الشبكات العصبية – مفهومها واستخدامها في التنبؤ

ملخص المحتوى

شرح وتبسيط مفهوم خوارزميات الشبكات العصبية وطريقة عملها وكيف يتم استخدامها في التنبؤ مع التوضيح بالأمثلة. شرح كيف يتم بناء خوارزمياتها وطبيعة العقد المخفية فيها ودورها في تطوير وتحديث الخوارزمية.

مفهوم الشبكات العصبية

تعتبر خوارزميات الشبكات العصبية أو (بالإنجليزية: Neural Networks) هي وأشجار القرار من أهم خوارزميات تنقيب البيانات. وذلك نظرًا للنتائج الدقيقة التي يتم التوصل إليها باستخدام هذه الخوارزميات. وكذلك لإمكانية تطبيقهما في حل العديد من المشاكل وبكافة الأنواع.

هذا بالرغم من صعوبتهما مقارنة بالخوارزميات الأخرى والتي أدت لعدم الانتشار بشكل واسع لهما.

وخوارزميات الشبكات العصبية تشبه في تركيبتها تركيبة عقل الإنسان. فهي تعمل بنفس الطريقة كما يعمل العقل في نقل ومعالجة وتحليل المعلومات والتوصل إلى الاستنتاجات واكتشاف الأنماط والتنبؤات.

ونستطيع من خلالها تطبيق بعض ما يطبقه العقل الطبيعي، رغم أن العلماء لا يزالون حتى اليوم يكتشفون المزيد عنه ولم يلموا بكل تفاصيل عمله.

وقد ساهمت طبيعة خوارزميات هذه الشبكات في أن تكون هي الأكثر استخدامًا في مجال الذكاء الاصطناعي. وذلك باعتبار أنها تهدف إلى محاكاة الذكاء البشري وإكساب الآلة بعض قدرات العقل الطبيعي.

ويتم بناء خوارزميات الشبكات العصبية بطرق معقدة جدًا ومبنية على أنواع البيانات الرقمية. وعادة يتم استبدال قيم المتغيرات الاسمية المتوفرة بقيم رقمية لكي يتم استخدامها في الشبكة. وذلك من خلال عمليات تحويل البيانات وتفريد البيانات التي تتم في مرحلة تحضير البيانات للتحليل والتنقيب.

وكثيرًا ما تصب جهود المحللين باتجاه تبسيط وتسهيل خوارزميات من هذا النوع.

طريقة عمل خوارزميات الشبكات العصبية

إن خوارزميات الشبكات العصبية تعمل بنفس الطريقة التي يعمل بها مخ أو عقل الإنسان. فهناك العُقد (التي تناظر الخلايا العصبية). وهناك الروابط التي تصل بينها (التي تناظر الوصلات العصبية).

الشكل التالي يوضح تركيب شبكة عصبية بسيطة:

الشبكات العصبية - شبكة عصبية بسيطة
الشبكات العصبية – شبكة عصبية بسيطة

تمثل الدوائر المستديرة العقد. وتمثل الخطوط المستقيمة الروابط، وتعمل هذه الشبكة بأن يتم إدخال متغيرين بقيم معينة ثم يتم تطبيق دوال معينة بهدف حساب قيمة تنبؤية لمتغير ثالث.

وتعتبر هذه القيمة قيمة تنبؤية باستخدام هذه الشبكة العصبية.

وفي هذا المثال، الشبكة تأخذ متغيري السن أو العمر والدخل وتعطي نتيجة تنبؤية. وهدفها استكشاف ما إذا كان الشخص سيُقبل على عرض معين لشراء أحد المنتجات مثل شراء أحد أجهزة الحاسوب.

كيف يتم التنبؤ في الشبكات العصبية

لكي يتم التوقع أو التنبؤ باستخدام الشبكات العصبية، يتم إدخال قيم المتغيرات المعلومة في العقد المخصصة للإدخال. ويصبح لكل عقدة قيمة السمة أو المتغير الذي تم إدخاله.

بعد ذلك يتم ضرب قيمة كل عقدة بقيمة الرابط المتصل بها وتجميع كل النتائج بحسب المعادلة الرياضية المعرفة في الشبكة العصبية ومن ثم الحصول على نتيجة التنبؤ بوقوع الحدث الذي يتم استكشافه.

وفي هذا المثال، تم اعتبار أنه إذا كانت النتيجة (صفر) يكون من المتوقع استجابة الشخص للعرض المقدم له.

وإذا كانت النتيجة مقدارها (1) فيكون من المتوقع عدم استجابته.

ولتبسيط هذه العملية يمكن وصفها بالشكل التالي:

شبكة عصبية تأخذ متغيري العمر والدخل للشخص وتتنبأ بإقباله على شراء منتج معين - خوارزميات الشبكات العصبية
شبكة عصبية تأخذ متغيري العمر والدخل للشخص وتتنبأ بإقباله على شراء منتج معين – خوارزميات الشبكات العصبية

وقد تم التعبير عن العمر والدخل بقيم تقع على التدريج بين (صفر، 1).

فالعمر في هذا المثال 47 سنة وهو يناظر القيمة 0.47 على التدريج.

والدخل في هذا المثال بقيمة 65,000 والمناظر للقيمة 0.65 على المقياس أو التدريج.

أما الوصلات والتي تعبر عن الأوزان فقد تم تقديرها بالقيم (0.7) و(0.1) على الترتيب أو التتالي.

وبعد ضرب قيم العقد في قيم الوصلات ثم جمعها نحصل على قيمة المتغير الذي نريد التوقع له فيكون الناتج هنا (0.39). وهي قيمة أقرب للقيمة (صفر) منها للقيمة (1).

وبذلك يتم اعتبارها (صفر)، وتكون بالتالي النتيجة هي توقع استجابة الشخص للعرض المقدم له لشراء جهاز الحاسوب.

طريقة بناء خوارزميات الشبكات العصبيه

يتم بناء خوارزميات الشبكات العصبية عن طريق دراسة وتحليل أحداث وقعت بالفعل قبل ذلك ومخزنة في سجلات سابقة في قواعد البيانات.

ثم بمقارنة التوقعات الناتجة من الشبكة العصبية مع السجلات الحقيقية السابقة يتم تطوير وتحديث قيم الأوزان في الشبكة بقيم أكثر دقة.

وهذه يشبه إلى حد كبير عملية تصحيح أوراق إجابات الطلاب في المدرسة، فكلما كانت الأخطاء كبيرة فإنه يلزم لتصحيحها جهد أكبر. وكلما كانت الأخطاء قليلة يقل الجهد المطلوب لتصحيحها. وهكذا يتم بناء الشبكات العصبية بشكل تدريجي لتصبح أكثر صحة ودقة وكفاءة في تقدير التوقعات.

ويعتبر تحديد قيم الأوزان، المعبر عنها بالوصلات، هي الأهم لبناء شبكة عصبية يتم باستخدامها التوقع أو التنبؤ بشكل جيد ودقيق.

وفي المثال السابق كانت الشبكة العصبية بسيطة جدًا وتهدف للتوضيح.

في الواقع، يمكن أن تكون خوارزمية الشبكة العصبية أكثر تعقيدًا وتحتوي على العديد من العقد والوصلات التي قد تصل إلى عدة مئات.

العقد المخفية في الشبكات العصبيه

قد تحتوي خوارزميات الشبكات العصبية على نوعية أخرى من العقد والتي تسمى العقد المخفية. وتكون مهمة هذه العُقد استشارية ولا يؤخذ بقيمها إلا بعد أن يتم اعتماد استشارتها في حالة صحتها وبعد التجربة الفعلية وليس قبل.

فالعُقد المخفية هنا تلعب دورًا استشاريًا فقط.

ومثلما يحدث في الجيش، فالقائد يستمع إلى العديد من الاستشارات ممن حوله من المستشارين قبل اتخاذ قرار معين.

ولكنه بعد اتخاذ القرار واستكشاف نتائجه ومدى صحته، يصبح بإمكانه تمييز المستشارين الجيدين والذين كانت آرائهم أقرب للقرار الذي كان من المُفترض أن يكون أنسب.

وبالتالي سوف يعتمد آرائهم في المستقبل ويأخذ بها أكثر من آراء غيرهم.

وهكذا، فالعقد المخفية تلعب نفس هذا الدور. كلما تم تطبيق الخوارزمية يتم تطوير وتحديث العقد الأصلية. وذلك بأن تأخذ بالاعتبار قيم العقد المخفية المناسبة والتي تدعم الحصول على نتائج أكثر دقة.

وبالمقابل يتم إهمال قيم العقد المخفية التي لم تحقق ذلك.

المصدر

  • كتاب التحليل المتقدم وتنقيب البيانات. د. م. مصطفى عبيد، دار الفكر العربي. القاهرة، الطبيعة الأولى، 2017.
error:
Scroll to Top