باعتباره أسلوب ذكاء اصطناعي متقدم لحل مشكلات التعلم، حقق التعلم العميق deep learning نجاحًا كبيرًا في العديد من تطبيقات العالم الحقيقي وجذب اهتمامًا متزايدًا في السنوات الأخيرة. ومع ذلك، نظرًا لأن أداء التعلم العميق يعتمد على العديد من العوامل مثل المعمارية architecture والمعلمات الفائقة hyperparameters، فقد أصبحت كيفية تحسين التعلم العميق موضوعًا بحثيًا ساخنًا في مجال التعلم العميق والذكاء الاصطناعي.
الحساب التطوري Evolutionary computation (EC)، بما في ذلك الخوارزمية التطورية evolutionary algorithm وذكاء السرب swarm intelligence، هو نوع من منهجية التحسين الفعالة والذكاء المستوحاة من آليات التطور البيولوجي وسلوكيات سرب الكائنات. لذلك، اُقترح عدد كبير من الأبحاث الخوارزميات التطورية لتحسين التعلم العميق، ما يسمى التعلم العميق التطوري evolutionary deep learning (EDL)، والتي حصلت على نتائج واعدة. ونظراً للتقدم الكبير والتطور السريع الذي شهدته التعلم العميق التطوري في السنوات الأخيرة، من الضروري التعرف على مجالات التعلم العميق التطوري وتوفير مشاريع للاستفادة منها لتطوير المزيد من الابحاث والتطبيقات.
سيكون هذه الكتاب مفيداً للغاية لأولئك الذين يعملون في مجال التعلم العميق الذين يحاولون شق طريقهم في مجال الحوسبة التطورية ولأولئك الذين يعملون في مجال الحوسبة التطورية الذين يحاولون شق طريقهم في مجال التعلم العميق.
في هذا الكتاب، تنقل مشاريع التعلم العميق التطوري كل المعرفة اللازمة لتنفيذ مشاريع التعلم العميق التطوري في مختلف مجالات التعلم العميق. كل مشروع من هذه المشاريع فريد من نوعه، مما يساعدك على إتقان الموضوع تدريجيًا. ستتعلم كيفية تقليل الميزات واختيارها لنماذج التعلم العميق وكذلك ستتعلم الكثير من المشاريع الجذابة الاخرى الي ستساعدك في اكتساب المعرفة لتحسين المعمارية والمعلمات الفائقة لنموذج التعلم العميق باستخدام الخوارزميات التطورية (الخوارزمية الجينية).
لقد حاولت قدر المستطاع ان اترجم المشاريع الأكثر طرحاً في مجال التعلم العميق التطوري مع الشرح المناسب والكافي، ومع هذا يبقى عملاً بشرياً يحتمل النقص، فاذا كان لديك أي ملاحظات حول هذا الكتاب، فلا تتردد بمراسلتنا عبر بريدنا الالكتروني alaa.taima@qu.edu.iq .
نأمل ان يساعد هذا الكتاب كل من يريد ان يدخل في مجال التعلم العميق التطوري ومساعدة القارئ العربي على تعلم هذا المجال. اسأل الله التوفيق في هذا العمل لأثراء المحتوى العربي الذي يفتقر أشد الافتقار إلى محتوى جيد ورصين في مجال التعلم الآلي والتعلم العميق وعلم البيانات. ونرجو لك الاستمتاع مع الكتاب ولا تنسونا من صالح الدعاء.
محتويات الكتاب
1- التعلم العميق التطوري Evolutionary Deep Learning
2- 5 تطبيقات للخوارزمية الجينية باستخدام PyGAD 5 Genetic Algorithm Applications Using PyGAD
3- كيفية تدريب نماذج Keras باستخدام الخوارزمية الجينية مع PyGAD How To Train Keras Models Using the Genetic Algorithm with PyGAD
4- تدريب نماذج PyTorch باستخدام الخوارزمية الجينية مع PyGAD Train PyTorch Models Using Genetic Algorithm With PyGAD
5- الخوارزمية الجينية وتطبيقاتها العملية في التعلم الآلي Genetic Algorithm and its practicality in Machine Learning
6- الخوارزميات الجينية وحالات استخدامها في التعلم الآلي Genetic Algorithms and its use-cases in Machine Learning
7- تقليل الميزات باستخدام الخوارزمية الجينية مع بايثون Feature Reduction using Genetic Algorithm with Python
8- مقدمة موجزة عن الخوارزمية الجينية واستخدامها في اختيار الميزات باستخدام DEAP A brief introduction to Genetic Algorithm and its use in feature selection using DEA
9- استخدام الخوارزميات الجينية لتحسين النماذج الخاصة بك Using Genetic Algorithms for optimizing your models
10- الخوارزمية الجينية لتحسين معلمات الشبكة العصبية باستخدام بايثون A Genetic Algorithm for Optimizing Neural Network Parameters using Python
11- الخوارزمية الجينية في الشبكة العصبية الاصطناعية وطرق تحسينهاGenetic Algorithm in Artificial Neural Network and its Optimization Methods
12- تحسين الشبكات العصبية الاصطناعية باستخدام الخوارزمية الجينية مع لغة بايثون Artificial Neural Networks Optimization using Genetic Algorithm with Python
13- تحسين معمارية CNN باستخدام الخوارزمية الجينية لتصنيف الصور Optimization of CNN Architecture using Genetic Algorithm for Image Classification
14- مصنف MNIST باستخدام Genetic CNN MNIST Classifier using Genetic CN
15- تطبيق مفاهيم التطور التفاضلي في تطوير معمارية شبكة عصبية تلافيفية عميقة على مجموعة بيانات CIFAR-10 Applying the Concepts of Differential Evolution in Evolving the Architecture of a Deep Convolutional Neural Network on the CIFAR-10 Dataset
16- استخدام الخوارزمية الجينية لتحسين الشبكات العصبية المتكررة Using Genetic Algorithm for Optimizing Recurrent Neural Networks
17- استخدام الخوارزميات الجينية لتحسين شبكات GAN Using Genetic Algorithms to Optimize GANs
18- تطور الشبكة العصبية لتحليل السلاسل الزمنية Evolving Neural Network for Time Series Analysis
د. علاء طعيمة
كلية علوم الحاسوب وتكنولوجيا المعلومات
جامعة القادسية
العراق
