يحد هذا التابع من خرج العصبون بحيت يصبح الخرج مساوبا الواحد إذا كان الدخل أكبر أو مساويا الصفر
ويصبح الخرج مساويا الصف إذا كان الدخل أصعر من الصفر
7- التابع الخطوي الخطي أو تابع التطابق
(مططاعميم < هن
يستخدم هذا التابع في الحصبوثات المستخدمة في المرشحات التلاؤمية الخطية
©- التابع لأسي
بأخذ هذا التابع كيم المخل المحصورة بين © و © + ويجيل الخرج محصورا دين + و ‎١‏ ... وهو أكثز التوابع
استخداما بسبب سهولة اشتقافه وكترة أنواعه
البنية المعمارية للشبكات العصبونية
معمازية الشبكة العصبية الاصطناعية. هي الطريقة التي ترتبط بها المسنبونات مع بعضها الببض لتشكيل
الشبكة . وهذا برتبط بخوار زمية التدريب , ‎4-١‏ -؟ الشبكة ذات الطبقة الواحدة الأمامية : في الشكل (6) ترتبط
كل مركية من مركيات شماع الدخل 2 بكل عصبون من خلال مصفوفة الوزن 137

6105 آه تعلرها ‏ أنتصدا
كل عصدون بحوي وصلة جامع تقوم بجمع الدخل الموزون مع الإزاحة لتشكيل الخرج العتدي للعصنون ؛ وفي
مركيات شماع الدخل تدخل إلى الشبكة من خائل مصفوفة الأوزان التالبة.
المصدر . أي أن المؤشرات في العنصر 1571,2 ندل على أن هذا الوزن يتطق بالعصدون الأول ‎٠‏ وأن مركية
الدخل لهذا الحصبون هي المركية الثائية

3 82 81 للتوزيل
الشبكة الحصدوية يمكن أن نتلف من عدة طبقات وفي هذه الحالة يكون لكل طبقة صفوفة وزن 137. وشاع
إزاحة نا وشعاع خرج 8 . ومن أجل التميبز يضاف رقم الطبقة كتايل علوي لكل من المتحولات المستعملة من
خائل الشبكة المبينة مركية الدخل . عصنون في الطبقة الأولى . عصدون في الطبقة الثائبة . وهكذا بنفس.
طبقة . وبقية الطبقات تسمى الطبقات الخفية . يمكن أن ترسم الشبكة التلذتية المدينة في الشكل السابق باستخدام
الرسم المخنصر الثالي
ل اديه 20 ديم
حيث تستطيع هذه الشبكات من حل العديد من المشاكل المعقدة ولكن تدربيها بستعرق وفنا أطول . برمز إلى هذا

النوع بالشكل : ( 101 -172- و..... 012 حيبت تشير 07 إلى عدد المداخل ونير 01 إلى عدد التبرونات في
الطبقة الأولى وهكذا .... وي عدد عفد الخرج. كما في المثال المبين في الشكل ‎١ ١(‏ ) حيت يشار إلى هذه الشبكة
لأن لها ‎٠١‏ عق في الدخل . و 4 عقد في الطيقة الخفية . و ؟ ععدة في الخرج
هذا النوع يحوي على الأفل حلقة تغذية خلفية واحدة . ويمكن أن بتألف من طبقة واحدة من التبرونات وكل
بسو دإلى مظة ول هذه الشبكات ظيلة الاستخدام في المجال الحبوي لأننا تستطيع تحقيق الأهداف
طرق تعليم الشبكة العصبونية
تتلم الدشبكة عن طريق إعطائها مجموعة من الأمثلة. التي يجب أن تكون مختارة بعتابة. لأن ذلك سيساهم في
سرعة تلم الشبكة. ومجموعة الأمثلة هذه تسمى فئة التدريب.
شبكة عصبية إلى قسمين حسب فئة التدريب التي نحرض على الشبكة وهما
وتنقسم طرق د
التعليم المراقب (براسطة ملم) 2105م له ع مشتتتوع-1 5116111560
تقوم كل طرق التطيم أو التدريب بواسطة ملم للشبكات العصبية الاصطناعية على فكزة عرض البيانات
التدريبية أمام الشبكة على هيئة زوج من الأشكال وهما الشكل المدخل ع011ا: والشكل المستهدف :18:88
مثل
التعليم غير المراقب ( بدون ملم ) ع نتتت ع1 61771580 17051
في هذه الطريقة تكون فئة التدريب عبازة عن متجه المدخلات فقط دون عرض الهدف على الشبكة. وتسمى هذه
الصفات المميزة لما برض عليها من أشكال وأنساق وفدرتها على تطوير تمتيل داخلي لهذه الأشكال وذلك دون
معرفة مسبقة وندون عرض أمثلة لما يجب عليها أن تنتجه وذلك على عكس الميداً المتبم في أسلوب التطيم
من التعليم بدون معلم التعليم الهيبياني 18:2 نانا11, و التعليم التناسي 00111080100976 وبما أن الأسلوب الذي
اتبعناه في مشروعنا هذا هو التليم بواسطة معلم . لذلك سنتطرق إلبه الآن بالتفصيل , حيت أن التعليم بوجود
معلم يمكن أن يتم إما بتصحيح الخطاً أو بالاعتماد على الذاكرة
‏يستخدم هذا النوع من التدريب لتطيم الشبكات الخطية ذات الطبقة الواحدة التي تستخدم لحل مسائل التقادل الخطي
بين الدخل والخرج. حيت تقوم التشبكة بحساب إشارة الخطاً من خائل الغرق بين خرج العصبون والخرج
المطلوب. ويثم تعديل قيم الأوزان عن طريق دالة الخطاً المسماة بتابع الكلفة بهدف تصغير الفارق عن طريق

هذا التابع بالنسية للأوزان المشبكية.
وأكذرها شبوعاً
‎٠‏ التطيم بواسطة ملم المعتمد على الذاكرة
‏يتم في هذا النوع تخزين المعلومات المتوهرة عن الديئة في الشنكة العصيونية أي تخزين مجموعة التدريب التي
هي ماع الدخل وشماع الخرج المقائل له ويتطلب هذا النوع من التعليم وجود معبار لتحديد تشابه الأشعة ووجود
قاعدة تعليم
‏خوارزميات تعليم الشبكة
الانتشار العكسى 100قع 210008 380 2180070107 التي تستخدم في تدريب الشبكات الحصدوئية كاملة
الارتباط وذات التغذية الأمامية ومتعددة الطيقات وغير الخطية. وتعتير هذه الخوارزمية تحميم لطريقة التدريب
‏هذه الطريقة في التطيم من أهم طرق التعليم بواسطة ملم
‎15880 501777210128 ‏مرحطة الانتشار الأمامي مم تاقع 8م210 عل‎ ١
‏أولاً : مرحلة الانتشار الامامي
‏لا بحصل فيها أي تعديل للأوزان المشبكية و تدا هذه المرحلة بعرض الشكل المدخل للشبكة . حيت تخصص كل
عنصر معالجة من طبقة عناصر الإدخال لأحد مكونات الشعاع الذي يمثل الدخل . وتسيب فيم مكونات منجهة
الدخل استتارة لوحدات طبقة الإدخال ومع ذلك انتشار أمامي لثلك الاستتارة عبر بقية طبقات الشبكة
‏ثانيا : مرطة الانتشار المكسي ص
‏وهي مرحلة ضبط أوزان الشبكة . إن خوارزمية الانتشار المكسي القباسية هي خوارزمية الانحدار التدريجي
نط ة:معلة ل::08966 801610 والتي تسمح لأوزان الشبكة أن تتحرك على الجانب السلبي من تابع الأداء
إن دوز الانتشار المكسي بعود إلى الطريقة التي يتم بها حساب الميل لطيقات الشبكة المتعددة اللاخطية . حيت بيثم
في أحد مراحل التطيم إعادة انتشار الإشارة من الخرج إلى الدخل بشكل عكسي . ويئم خلئلها ضبط أوزان
الأوزان و الإتحبازات الحالية
‏عله : معدل التلم ياج : الميل الحالي
‏هناك طريعان لحساب الانحدار التدريجي
‏يتم وهق هذه الطريقة حساب الميل ومن ثم تعدل الأوزان بعد كل دخل يعطى للشبكة.
‏وفق هذا النمط تزود الشبكة بكل أشمة الدخل قبل القيام بعملية تحديت الأوزان وبالتلي يمكن أن نقول أن الأوزان
‏والاتحيازات في هذه الطريقة تعدل بعد تزويد الشبكة بكامل مجموعة التدريب حيبت أن المبول المحسوبة في كل
مثال تدريبي تضاف لبعضها الببض لتحديد التغيرات في الأوزان والاتحبازات

إنشاء الشبكة م01:60 :11617011
إن أول خطوة في تنزيب الشبكة هو إنشاء الشبكة وذلك باستخدام عد توابع . كل تابع مخصص لإنشاء أحد أنواع
مصفوفة تحتوي على أسماء توابع التفعيل لكل طبقة
اسم تابع التدريب المستخدم
اتام
مثل
للأومتنوع , لمتتعيم ,و1فو1 ,وتقهم) ,21 ,6ر110 ,51 10 ا لسع مستاعه امد
إن هذه التطيمة تقوم بإنشاء شبكة أمامية ذات الإنتشار المكسي . حيبت بقع مجال الدخل بين القمنين ‎٠‏ و # ‎١‏
الخفية الثانية تحوي ستة عصدونات ؛ أما طبقة الخرج فتتألف من عصبوني خر وتوابع التفميل لهذه الطبقات
هي 1918ها للطيقة الخفية الأولى ‎٠‏ و ع51عم1 للثانية ‎٠‏ و 0:ج لطبقة الخرج . أما نايع التدريب المستخدم في
هذه الشبكة هر 01080
تابع التدريب 810080 وبارامتراته
‎١‏ معدل التعلم : يعمل على تحديد سرعة تغير الميل والاتحبازات
‏77 : أمر لإظهار حالة التدربب
‏06 : بارامتر لإيقاف عملية التدريب . حيت تتوقف الشبكة عن التدريب إذا طلغ عدد التكرارات
عند آل 15ا00ع المحدد
‏8 : لتحديد قيمة الخطأً الأصغري
‏8 حص : الميل الأصغري الذي يقف عند التدريب
‏إن البارامترات السابقة تتحدد بشكل افتراضي عند إنشاء الشبكة ولكن يمكن التحكم بها وإعادة تحديدها
‏قيم الأوزان الابتدائية متجاع 6 ع ستعتلدت1 15
‏قبل تدريب الشبكة يجب أن توضع قيماً ابتدائية للأوزان والانحبازات . إن التعليمة السابقة 1198787 تضع قبما
ابتدائية للأوزان والانحبازات بشكل لي . ولكن في بض الأحبان نحتاج إلى إعادة تغيبر هذه القيم نحصل على
‏التدريب : عستسته:0

بعد تحديد اليم الابتدائية للأوزان والانحيازات تصبح الشبكة جاهزة للتدريب . وخلال التدريب تتغير هذ
الأوزان والاتحيازات يكل تكراري لغابة الوصول إلى القيمة الصغرى لتابع الكلفة أو ما يسمى تابع الأداء
هتلع هنظ 6:0/7719086م. إن ايع الأداء الافتراضي لشبكات التغذية الأمامية هو متوسط مريع الخطاً (©015)
محاكاة الشبكة :01 ت6 51117111
شبكات عصبونية اصطناعية
الحصيونية المحاكية 0608:0:16 [108ا06 50077118468 أو 51107 : مجموعة مترابطة من عصبوتات افتراضية
تنشّها برامج حاسودية لتشابه عمل العصبون الدبولوجي أو بنى الكترونية (زشييات الكترونية مصممة لمحاكة
عمل المصبونات ) تستخدم النموذج الرياضي لمعالجة المعلومات بناء على الطريقة الاتصالية في الحوسية.
تتألف الشبكات العصبوتية بشكل عام عناصير معالجة بسيطة تقوم بعمل بسيط لكن السلوك الكلي للشبكة بتحدد من
خلال الاتصالات بين مختلف هذه العناصر التي ندعى هنا بالعصبونات و مؤّشرات هذه المناصز 61601806
جفامسعوم
هب أن المشبك الحصبي بلحب دوزا أساسيا في توجبه عملية المعالجة و هذا ما دفع للتفكير في فكرة الإتصالية
معالجة 16:12:15 0100655108 . متصلة معا لتشكل شبكة من العقد , و كل اتصال بين هذه العقد يملك
مجموعة من القيم تدعى الأوزان تسهم في تحديد اليم التائجة عن كل عنصر معالجة بناء على القيم الداخلة لهذا
المنصر

شبكات عصبونية أكثر تحقيدا نستخدم في أساليب و معالجات الحوسبة المتوازية.

الإستعمالات
© الس البيولوجية
‎١‏ أنواع التبكات المصبونية
الآفاق
‏مقدمة
‏يكمن أحد أسباب تقوق الدماخ البشري في قدرته على معالجة المعطبات بأكثر من مجموعة من الخلايا العحصبية
داه بنفن اللحظة بشكل متوازي. أجهزة الحاسوب البوح نَقوح بمحاكا: هذه العملية في ما يسمى حوسنة
على الإستقلال بحل المشكلة. بمعنى أن النظام غير قادر على حل المشكلة بإستعمال المعطبات المدظة لوحدها
ندون معرفة أسلوب حل المشكلة (خوارزمية 2180:0010 ). و هو ما تقدمه الشبكات الحصنية.
إستعمالها أكثر و تصبح عملية معالجتها للعمليبات أسرع مع تكرار إثارتها بنفس المعطيات.
صورة خلايا وليس شبكات مترابطة. في الخمسينات من الفرن الحشرين قامت شركة أي بي إم بأول محاولة
لمحاكاة الخلية الحصيبة, و نجج ذلك بعد عدة محاولات فاشلة و لكن كان علم الكمبيوتر في ذلك الوقت يتجه ناحية
الحساف المتسلسل مما أدى الى إهمال موضوع الخلايا الحصبية و وضحه في الأدراج.
11116851677 و مموعة عناصير تكيقية خطبة مادالابن 20711115 116:1(7. كان هذا هو أول ظهور
الصدى من خطوط الهائف. وما نزال تستحمل نجاربا حنى هذا الوقت.
‏وصف عام لآلية عمل العصبون الاصطناعي