Zehmetiya Hunerî (AI) di destpêkê de wekî xewnek dûr, teknolojiyek ji bo pêşerojê dihat fikirîn, lê ew êdî ne wusa ye.
Tiştê ku berê mijarek lêkolînê bû, niha di cîhana rastîn de diteqe. AI naha li cîhêreng tê dîtin, di nav de cîhê kar, dibistan, bank, nexweşxane, û tewra têlefona we jî.
Ew çavên wesayîtên xwe-ajotinê, dengên Siri û Alexa, hişê li pişt pêşbîniya hewayê, destên li pişt emeliyata bi alîkariya robotîk, û hêj bêtir in.
Intelligence intelligence (AI) dibe taybetmendiyek gelemperî ya jiyana nûjen. Di çend salên dawîn de, AI di nav cûrbecûr teknolojiyên IT-ê de wekî lîstikvanek sereke derketiye holê.
Di dawiyê de, tora neuralî ji hêla AI-ê ve tê bikar anîn da ku tiştên nû fêr bibe.
Ji ber vê yekê îro em ê li ser Torên Neuralî, ka ew çawa dixebite, celebên wan, serîlêdan û hêj bêtir fêr bibin.
Tora Neuralî çi ye?
In fêrbûna makîneyê, tora neuralî toreke nermalava bernamekirî ya neuronên sûnî ye. Ew hewil dide ku mêjiyê mirovan bişelîne bi gelek qatên "neuronan", ku dişibin noyronên mejiyê me.
Tebeqeya yekem a neuronan dê wêne, vîdyo, deng, nivîs û têketinên din qebûl bike. Ev dane di nav hemî astan de diherike, digel ku derenca yek qatek diherike ya din. Ev ji bo karên herî dijwar, wek pêvajoya zimanê xwezayî ya ji bo fêrbûna makîneyê, krîtîk e.
Lêbelê, di rewşên din de, armanckirina berhevkirina pergalê ji bo kêmkirina mezinahiya modelê digel domandina rastbûn û karîgeriyê tercîh e. Perçiqandina tora neuralî rêbazek pêgirtinê ye ku tê de rakirina giranan ji modelek fêrbûyî vedihewîne. Tora neuralî ya îstîxbarata çêkirî ya ku ji bo cûdakirina mirovan ji heywanan hatî perwerde kirin bifikirin.
Wêne dê ji hêla qata yekem a neuronan ve bibe parçeyên geş û tarî. Ev dane dê di qata jêrîn de were derbas kirin, ku dê diyar bike ka li ku derê ne.
Qata din dê hewl bide ku formên ku berhevoka kevanan çêkiriye nas bike. Li gorî daneyên ku li ser hatine perwerde kirin, dane dê bi heman rengî di gelek qatan re derbas bibin da ku diyar bikin ka wêneya ku we pêşkêşî mirovek e an heywanek e.
Dema ku dane di nav tora neuralî de têne dayîn, ew dest bi pêvajoyê dike. Dûv re, dane bi astên xwe ve têne hilberandin da ku encama xwestinê bistînin. Tora neuralî makîneyek e ku ji têketina sazkirî fêr dibe û encaman nîşan dide. Sê celeb fêrbûnê hene ku dikarin di torên neuralî de pêk werin:
- Fêrbûna Çavdêrî - Ketin û derketin ji algorîtmayan re bi karanîna daneyên nîşankirî têne dayîn. Piştî ku têne fêr kirin ka meriv çawa daneyan analîz dike, ew encama armanc pêşbîn dikin.
- Fêrbûna Bêserûber - ANN bêyî arîkariya mirovan fêr dibe. Daneyên bi etîketkirî tune, û encam bi qalibên ku di daneya derketinê de têne dîtin têne biryardan.
- Fêrbûna Hêzkirinê dema ku torgilok ji bertekên ku distîne fêr dibe.
Torên Neural çawa dixebitin?
Neronên çêkirî di torên neuralî de, ku pergalên sofîstîke ne, têne bikar anîn. Neronên çêkirî, ku wekî perceptron jî têne zanîn, ji hêmanên jêrîn pêk têne:
- Beyan
- Pîvan
- Bias
- Fonksiyona Çalakkirinê
- Karûabr
Qatên noyronên ku torên neuralî pêk tînin. Tora neuralî ji sê qatan pêk tê:
- layer Input
- Qatek veşartî
- Tebeqeya derketinê
Daneyên di forma nirxek hejmarî de ji qata têketinê re têne şandin. Qatên veşartî yên torê ew in ku herî zêde hesaban dikin. Tebeqeya derketinê, ya dawî lê ne hindik, encamê pêşbîn dike. Neuron di tora neuralî de li ser hev serdest in. Neuron ji bo avakirina her qatek têne bikar anîn. Piştî ku tebeqeya têketinê ew digire, dane ber bi qata veşartî ve tê rêkirin.
Giran li her têketinê têne sepandin. Di nav qatên veşartî yên torgilokek neuralî de, giranî nirxek e ku daneyên hatî werger dike. Weights bi zêdekirina daneya têketinê bi nirxa giraniya di qata têketinê de kar dikin.
Dûv re ew nirxa qata yekem a veşartî dest pê dike. Daneyên têketinê têne guheztin û bi qatên veşartî derbasî qata din dibe. Parçeya derketinê berpirsiyar e ku encama dawîn hilberîne. Ketin û giranî têne zêdekirin, û encam wekî berhevokê ji neuronên qata veşartî re tê şandin. Her neuronek biasiyek tê dayîn. Ji bo hesabkirina tevahiyê, her neuron ketina ku distîne zêde dike.
Piştî wê, nirx bi fonksiyona çalakkirinê re derbas dibe. Encama fonksiyona çalakkirinê diyar dike ka neuronek çalak e an na. Dema ku neuronek çalak be, ew agahdarî dişîne qatên din. Daneyên di torê de têne çêkirin heya ku neuron bi karanîna vê rêbazê digihîje qata derketinê. Pêşveçûn ji bo vê yekê peyvek din e.
Teknîka danûstendina daneyan di nav girêkek têketinê de û bidestxistina encam bi girêka derketinê re wekî belavbûna pêş-rojî tê zanîn. Dema ku daneya têketinê ji hêla qata veşartî ve tê pejirandin, belavkirina pêş-rojê çêdibe. Ew li gorî fonksiyona çalakkirinê tê pêvajo kirin û dûv re derbasî derketinê dibe.
Encam bi îhtîmala herî mezin ji hêla neuronê ve di qata derketinê de tê pêşandan. Paşpropagasyon dema ku encam xelet be çê dibe. Dema ku torgilokek neuralî diafirîne, giranî ji her têketinê re têne destpêkirin. Paşpropagasyon pêvajoyek ji nû ve sererastkirina giraniyên her têketinê ye ku xeletiyan kêm bike û encamek rasttir peyda bike.
Cureyên Tora Neuralî
1. Perceptron
Modela perceptronê Minsky-Papert yek ji wan modelên neron ên herî hêsan û kevn e. Ew yekîneya herî piçûk a torgilokek neuralî ye ku hin hesaban dike da ku di daneya gihîştî de taybetmendî an hişmendiya karsaziyê kifş bike. Ew têketinên giran digire û fonksiyona çalakkirinê bicîh tîne da ku encama dawîn bigire. TLU (yekîneya mantiqa sînor) navekî din ê perceptronê ye.
Perceptron dabeşkerek binary e ku pergalek fêrbûnê ya çavdêrîkirî ye ku daneyan li du koman dabeş dike. Deriyên Mantiqî wek AND, OR, û NAND dikarin bi perceptronan bêne bicîh kirin.
2. Tora Neuralî ya Feed-Pêş
Guhertoya herî bingehîn a torên neuralî, ku tê de daneya têketinê bi taybetî di yek alî de diherike, di nav girêkên neuralî yên çêkirî re derbas dibe û bi girêkên derketinê re derdikeve. Qatên ketin û derketinê li cîhên ku qatên veşartî lê hebin an nebin hene. Li ser vê yekê ew dikarin wekî tora neuralî ya yek-qatî an pir-qatî werin binav kirin.
Hejmara qatên ku têne bikar anîn ji hêla tevliheviya fonksiyonê ve tê destnîşankirin. Tenê di yek alî de li pêş belav dibe û bi paş ve belav nabe. Li vir, giranî berdewam dimîne. Ketin bi giranan têne zêdekirin da ku fonksiyonek çalakkirinê bidin xwarin. Ji bo vê yekê fonksiyonek çalakkirina dabeşkirinê an fonksiyonek çalakkirina gavê tê bikar anîn.
3. Perceptron pir-layer
Destpêkek ji bo sofîstîke torên neuralî, ku tê de daneyên têketinê bi gelek qatên neuronên çêkirî ve têne rêve kirin. Ew torgilokek neuralî ya bi tevahî ve girêdayî ye, ji ber ku her girêk di qata jêrîn de bi hemî neuronan ve girêdayî ye. Gelek qatên veşartî, ango herî kêm sê qat an jî zêdetir, di qatên ketin û derketinê de hene.
Ew xwedan belavbûna dualî ye, ku tê vê wateyê ku ew dikare hem pêş û hem jî paşve belav bike. Ketin bi giranan têne zêdekirin û ji fonksiyona çalakkirinê re têne şandin, li wir ew bi navgîniya paşverû têne guhertin da ku winda kêm bikin.
Weights nirxên ku ji Tora Neuralî têne fêrbûna makîneyê ne, bi hêsanî bêje. Li gorî cûdahiya di navbera hilberên çaverêkirî û têketinên perwerdehiyê de, ew bixwe xwe eyar dikin. Softmax piştî fonksiyonên çalakkirina nehêl wekî fonksiyonek çalakkirina qata derketinê tê bikar anîn.
4. Tora Neuralî ya Convolutional
Berevajî rêzika du-alî ya kevneşopî, torgilokek neuralî ya tevlihev xwedan vesazkirinek sê-alî ya neuronan e. Tebeqeya yekem wekî tebeqeya konvolutional tê zanîn. Her neuronek di qata konvolutional de tenê agahdariya ji beşek tixûbdar a qada dîtbarî pêvajo dike. Mîna parzûnek, taybetmendiyên têketinê di moda hevîrê de têne girtin.
Tora wêneyan di beşan de fam dike û dikare van çalakiyan gelek caran pêk bîne da ku tevahiya pêvajoya wêneyê biqedîne.
Di dema pêvajoyê de wêne ji RGB an HSI veguherî greyscale. Guhertoyên din ên di nirxa pixelê de dê di tespîtkirina keviyan de bibin alîkar, û wêne dikarin li çend koman werin rêz kirin. Belavbûna yekalî diqewime dema ku CNN yek an çend tebeqeyên hevedudanî yên li dû hev kombûnê vedihewîne, û belavbûna dualî çêdibe dema ku derketina qata hevedudanî ji tora neuralî ya bi tevahî ve girêdayî ji bo dabeşkirina wêneyê tê şandin.
Ji bo derxistina hin hêmanên wêneyek, fîlter têne bikar anîn. Di MLP de, têketin têne giran kirin û di fonksiyona çalakkirinê de têne peyda kirin. RELU di tevlihevkirinê de tê bikar anîn, dema ku MLP fonksiyonek aktîvkirina nehêle li dû softmax bikar tîne. Di naskirina wêne û vîdyoyê de, parskirina semantîk, û vedîtina parafrazê de, torên neuralî yên hevgirtî encamên hêja derdixin.
5. Tora Bias Radial
Vektorek têketinê bi qatek ji neuronên RBF û qatek derketinê bi yek girêk ji bo her kategoriyek di Tora Fonksiyona Bingeha Radial de tê şopandin. Ketin bi berhevkirina wê li hember xalên daneya ji koma perwerdehiyê, ku her neuron prototîpek diparêze, tê dabeş kirin. Ev yek ji nimûneyên perwerdehiyê ye.
Dema ku vektora têketina nû [vektora n-dimensîyonî ya ku hûn hewl didin kategorîze bikin] divê were dabeş kirin, her neuron dûrahiya Euclidy di navbera têketin û prototîpa xwe de hesab dike. Ger du çînên me hebin, sinifa A û pola B, têketina nû ya ku were kategorîzekirin ji prototîpên pola B bêtir dişibihe prototîpên pola A.
Wekî encamek, dibe ku ew wekî pola A were binav kirin an kategorî kirin.
6. Tora Neuralî ya Dubare
Tora Neuralî ya Dubarekirî ji bo hilanîna hilbera qatekê hatine sêwirandin û dûv re wê vegere nav têketinê da ku alîkariya pêşbînkirina encama qatê bike. A feed-pêş torê neural bi gelemperî qata destpêkê ye, li dûv wê qatek tora neuralî ya dûbare ye, ku fonksiyonek bîranînê beşek ji agahdariya ku di gava gava berê de hebû bi bîr tîne.
Ev senaryo belavkirina pêş de bikar tîne. Ew daneyên ku dê di pêşerojê de hewce bike xilas dike. Di bûyera ku pêşbînî xelet be, rêjeya fêrbûnê tê bikar anîn da ku sererastkirinên piçûk bike. Wekî encamek, her ku paşveçûn pêşve diçe, ew ê rasttir bibe.
Applications
Tora neuralî ji bo çareserkirina pirsgirêkên daneyê di cûrbecûr dîsîplînan de têne bikar anîn; çend mînak li jêr têne nîşandan.
- Naskirina Rû - Çareseriyên Naskirina Rû wekî pergalên çavdêriya bandorker xizmet dikin. Pergalên naskirinê wêneyên dîjîtal bi rûyê mirovan re têkildar dikin. Ew di nivîsgehan de ji bo têketina bijartî têne bikar anîn. Bi vî rengî, pergal rûyê mirovek rast dikin û wê bi navnîşek nasnameyên ku di databasa wê de hatine hilanîn berhev dikin.
- Pêşbîniya Stock - Veberhênan li ber rîskên bazarê têne xuyang kirin. Di pratîkê de dijwar e ku meriv pêşkeftinên pêşerojê yên di bazara borsa pir bêhêz de pêşbîn bike. Berî torên neuralî, qonaxên berbiçûk û berbiçûk ên ku bi domdarî diguhezin nediyar bûn. Lê, çi her tişt guhert? Bê guman, em li ser torên neuralî dipeyivin… A Perceptron MLP ya Pirrengî (cûreyek pergala îstîxbarata sûnî ya berfereh) tê bikar anîn da ku di demek rast de pêşbîniyek serketî ya stokê biafirîne.
- Medyaya civakî - Bêyî ku ew çiqas xerîb xuya dike jî, medyaya civakî riya jiyanê ya rojane guhertiye. Tevgerên bikarhênerên medyaya civakî bi karanîna Torên Neuralî yên Artificial ve têne lêkolîn kirin. Ji bo analîza pêşbaziyê, daneyên ku rojane bi navgîniya danûstendinên virtual têne berhev kirin û têne lêkolîn kirin. Kiryarên bikarhênerên medyaya civakî ji hêla torên neuralî ve têne dubare kirin. Gava ku dane bi navgîniya torên medya civakî ve têne analîz kirin, tevgerên kesan dikare bi şêwazên lêçûnên mirovan ve were girêdan. Daneyên ji serîlêdanên medya civakî bi karanîna Multilayer Perceptron ANN têne derxistin.
- Tenduristî - Kesên li cîhana îroyîn di pîşesaziya lênihêrîna tenduristiyê de feydeyên teknolojiyê bikar tînin. Di karsaziya lênihêrîna tenduristiyê de, Torên Neuralî yên Convolutional ji bo tespîtkirina tîrêjê, CT û ultrasound têne bikar anîn. Daneyên wênekêşiya bijîjkî yên ku ji ceribandinên jorîn hatine wergirtin bi karanîna modelên tora neuralî têne nirxandin û nirxandin, ji ber ku CNN di hilberandina wêneyê de tê bikar anîn. Di pêşveçûna pergalên naskirina deng de, tora neuralî ya dubare (RNN) jî tê bikar anîn.
- Rapora hewayê - Beriya pêkanîna îstîxbarata sûnî, pêşbîniyên beşa meteorolojiyê qet rast nebûn. Pêşbînkirina hewayê bi piranî ji bo pêşbînkirina şert û mercên hewayê yên ku dê di pêşerojê de çêbibin tê kirin. Pêşbîniyên hewayê ji bo pêşbîniya îhtîmala felaketên xwezayî di serdema nûjen de têne bikar anîn. Pêşbînkirina hewayê bi karanîna perceptrona pirreng (MLP), torên neuralî yên hevgirtî (CNN), û torên neuralî yên dubare (RNN) tê kirin.
- Parastin - Lojîstîk, analîza êrîşa çekdarî, û cîhê tiştan hemî torên neuralî bikar tînin. Her weha ew di dewriyeyên hewayî û deryayê de, û hem jî ji bo birêvebirina dronên xweser têne xebitandin. Zehmetiya çêkirî ji bo mezinkirina teknolojiya xwe pêdiviya pir hewce dide pîşesaziya berevaniyê. Ji bo tesbîtkirina hebûna mayinên binê avê, Tora Neuralî ya Convolutional (CNN) têne bikar anîn.
Feyda
- Her çend çend noyron di torgilokek neuralî de bi rêkûpêk nexebitin jî, torgilokên neuralî dê dîsa jî encaman çêbikin.
- Tora neuralî xwedan şiyana ku di wextê rast de fêr bibin û li gorî mîhengên guheztina wan biguncînin.
- Torên neuralî dikarin fêr bibin ku cûrbecûr karan bikin. Li ser bingeha daneyên peydakirî encamek rast peyda bikin.
- Tora neuralî xwedî hêz û kapasîteya ku di heman demê de gelek karan bi rê ve bibin.
dezawantajên
- Tora neuralî ji bo çareserkirina pirsgirêkan têne bikar anîn. Ew ravekirina li pişt "çima û çawa" eşkere nake ku ew dadbarên ku ji ber tevliheviya torê kiriye. Wekî encamek, baweriya torê dibe ku hilweşe.
- Pêkhateyên tora neuralî bi hev ve girêdayî ne. Ango, torên neuralî komputerên bi hêza têr hesabkirinê daxwaz dikin (an jî zehf pê ve girêdayî ne).
- Pêvajoyek tora neuralî qaîdeyek taybetî (an jî qaîdeyek ji rêzê) tune. Di teknîka ceribandin-û-çewtiyê de, bi hewldana torê çêtirîn avahiyek torê ya rast tê saz kirin. Ew pêvajoyek e ku pêdivî ye ku pir rêzikandin.
Xelasî
Zeviyê torên neural bi lez berfireh dibe. Ji bo ku meriv bikaribe bi wan re mijûl bibe fêrbûn û têgihîştina têgehên di vê sektorê de girîng e.
Di vê gotarê de gelek cûreyên torên neuralî hatine nixumandin. Heke hûn di derheqê vê dîsîplînê de bêtir fêr bibin hûn dikarin torên neuralî bikar bînin da ku pirsgirêkên daneyê di warên din de çareser bikin.
Leave a Reply