Implementing a Neural Network with Python

Implementing a Neural Network with Python
هدف از اجرای این دوره، شرکت کنندگان قادر خواهند بود یک شبکه عصبی مصنوعی نمونه را با تمام مشخصات آن با استفاده از پایتون پیاده سازی نمایند.

بهترین راه برای درک مفهوم و چگونگی عملکرد شبکه عصبی(Neural Network) ساخت آن است. در این سناریو روش ساخت یک شبکه عصبی با بهره‌گیری از «زبان برنامه‌نویسی پایتون (Python Programming Language) آموزش داده میشود. شبکه‌های عصبی (NN) که به آن‌ها شبکه‌های عصبی مصنوعی (Artificial Neural Networks | ANN) نیز گفته می‌شود، یکی از الگوریتم‌های یادگیری در یادگیری ماشین (Machine Learning) به شمار می‌آید که براساس مفهوم زیستی شبکه‌های عصبی بنا نهاده شده است. اساساً یک شبکه عصبی ترکیبی از مولفه‌های زیر است:

  • یک لایه ورودی که داده‌ها را دریافت می‌کند
  • یک لایه پنهان
  • یک لایه خروجی
  • وزن‌های بین لایه‌ها
  • یک تابع فعال‌سازی برای هر لایه پنهان (تابع فعال‌ساز سیگموئید)

چندین نوع شبکه عصبی وجود دارد. در این سناریو یک شبکه عصبی پرسپترون (Perception Neural Networks) ساخته خواهد شد. هنگامی که داده‌های ورودی به نرون (neuron) انتقال پیدا کردند، پردازش می‌شوند و یک خروجی تولید می‌شود.

بهترین راه برای درک اینکه شبکه‌های عصبی چگونه کار می‌کنند، فراگیری این است که چگونه می‌توان یک شبکه عصبی را از پایه بدون استفاده از هرگونه کتابخانه‌ای ساخت.

تکنسین ها و کارشناسان رشته های کامپیوتر، فناوری اطلاعات، هوش مصنوعی و کارشناسان تحلیل داده ها
آشنایی با زبان های برنامه نویسی و مفاهیم هوش مصنوعی و شبکه های عصبی
برای نشان دادن مساله موجود یک شبکه عصبی که انتظار می‌رود برای مجموعه داده‌های جدید، مقدار خروجی آن در شرایط جدید (New Situation) برابر با ۱ باشد در نظر می¬گیریم. در این سناریو بررسی می‌شود که آیا می‌توان از کد پایتونی استفاده کرد که نتیجه مشابهی داشته باشد.
در این بخش، هدف ساخت یک کلاس Neural Network در پایتون به منظور آموزش دادن نرون‌ها برای ارائه پیش‌بینی صحیح است. با وجود اینکه از یک کتابخانه شبکه عصبی برای ساخت این شبکه عصبی ساده استفاده نمی‌شود، کتابخانه NumPy برای کمک به انجام محاسبات «ایمپورت» می‌شود.
از یک منحنی مشخصه به عنوان تابع فعال‌ساز برای شبکه عصبی استفاده می‌کند.
در این گام به شبکه عصبی آموزش داده می‌شود که پیش‌بینی دقیقی انجام دهد.
در نهایت، کلاس شبکه عصبی مقداردهی اولیه و کد اجرا می‌شود.

نوشتن دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.