شبکه عصبی چندلایه چگونه کار میکند؟

آیا تا به حال براتون سوال بوده که یک شبکه عصبی چند لایه چطور کار میکند و وظیفه هر لایه چی هست؟؟ برای رسیدن به جواب سوالتون پشنهاد میکنم این کلیپ کوتاه رو نگاه کنید. در این پست توضیح میدهیم که یک شبکه عصبی چندلایه چطور یک مسئله را حل می کند.

در این کلیپ کوتاه نشان میدهیم که لایه های مختلف یک شبکه عصبی هر کدام چه وظیفه‌ای دارند و چطور عمل میکنند!

مثالی که در ویدیوی کوتاه استفاده شده همانند شکل زیر یک مثال طبقه بندی دو کلاسه است که آن داده های دو کلاس به صورت غیرخطی از هم جدا شده اند و شبکه عصبی برای اینکه بتواند داده داده های دو کلاس رو از هم تفکیک کند باید یک مرز غیر خطی پیدا کند!

پیاده سازی شبکه عصبی

ولی سوال این است که یک شبکه عصبی چطور این مسئله پیچیده را حل می‌کند؟ آیا واقعا مستقیما این مرز غیر خطی رو پيدا میکند؟!

جواب سوال منفی است!

خب پس چطور شبکه میتواند همچین مسئله پیچیده رو حل کند؟

شبکه عصبی چند لایه یک مسئله پیچیده رو به چندین مسئله ساده تبدیل می‌کند و هر بخش رو جدا حل کرده و در نهایت وقتی همه این بخش ها کنار هم قرار می‌گیرند مسئله پیچیده حل می‌شود.

در شبکه عصبی هر لایه یک وظیفه ی خاصی داره!

برای مثال فرض کنید که یک شبکه عصبی سه لایه همانند شکل زیر داریم:

آموزش پیاده سازی شبکه عصبی

🔸لایه ورودی

لایه ورودی در واقع نودهای ورودی هست و داده را وارد شبکه می‌کند

در این لایه همانطور که در ویدیو میبینید فضا غیرخطی هست.

🔸لایه پنهان

کار اصلی را لایه پنهان انجام میدهد. و همانند یک نگاشت غیرخطی عمل میکند و داده را از فضای غیرخطی به فضای خطی نگاشت میدهد. یا به عبارتی این لایه یک مسئله پیچیده رو به یک مسئله ساده تبدیل میکند.

در این فضای جدید که به فضاي ویژگی معروف هست داده ها به صورت خطی از هم تفکیک می‌شوند و کافیه در این فضا مرز خطی رو بدست آورد. در شکل زیر نتیجه نگاشت داده از فضای غیرخطی به فضای خطی نمایش داده شده است.

آموزش پیاده سازی شبکه عصبی

🔸 لایه خروجی

داده ای که وارد لایه خروجی می‌شود داده نگاشت یافته شده ی لایه پنهان است.همانطور که مشاهده کردیم داده در این فضا خطی هستو در این مرحله لایه خروجی مرز خطی جدا کننده داده های دو کلاس و یا اگه مسئله چندکلاسه هست مرز جدا کننده چندکلاسه رو بدست می آورد.

مرز خطی که به دست آمده در فضاي ویژگی همان مرز غیرخطی در فضای اصلی ورودی است. همانطور که دیدیم این مرز غیر مستقیم بدست آمد.

آموزش پیاده سازی شبکه عصبی

شبکه عصبی همین‌قدر ساده و همین‌قدر جذاب هست…

در دوره شبکه عصبی کلی از این مثالها و پروژه ها داریم!

سعی کردیم موقع پیاده سازی مرحله به مرحله شبکه‌های عصبی، چندین مثال ساده بزنیم و همانند ویدیو عملکرد هر لایه رو نمایش دهیم تا درک بهتری از شبکه عصبی پیدا کنیم.

در این دوره در ابتدا تئوری و مباحث ریاضیاتی شبکه عصبی مورد نظر طبق کتاب معروف و مرجع سیمون هیگینز آموزش داده می‌شود.

سپس مرحله به مرحله همراه با یک مثال خیلی ساده شبکه عصبی پیاده سازی می‌شود.

و در نهایت چندین پروژه عملی انجام می شود تا با کاربرد عملی شبکه عصبی در حوزه های مختلف آشنا شویم.

شبکه عصبی چندلایه چگونه کار میکند؟

ولی سوال این است که یک شبکه عصبی چطور این مسئله پیچیده را حل می‌کند؟ آیا واقعا مستقیما این مرز غیر خطی رو پيدا میکند؟!

خب پس چطور شبکه میتواند همچین مسئله پیچیده رو حل کند؟

در شبکه عصبی هر لایه یک وظیفه ی خاصی داره!