کتاب شبکه‌های عصبی

چطور فرایندهای زیستی مغز در کامپیوترها شبیه‌سازی می‌شود؟ کتاب شبکه‌های عصبی نوشته‌ی هدی برادران باقری و ناهید صادق‌پور در خلال آشنا کردن شما با مفاهیم مرتبط با شبکه‌ی عصبی مصنوعی و الگوریتم‌های یادگیری ماشین به این پرسش مهم و جذاب پاسخ می‌دهد. این کتاب با شرح ساختار و عملکرد نورون‌های زیستی، درک مباحثی نظیر شبکه‌ی عصبی هاپفیلد، پرسپترون چندلایه و... را برایتان آسان می‌سازد. مسیری علمی و کاربردی که درک یکی از پایه‌های مهم هوش مصنوعی را میسر می‌کند.

درباره‌ی کتاب شبکه‌های عصبی

اگر برایتان جالب است که بدانید طراحان کامپیوترها و پژوهشگران هوش مصنوعی چطور می‌توانند با الهام از الگوهای یادگیری و پردازش اطلاعات در مغز انسان، سیستم‌های مبتنی بر هوش مصنوعی را طراحی کنند، پس کتاب شبکه‌های عصبی اثر هدی برادران باقری و ناهید صادق‌پور برای شماست. کتابی که کمک می‌کند مفاهیم پایه، ساختارها، الگوریتم‌ها و روش‌های پیاده‌سازی شبکه‌های عصبی مصنوعی را بشناسید و سازوکار این سیستم‌های هوشمند را درک کنید.

وقتی پژوهشگران این پرسش را مطرح کردند که «آیا می‌توان بخش‌هایی از توانایی انسان در یادگیری، تشخیص الگو و تصمیم‌گیری را در قالب یک سیستم کامپیوتری شبیه‌سازی کرد؟»، بررسی ساختار نورون‌های عصبی انسان به منبع کشفِ راهی برای عملی کردن این ایده بدل شد. اینجا بود که راه ورود شبکه‌های عصبی مصنوعی به جهان تکنولوژی باز شد. نویسندگان کتاب شبکه‌های عصبی در واقع تلاش دارند تصویری دقیق و علمی از این فناوری مهم را پیش رویمان قرار دهند.

نورون مصنوعی؛ آغاز یادگیری ماشین

شاید پیش از هر شناخت و درکی از دنیای هوش مصنوعی نیاز باشد که تصویری کلی از سیستم‌های هوشمند را در ذهن خود داشته باشیم تا درک مباحث این حوزه برایمان ساده‌تر شود. از این رو، هدی برادران باقری و ناهید صادق‌پور کتاب شبکه‌های عصبی را با همین ایده آغاز کرده‌اند و پس از آن به تبیین جایگاه شبکه‌های عصبی مصنوعی در هوش مصنوعی پرداخته‌اند.

نویسندگان با نگاهی جزئی‌نگرانه، تفاوت میان رویکردهای نمادین و روش‌های زیرنمادین را توضیح می‌دهند و دلیل عملکرد قابل توجه شبکه‌های عصبی در حوزه‌هایی مانند تشخیص الگو، یادگیری و پردازش داده‌های پیچیده را تشریح می‌کنند. شما با کتاب شبکه‌های عصبی انتشارات آتی‌نگر، زمینه‌ی زیستی شبکه‌های عصبی را نیز می‌شناسید و با اجزای زیستی نورون، دندریت، سیناپس و... آشنا می‌شوید. به این ترتیب ارتباط میان مدل‌های مصنوعی و نمونه‌های زیستی را به خوبی درک می‌کنید.

شبکه‌های عصبی مصنوعی؛ از نظریه تا کاربرد

هدی برادران باقری و ناهید صادق‌پور در کتاب شبکه‌های عصبی، پس از شرح مباحث مقدماتی، به مرور سراغ ساختارها و روش‌های پیشرفته‌تر می‌روند و از موضوعات مهمی نظیر واحدهای منطق آستانه، ساختار و عملکرد شبکه‌های عصبی، پرسپترون چندلایه، رگرسیون لجستیک، نزول گرادیانی و... را سخن به میان می‌آورند. به علاوه، شبکه‌ی عصبی هاپفیلد و شبکه‌ی عصبی بازگشتی را خواهید شناخت و با ماهیت حافظه انجمنی و حل مسائل بهینه‌سازی آشنا خواهید شد.

مؤلفان کتاب در عین توجه به مبانی نظری، به جنبه‌های کاربردی شبکه‌ی عصبی مصنوعی توجه ویژه‌ای داشته‌اند و از سوی دیگر از ارائه‌ی مفاهیم نظری و مهندسی موردنیاز برای درک مباحث کتاب غافل نمانده‌اند.

پس اگر می‌خواهید بدانید شبکه عصبی چیست و یک شبکه عصبی مصنوعی چطور یاد می‌گیرد یا اطلاعات را پردازش می‌کند و از رفتارهای ساده به رفتارهای پیچیده می‌رسد، با خرید کتاب شبکه‌های عصبی می‌توانید به منبع ارزشمند و کاملی برای یافتن پاسخ پرسش‌هایتان دست یابید.

کتاب شبکه‌های عصبی برای شما مناسب است اگر

• دانشجوی علوم کامپیوتر یا مهندسی کامپیوتر هستید و قصد دارید با مبانی شبکه‌های عصبی مصنوعی آشنا شوید.
• به حوزه‌ی هوش مصنوعی علاقه دارید و در تلاشید تا ساختار و عملکرد سیستم‌های هوشمند را درک کنید.
• در پی کتابی درباره‌ی یادگیری ماشین (ماشین لرنینگ) هستید که مفاهیم و الگوریتم‌های پایه‌ی شبکه‌های عصبی مصنوعی را تشریح کند.
• می‌خواهید درباره‌ی پرسپترون چندلایه، گرادیان کاهشی، شبکه‌ی عصبی هاپفیلد و شبکه‌ی عصبی بازگشتی به طور دقیق مطالعه کنید.

در بخشی از کتاب شبکه‌های عصبی می‌خوانیم

نورون‌ها به به سه دسته نورون‌های ورودی، خروجی و پنهان تقسیم می‌شوند تا مشخص شود کدام نورون‌ها ورودی‌ها را از محیط دریافت می‌کنند (نورون‌های ورودی) و کدام نورون‌ها خروجی را به محیط انتقال می‌دهند (نورون‌های خروجی). نورون‌های باقی‌مانده هیچ ارتباطی با محیط ندارند (بلکه فقط با سایر نورون‌ها ارتباط دارند) و بنابراین، نورون‌های «پنهان» هستند.

توجه داشته باشید که مجموعه نورون‌های ورودی Uin و مجموعه نورون‌های خروجی Uout لزوماً نباید مجزا از یکدیگر باشند: یک نورون می‌تواند هم ورودی و هم خروجی باشد. حتی شبکه‌هایی (شبکه‌های مشهور هوپفیلد) وجود دارند که در آن‌ها تمام نورون‌ها هم ورودی و هم خروجی هستند و هیچ نورون پنهانی وجود ندارد.

هم‌چنین توجه داشته باشید که در شاخص وزن Wuv، ابتدا نورونی را نام‌گذاری می‌کنیم که اتصال متناظر به آن منتهی می‌شود. دلیل این ترتیب آن است که گراف یک شبکه عصبی اغلب از طریق یک ماتریس مجاورت توصیف می‌شود که به جای مقادیر 1 (وجود اتصال) و 0 (عدم وجود اتصال)، حاوی وزن‌های اتصالات است (اگر یک وزن صفر باشد، اتصال متناظر موجود نیست).