwa mai cikakken haɗin gwiwa don rarraba hoto.
Don cire wasu abubuwa na hoto, ana amfani da masu tacewa. A cikin MLP, abubuwan shigarwa ana auna su kuma ana kawo su cikin aikin kunnawa. Ana amfani da RELU a cikin juyin juya hali, yayin da MLP ke amfani da aikin kunnawa mara kan layi wanda ke biye da softmax. A cikin fahimtar hoto da bidiyo, tantance ma'anar fassara, da gano juzu'i, cibiyoyin sadarwar juzu'i suna samar da kyakkyawan sakamako.
5. Radial Bias Network
Ana biye da vector shigarwa da Layer na RBF neurons da kuma abin fitarwa tare da kumburi ɗaya don kowane nau'i a cikin Radial Basis Function Network. An rarraba shigarwar ta hanyar kwatanta shi da bayanan bayanai daga saitin horo, inda kowane neuron yana kula da samfurin. Wannan yana ɗaya daga cikin misalan tsarin horon.
Kowane neuron yana ƙididdige nisan Euclidean tsakanin shigarwar da nau'in sa lokacin da sabon vector shigarwa [n-dimensional vector da kuke ƙoƙarin rarrabawa] dole ne a tsara shi. Idan muna da aji biyu, Class A da Class B, sabon shigarwar da za a rarraba ya fi kama da nau'ikan nau'ikan nau'ikan Aji fiye da nau'ikan nau'ikan B.
A sakamakon haka, ana iya lakafta shi ko rarraba shi azaman aji A.
6. Maimaita Neural Network
An tsara hanyoyin sadarwa na Jijiya mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-mai-fari don adana kayan aikin Layer sannan a mayar da shi cikin shigarwar don taimakawa wajen yin hasashen sakamakon Layer. Mai ciyarwa gaba neural network yawanci shine Layer na farko, sannan kuma Layer na cibiyar sadarwa mai maimaitawa, inda aikin ƙwaƙwalwar ajiya ke tunawa da ɓangaren bayanan da yake da shi a cikin mataki na baya.
Wannan yanayin yana amfani da yaduwa ta gaba. Yana adana bayanan da za a buƙaci nan gaba. A yayin da hasashen bai yi daidai ba, ana amfani da ƙimar koyo don yin ƙananan gyare-gyare. A sakamakon haka, yayin da yada baya ya ci gaba, zai zama daidai.
Aikace-aikace
Ana amfani da hanyoyin sadarwa na jijiyoyi don magance matsalolin bayanai a fannoni daban-daban; Ana nuna wasu misalai a ƙasa.
- Gane Fuska - Maganin Gane Fuska suna aiki azaman tsarin sa ido mai inganci. Tsarin tantancewa yana da alaƙa da hotuna na dijital zuwa fuskokin ɗan adam. Ana amfani da su a ofisoshi don zaɓin shigarwa. Don haka, tsarin yana tabbatar da fuskar ɗan adam kuma suna kwatanta shi da jerin ID ɗin da aka adana a cikin ma'ajin sa.
- Hasashen Hannun jari - Ana fallasa hannun jari ga haɗarin kasuwa. A zahiri yana da wahala a hango abubuwan da zasu faru nan gaba a cikin kasuwar hannayen jari mai matukar wahala. Kafin cibiyoyin sadarwa na jijiyoyi, kullun juzu'i na bulo-bushe da ɓacin rai sun kasance marasa tabbas. Amma, menene ya canza komai? Tabbas, muna magana ne game da cibiyoyin sadarwa na jijiyoyi… Ana amfani da Multilayer Perceptron MLP (nau'in tsarin bayanan wucin gadi) don ƙirƙirar hasashe mai nasara a cikin ainihin-lokaci.
- Social Media - Ko da kuwa yadda za a yi sauti, kafofin watsa labarun sun canza hanyar rayuwa. Ana nazarin halayen masu amfani da kafofin watsa labarun ta amfani da hanyoyin sadarwa na Artificial Neural Networks. Don ƙididdigar gasa, ana tattara bayanan da ake kawowa yau da kullun ta hanyar hulɗar kama-da-wane kuma ana bincika su. Ayyukan masu amfani da kafofin watsa labarun ana yin su ta hanyar cibiyoyin sadarwa na jijiyoyi. Ana iya haɗa halayen daidaikun mutane da tsarin kashe kuɗi na mutane da zarar an bincikar bayanai ta hanyoyin sadarwar zamantakewa. Ana hako bayanai daga aikace-aikacen kafofin watsa labarun ta amfani da Multilayer Perceptron ANN.
- Kiwon Lafiya - Mutane a duniyar yau suna amfani da fa'idodin fasaha a masana'antar kiwon lafiya. A cikin kasuwancin kiwon lafiya, ana amfani da hanyoyin sadarwa na Convolutional Neural don gano X-ray, CT scan, da duban dan tayi. Bayanan hoton likitancin da aka karɓa daga gwaje-gwajen da aka ambata ana ƙididdige su kuma ana ƙididdige su ta amfani da ƙirar hanyar sadarwa na jijiyoyi, kamar yadda ake amfani da CNN wajen sarrafa hoto. A cikin haɓaka tsarin gano murya, ana kuma amfani da hanyar sadarwa ta jijiyoyi mai maimaitawa (RNN).
- Rahoton Yanayi - Kafin aiwatar da bayanan wucin gadi, hasashen sashen yanayi bai taɓa yin daidai ba. Ana yin hasashen yanayi ne musamman don hasashen yanayin yanayin da zai faru nan gaba. Ana amfani da hasashen yanayi don hasashen yiwuwar afkuwar bala'o'i a wannan zamani. Ana yin hasashen yanayi ta amfani da multilayer perceptron (MLP), hanyoyin sadarwa na jijiyoyi (CNN), da cibiyoyin sadarwa na yau da kullun (RNN).
- Tsaro - Dabaru, nazarin harin makami, da wurin abu duk suna amfani da hanyoyin sadarwa na jijiyoyi. Ana kuma yi musu aikin sintiri na sama da na ruwa, da kuma sarrafa jiragen marasa matuka. Ƙwararrun ɗan adam na ba wa masana'antar tsaro ƙarfin da ake bukata don haɓaka fasahar ta. Don gano wanzuwar ma'adinan karkashin ruwa, ana amfani da hanyoyin sadarwa na Convolutional Neural Networks (CNN).
Abũbuwan amfãni
- Ko da ƴan ƙananan ƙwayoyin cuta a cikin hanyar sadarwa na jijiyoyi ba sa aiki yadda ya kamata, cibiyoyin sadarwar jijiyoyi za su samar da kayan aiki.
- Cibiyoyin jijiyoyi suna da ikon koyo a cikin ainihin lokaci kuma su dace da saitunan su na canzawa.
- Cibiyoyin jijiyoyi na iya koyan yin ayyuka iri-iri. Don samar da sakamako daidai bisa bayanan da aka bayar.
- Cibiyoyin jijiyoyi suna da ƙarfi da iyawa don gudanar da ayyuka da yawa a lokaci guda.
disadvantages
- Ana amfani da hanyoyin sadarwa na jijiyoyi don magance matsaloli. Ba ya bayyana bayanin a baya "me yasa kuma ta yaya" ya yanke hukuncin da ya yi saboda rikice-rikice na cibiyoyin sadarwa. A sakamakon haka, amincin cibiyar sadarwa na iya lalacewa.
- Abubuwan haɗin yanar gizo na jijiyoyi sun dogara ga juna. Wato, hanyoyin sadarwar jijiyoyi suna buƙatar (ko kuma sun dogara sosai akan) kwamfutoci masu isassun ƙarfin kwamfuta.
- Tsarin hanyar sadarwar jijiya ba shi da takamaiman ƙa'ida (ko ƙa'idar babban yatsan hannu). A cikin fasaha na gwaji-da-kuskure, an kafa tsarin cibiyar sadarwa daidai ta hanyar ƙoƙarin cibiyar sadarwa mafi kyau. Hanya ce da ke buƙatar gyara mai yawa.
Kammalawa
Kasashen neural networks yana faɗaɗa cikin sauri. Yana da mahimmanci a koyi da fahimtar abubuwan da ke cikin wannan sashe don samun damar magance su.
Yawancin nau'ikan hanyoyin sadarwa na jijiyoyi an rufe su a cikin wannan labarin. Kuna iya amfani da hanyoyin sadarwa na jijiyoyi don magance matsalolin bayanai a wasu fagage idan kun ƙarin koyo game da wannan horo.
Leave a Reply