بسم الله الرحمن الرحيم
نبدأ اليوم على بركة الله دراسه للشبكة العصبيه الاصطناعيه + البرامج المساعده لتكوين الشبكة
الهدف من هذه الدراسه هو كالتالي :
صناعة شبكة عصبية اصطناعيه ملائمه للاكسبيرت الخاص بنا
كيفية تدريب الشبكة العصبية
حسنآ لنبدأ الان بعض دروس الهامه :
تعريف الشبكات العصبية الاصطناعية Artificial Neural Networks
هي تقنيات حسابية مصممة لمحاكاة الطريقة التي يؤدي بها الدماغ البشري مهمة معينة، وذلك عن طريق معالجة ضخمة موزعة على التوازي، ومكونة من وحدات معالجة بسيطة، هذه الوحدات ما هي إلا عناصر حسابية تسمى عصبونات أو عقد (Nodes ، Neurons ) والتي لها خاصية عصبية ، من حيث أنها تقوم بتخزين المعرفة العملية والمعلومات التجريبية لتجعلها متاحة للمستخدم وذلك عن طريق ضبط الأوزان.
إذاً الANN تتشابه مع الدماغ البشري في أنها تكتسب المعرفة بالتدريب وتخزن هذه المعرفة باستخدام قوى وصل داخل العصبونات تسمى الأوزان التشابكية. وهناك أيضا تشابه عصبي حيوي مما يعطي الفرصة لعلماء البيولوجيا في الاعتماد على ANN لفهم تطور الظواهر الحيوية.
مكونات الشبكة العصبونية الاصطناعية
كما رأينا أن الشبكات العصبونية تتكون من مجموعة من وحدات المعالجة ويسمى أحدها عصبون ، والشكل (1) يبين نموذجا لا خطيا وبسيطا للعصبون الاصطناعي :
كما أن للإنسان وحدات إدخال توصله بالعالم الخارجي وهي حواسه الخمس، فكذلك الشبكات العصبية تحتاج لوحدات إدخال . ووحدات معالجة يتم فيها عمليات حسابية تضبط بها الأوزان و نحصل من خلالها على ردة الفعل المناسبة لكل مدخل من المدخلات للشبكة . فوحدات الإدخال تكوّن طبقة تسمى طبقة المدخلات، و وحدات المعالجة تكوّن طبقة المعالجة وهي التي تخرج نواتج الشبكة. وبين كل طبقة من هذه الطبقات هناك طبقة من الوصلات البينية التي تربط كل طبقة بالطبقة التي تليها والتي يتم فيها ضبط الأوزان الخاصة بكل وصلة بينية، وتحتوي الشبكة على طبقة واحدة فقط من وحدات الإدخال ، ولكنها قد تحتوي على أكثر من طبقة من طبقات المعالجة.
نلاحظ من الشكل (2) أن العصبون يتألف من:
1 - إشارات الدخل ( Input : a1,a2,a2,….an-)
2 - قوى الأوزان ( Weights: Wj1, Wj2, Wj3,……Wjn ) حيث يعبر الوزن عن شدة الترابط بين عنصر قبله وعنصر بعده .
3 - عنصر المعالجة J : )Processing Element )
وهذا العنصر يقسم إلى قسمين :
أ - الجامع (Adder ) لجمع الإشارات في الدخل الموزون .
ب - تابع النقل أو تابع التفعيل (Activation Function ) :
وهذا التابع يحد من خرج العصبون لذا يسمى بتابع التخميد Squashing حيث يجعل الخرج ضمن المجال [0,1] أو ضمن المجال[-1,1] .
4 - الخرج (Output) (Xj ) .
طرق تعليم الشبكة العصبونية
تتعلم الشبكة عن طريق إعطائها مجموعة من الأمثلة، التي يجب أن تكون مختارة بعناية، لأن ذلك سيساهم في سرعة تعلم الشبكة. ومجموعة الأمثلة هذه تسمى فئة التدريب.
وتنقسم طرق تعليم شبكة عصبية إلى قسمين حسب فئة التدريب التي تعرض على الشبكة وهما:
التعليم المراقب (بواسطة معلم) Supervised Learning of ANN’s
تقوم كل طرق التعليم أو التدريب بواسطة معلم للشبكات العصبية الاصطناعية على فكرة عرض البيانات التدريبية أمام الشبكة على هيئة زوج من الأشكال وهما الشكل المدخل input والشكل المستهدف target
مثال :
الشكل المدخل input يتكون من :
* سعر الإفتتاح
* الهاي
*اللو
*قيمة مؤشر ال-RSI
*قيمة مؤشر ال-MACD
....إلخ
والشكل المستهدف target :
* سعر الإغلاق
التعليم غير المراقب ( بدون معلم ) Unsupervised learning
في هذه الطريقة تكون فئة التدريب عبارة عن متجه المدخلات فقط دون عرض الهدف على الشبكة، وتسمى هذه الطريقة التعليم الذاتي حيث تبني الشبكات العصبونية الاصطناعية أساليب التعليم على أساس قدرتها على اكتشاف الصفات المميزة لما يعرض عليها من أشكال وأنساق وقدرتها على تطوير تمثيل داخلي لهذه الأشكال وذلك دون معرفة مسبقة وبدون عرض أمثلة لما يجب عليها أن تنتجه وذلك على عكس المبدأ المتبع في أسلوب التعليم بواسطة معلم.
من التعليم بدون معلم التعليم الهيبياني Hebbian، و التعليم التنافسي Competitive وبما أن الأسلوب الذي سنتبعه في هذه الدورة هو التعليم بواسطة معلم ، لذلك سنتطرق إليه الآن بالتفصيل ، حيث أن التعليم بوجود معلم يمكن أن يتم إما بتصحيح الخطأ أو بالاعتماد على الذاكرة .
التعليم بواسطة معلم على نمط تصحيح الخطأ :
يستخدم هذا النوع من التدريب لتعليم الشبكات الخطية ذات الطبقة الواحدة التي تستخدم لحل مسائل التقابل الخطي بين الدخل والخرج، حيث تقوم الشبكة بحساب إشارة الخطأ من خلال الفرق بين خرج العصبون والخرج المطلوب، ويتم تعديل قيم الأوزان عن طريق دالة الخطأ المسماة بتابع الكلفة بهدف تصغير الفارق عن طريق اشتقاق هذا التابع بالنسبة للأوزان المشبكية. تعتبر هذه الطريقة في التعليم من أهم طرق التعليم بواسطة معلم وأكثرها شيوعاً .
التعليم بواسطة معلم المعتمد على الذاكرة :
يتم في هذا النوع تخزين المعلومات المتوفرة عن البيئة في الشبكة العصبونية أي تخزين مجموعة التدريب التي هي شعاع الدخل وشعاع الخرج المقابل له ويتطلب هذا النوع من التعليم وجود معيار لتحديد تشابه الأشعة ووجود قاعدة تعليم .
نبدأ اليوم على بركة الله دراسه للشبكة العصبيه الاصطناعيه + البرامج المساعده لتكوين الشبكة
الهدف من هذه الدراسه هو كالتالي :
صناعة شبكة عصبية اصطناعيه ملائمه للاكسبيرت الخاص بنا
كيفية تدريب الشبكة العصبية
حسنآ لنبدأ الان بعض دروس الهامه :
تعريف الشبكات العصبية الاصطناعية Artificial Neural Networks
هي تقنيات حسابية مصممة لمحاكاة الطريقة التي يؤدي بها الدماغ البشري مهمة معينة، وذلك عن طريق معالجة ضخمة موزعة على التوازي، ومكونة من وحدات معالجة بسيطة، هذه الوحدات ما هي إلا عناصر حسابية تسمى عصبونات أو عقد (Nodes ، Neurons ) والتي لها خاصية عصبية ، من حيث أنها تقوم بتخزين المعرفة العملية والمعلومات التجريبية لتجعلها متاحة للمستخدم وذلك عن طريق ضبط الأوزان.
إذاً الANN تتشابه مع الدماغ البشري في أنها تكتسب المعرفة بالتدريب وتخزن هذه المعرفة باستخدام قوى وصل داخل العصبونات تسمى الأوزان التشابكية. وهناك أيضا تشابه عصبي حيوي مما يعطي الفرصة لعلماء البيولوجيا في الاعتماد على ANN لفهم تطور الظواهر الحيوية.
مكونات الشبكة العصبونية الاصطناعية
كما رأينا أن الشبكات العصبونية تتكون من مجموعة من وحدات المعالجة ويسمى أحدها عصبون ، والشكل (1) يبين نموذجا لا خطيا وبسيطا للعصبون الاصطناعي :
كما أن للإنسان وحدات إدخال توصله بالعالم الخارجي وهي حواسه الخمس، فكذلك الشبكات العصبية تحتاج لوحدات إدخال . ووحدات معالجة يتم فيها عمليات حسابية تضبط بها الأوزان و نحصل من خلالها على ردة الفعل المناسبة لكل مدخل من المدخلات للشبكة . فوحدات الإدخال تكوّن طبقة تسمى طبقة المدخلات، و وحدات المعالجة تكوّن طبقة المعالجة وهي التي تخرج نواتج الشبكة. وبين كل طبقة من هذه الطبقات هناك طبقة من الوصلات البينية التي تربط كل طبقة بالطبقة التي تليها والتي يتم فيها ضبط الأوزان الخاصة بكل وصلة بينية، وتحتوي الشبكة على طبقة واحدة فقط من وحدات الإدخال ، ولكنها قد تحتوي على أكثر من طبقة من طبقات المعالجة.
نلاحظ من الشكل (2) أن العصبون يتألف من:
1 - إشارات الدخل ( Input : a1,a2,a2,….an-)
2 - قوى الأوزان ( Weights: Wj1, Wj2, Wj3,……Wjn ) حيث يعبر الوزن عن شدة الترابط بين عنصر قبله وعنصر بعده .
3 - عنصر المعالجة J : )Processing Element )
وهذا العنصر يقسم إلى قسمين :
أ - الجامع (Adder ) لجمع الإشارات في الدخل الموزون .
ب - تابع النقل أو تابع التفعيل (Activation Function ) :
وهذا التابع يحد من خرج العصبون لذا يسمى بتابع التخميد Squashing حيث يجعل الخرج ضمن المجال [0,1] أو ضمن المجال[-1,1] .
4 - الخرج (Output) (Xj ) .
طرق تعليم الشبكة العصبونية
تتعلم الشبكة عن طريق إعطائها مجموعة من الأمثلة، التي يجب أن تكون مختارة بعناية، لأن ذلك سيساهم في سرعة تعلم الشبكة. ومجموعة الأمثلة هذه تسمى فئة التدريب.
وتنقسم طرق تعليم شبكة عصبية إلى قسمين حسب فئة التدريب التي تعرض على الشبكة وهما:
التعليم المراقب (بواسطة معلم) Supervised Learning of ANN’s
تقوم كل طرق التعليم أو التدريب بواسطة معلم للشبكات العصبية الاصطناعية على فكرة عرض البيانات التدريبية أمام الشبكة على هيئة زوج من الأشكال وهما الشكل المدخل input والشكل المستهدف target
مثال :
الشكل المدخل input يتكون من :
* سعر الإفتتاح
* الهاي
*اللو
*قيمة مؤشر ال-RSI
*قيمة مؤشر ال-MACD
....إلخ
والشكل المستهدف target :
* سعر الإغلاق
التعليم غير المراقب ( بدون معلم ) Unsupervised learning
في هذه الطريقة تكون فئة التدريب عبارة عن متجه المدخلات فقط دون عرض الهدف على الشبكة، وتسمى هذه الطريقة التعليم الذاتي حيث تبني الشبكات العصبونية الاصطناعية أساليب التعليم على أساس قدرتها على اكتشاف الصفات المميزة لما يعرض عليها من أشكال وأنساق وقدرتها على تطوير تمثيل داخلي لهذه الأشكال وذلك دون معرفة مسبقة وبدون عرض أمثلة لما يجب عليها أن تنتجه وذلك على عكس المبدأ المتبع في أسلوب التعليم بواسطة معلم.
من التعليم بدون معلم التعليم الهيبياني Hebbian، و التعليم التنافسي Competitive وبما أن الأسلوب الذي سنتبعه في هذه الدورة هو التعليم بواسطة معلم ، لذلك سنتطرق إليه الآن بالتفصيل ، حيث أن التعليم بوجود معلم يمكن أن يتم إما بتصحيح الخطأ أو بالاعتماد على الذاكرة .
التعليم بواسطة معلم على نمط تصحيح الخطأ :
يستخدم هذا النوع من التدريب لتعليم الشبكات الخطية ذات الطبقة الواحدة التي تستخدم لحل مسائل التقابل الخطي بين الدخل والخرج، حيث تقوم الشبكة بحساب إشارة الخطأ من خلال الفرق بين خرج العصبون والخرج المطلوب، ويتم تعديل قيم الأوزان عن طريق دالة الخطأ المسماة بتابع الكلفة بهدف تصغير الفارق عن طريق اشتقاق هذا التابع بالنسبة للأوزان المشبكية. تعتبر هذه الطريقة في التعليم من أهم طرق التعليم بواسطة معلم وأكثرها شيوعاً .
التعليم بواسطة معلم المعتمد على الذاكرة :
يتم في هذا النوع تخزين المعلومات المتوفرة عن البيئة في الشبكة العصبونية أي تخزين مجموعة التدريب التي هي شعاع الدخل وشعاع الخرج المقابل له ويتطلب هذا النوع من التعليم وجود معيار لتحديد تشابه الأشعة ووجود قاعدة تعليم .
الثلاثاء أغسطس 17, 2010 10:41 am من طرف VCCC
» مقدمة في المتاجره الاليه (الاكسبيرت)
السبت أغسطس 14, 2010 8:01 pm من طرف VCCC
» الفرق بين ( التاريخ ) و ( التأريخ ).........؟؟؟؟
الجمعة أكتوبر 02, 2009 3:32 am من طرف انسه ليمونه
» خصائص فصول السنة وتأثيرها على الجسم البشري
الجمعة أكتوبر 02, 2009 2:31 am من طرف x-9
» مكة المكرمة... صور نادرة جدا
الجمعة أكتوبر 02, 2009 1:59 am من طرف x-9
» لو سألك اعمى عن الحياة......!!!!؟
الجمعة أكتوبر 02, 2009 1:45 am من طرف x-9
» تاريخ الفراعنة وبناء الأهرامات في مهب الريح ...
الجمعة أكتوبر 02, 2009 1:34 am من طرف x-9
» قسم التاريخ
الجمعة أكتوبر 02, 2009 12:25 am من طرف انسه ليمونه
» شفرات كونتر سترايك ارجووووو التثبيت !
الجمعة أكتوبر 02, 2009 12:02 am من طرف انسه ليمونه