شبکه عصبی مصنوعی (Artificial Neural Network - ANN)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه عصبی مصنوعی (Artificial Neural Network - ANN) :
شبکه عصبی مصنوعی (ANN) یک مدل محاسباتی الهام گرفته از شبکه های عصبی زیستی است. از تعداد زیادی واحد پردازشی به نام نرون (neuron) تشکیل شده که به صورت موازی و با اتصالات وزن دار با یکدیگر ارتباط دارند. هر نرون معمولا یک مجموع وزنی از ورودی های خود را محاسبه کرده و از یک تابع فعال سازی غیرخطی عبور می دهد. ANNها توانایی یادگیری روابط پیچیده از داده ها را با تنظیم وزن ها (از طریق الگوریتم هایی مانند پس انتشار خطا) دارند.
ساده ترین نوع ANN، پرسپترون (Perceptron) است که فقط یک لایه دارد و قادر به حل مسائل خطی است. پرسپترون چندلایه (MLP) با افزودن لایه های پنهان، می تواند مسائل غیرخطی را مدل کند. ANNها پایه و اساس تمام شبکه های عصبی عمیق مدرن هستند.
یک ANN با لایه های متوالی (Sequential) تعریف می شود. هر لایه یک تبدیل خطی (ضرب در وزن ها و جمع با بایاس) و سپس یک فعال سازی غیرخطی (مثلا ReLU، سیگموئید) اعمال می کند. خروجی نهایی می تواند یک مقدار (رگرسیون) یا یک بردار احتمالات (طبقه بندی) باشد.
کاربردها: طبقه بندی، رگرسیون، تشخیص الگو، تقریب توابع. ANNها به عنوان یک مفهوم عمومی، تمام شبکه های دیگر (CNN، RNN و ...) را نیز شامل می شوند.
