كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

الشبكة العصبية متعددة الطبقات

Multilayer Perceptron (MLP)

التعلم العميق Deep Learning

التعريف

شبكة من طبقات مخفية من العصبونات بدوال تنشيط غير خطية، تتعلم حدوداً معقدة بين الفئات أو علاقات غير خطية.

الفكرة الأساسية

كل طبقة تحوّل تمثيل البيانات إلى تمثيل أنفع للطبقة التالية. نتعلم الأوزان بالانتشار العكسي Backpropagation مع النزول التدرجي.

طبقة إدخال وطبقات مخفية وطبقة إخراج، كل عصبون متصل بكل عصبونات الطبقة التالية.

آلية العمل

  1. المدخلات تمر عبر طبقات مخفية: مجموع موزون ثم تنشيط (ReLU مثلاً)
  2. طبقة الإخراج: Softmax للتصنيف أو خطية للانحدار
  3. نحسب الخسارة
  4. ننشر التدرجات عكسياً ونحدث الأوزان
  5. نكرر لعدة دورات Epochs مع مراقبة بيانات التحقق

نوع البيانات ونوع المشكلة

نوع البياناتجدولية رقمية مطبّعة، وتمثيلات الصور والنصوص
نوع المشكلةتصنيف وانحدار

المزايا

  • يلتقط علاقات غير خطية معقدة
  • مرن في المعمارية

القيود

  • يحتاج بيانات وتطبيعاً وضبطاً
  • أقل قابلية للتفسير
  • قد يفرط في التخصيص

المعاملات المهمة

  • عدد الطبقات والعصبونات
  • دالة التنشيط
  • معدل التعلم
  • التنظيم L2 وDropout
  • عدد الدورات

مقاييس التقييم

  • Accuracy الدقة
  • Precision وRecall
  • F1-score
  • Confusion Matrix مصفوفة الالتباس
  • ROC AUC للتصنيف الثنائي
  • منحنيات الخسارة للتدريب والتحقق

الأدوات التي تدعمها

OrangeNeural Network
KNIMERProp MLP Learner + MultiLayerPerceptron Predictor
WEKAfunctions.MultilayerPerceptron

أمثلة تطبيقية

  • تصنيف الأرقام المكتوبة
  • التنبؤ بالطلب
  • تصنيف بيانات جدولية معقدة

مشاريع مرتبطة

خوارزميات بديلة

جرّبها في المختبر