شبکههای عصبی مصنوعی چیست؟ شبکههای عصبی مصنوعی یا Artificial Neural Networks (ANNs)، مدلهای ریاضی هستند که برای حل مسائلی که نیاز به تشخیص الگو، دستهبندی، تشخیص ورودی و پیشبینی دارند، استفاده میشوند. این شبکهها مانند ساختمان عصبی انسان و سایر موجودات زنده است که بر اساس تعامل بین نورونها و پردازش اطلاعات، قابلیت یادگیری و بهبود عملکرد خود را دارند. اهمیت یادگیری شبکههای عصبی چیست؟ شبکههای عصبی یکی از پرکاربردترین ساختارهای مورد استفاده در هوش مصنوعی هستند؛ که حتی آنها را میتوان به عنوان پایه و اساس شاخه هوش مصنوعی دانست. شبکههای عصبی مصنوعی نقطه تلاقی علوم مهندسی مکانیک، برق، هوافضا هستند. امروزه از این ساختارها در علوم مختلف مهندسی در راستای خودکارسازی، طبقهبندی و تخمین توابع پیچیده استفاده میشود. دامنه کاربرد شبکههای عصبی به حدی گسترده شده است که نمیتوان از نقش آن در پیشرفت زمینههای علمی مختلف صرف نظر نمود. این امر به شکلی است که هر ساله بخش عمدهای از مقالات چاپ شده در ژورنالهای بینالمللی با این زمینه مرتبط هستند. انگیزه کار روی شبکههای عصبی مصنوعی، که معمولا به آنها «شبکههای عصبی» میگویند، از ابتدای پیدایش آن به این دلیل بوده است که مغز انسان به روشی کاملا متفاوت از رایانههای دیجیتال معمولی محاسبه میکند. کامپیوتر موازی (سیستم پردازش اطلاعات) این قابلیت را دارد که اجزای ساختاری خود را که به عنوان نورونها شناخته میشوند، سازماندهی کند تا محاسبات خاصی (مانند تشخیص الگو، درک و کنترل موتور) را چندین برابر سریعتر از سریعترین رایانه دیجیتال موجود امروزی انجام دهد. به عنوان مثال، بینایی انسان را در نظر بگیرید که یک وظیفه پردازش اطلاعات است. این وظیفه سیستم بصری است که نمایشی از محیط اطراف ما ارائه دهد و مهمتر از آن، ارائه اطلاعاتی است که برای تعامل با محیط نیاز داریم. به طور خاص، مغز به طور معمول وظایف تشخیص ادراکی (مثلا تشخیص چهره آشنا در یک صحنه ناآشنا) را در حدود 100 تا 200 میلیثانیه انجام میدهد، در حالی که کارهایی با پیچیدگی بسیار کمتر در یک رایانه قدرتمند بسیار طول میکشد. در این فرادرس چه چیزی یاد میگیریم؟ در این آموزش سعی شده است با حل تمرینهای بسیار در رابطه شبکههای عصبی تسلط دانشجویان در این درس بالا رفته و آنها بتوانند در آزمونهای دانشگاه نمره مناسبی گرفته و در مقالات از شبکههای عصبی استفاده کنند.
