شبكه عصبي سيستم

Neural network system

شبكه‌هاي عصبي را مي‌توان با اغماض زياد، مدل‌هاي الكترونيكي از ساختارعصبي مغز انسان ناميد. مكانيسم فراگيري و آموزش مغز اساساً بر تجربه استوار است. مدل‌هاي الكترونيكي شبكه‌هاي عصبي طبيعي نيز بر اساس همين الگو بنا شده‌اند و روش برخورد چنين مدل‌هايي با مسائل، با روش‌هاي محاسباتي كه به‌طور معمول توسط سيستم‌هاي كامپيوتري در پيش گرفته شده‌اند، تفاوت دارد. مي‌دانيم كه حتي ساده‌ترين مغز‌هاي جانوري هم قادر به حل مسائلي هستند كه اگر نگوييم كه كامپيوترهاي امروزي ازحل آنها عاجز هستند، حداقل در حل آنها دچار مشكل مي‌شوند. به عنوان مثال، مسائل مختلف شناسايي الگو، نمونه‌اي از مواردي هستند كه روش‌هاي معمول محاسباتي براي حل آنها به نتيجه مطلوب نمي‌رسند. درحالي‌كه مغز ساده‌ترين جانوران به‌راحتي از عهده چنين مسائلي بر مي‌آيد. تصور عموم كارشناسان IT بر آن است كه مدل‌هاي جديد محاسباتي كه بر اساس شبكه‌هاي عصبي بنا مي‌شوند، جهش بعدي صنعت IT را شكل مي‌دهند. تحقيقات در اين زمينه نشان داده است كه مغز، اطلاعات را همانند الگو‌ها (pattern) ذخيره مي‌كند. فرآيند ذخيره‌سازي اطلاعات به‌صورت الگو و تجزيه و تحليل آن الگو‌، اساس روش نوين محاسباتي را تشكيل مي‌دهند. اين حوزه از دانش محاسباتي (computation) به هيچ وجه از روش‌هاي برنامه‌نويسي سنتي استفاده نمي‌كند و به‌جاي آن از شبكه‌هاي بزرگي كه به‌صورت موازي آرايش شده‌اند و تعليم يافته‌اند، بهره مي‌جويد. يك شبكه عصبي مصنوعي (Artificial Neural Network (ANN)) ايده اي است براي پردازش اطلاعات كه از سيستم عصبي زيستي الهام گرفته شده و مانند مغز به پردازش اطلاعات مي پردازد . عنصر كليدي اين ايده ، ساختار جديد سيستم پردازش اطلاعات است. اين سيستم از شمار زيادي عناصر پردازشي فوق العاده بهم پيوسته تشكيل شده(neurons)كه براي حل يك مسأله با هم هماهنگ عمل مي كند.ANN ها ،نظير انسانها ، با مثال ياد مي گيرند . يك ANN براي انجام وظيفه اي مشخص ، مانند شناسايي الگو ها و دسته بندي اطلاعات ، در طول يكپروسه ياد گيري ، تنظيم مي شود . در سيستم هاي زيستي ياد گيري با تنظيماتي دراتصالات سيناپسي كه بين اعصاب قرار دارد همراه است . اين روش ANN ها هم ميباشد.