منوهای نصب در پنل مدیریت

  • ورود
  • سبد خرید شما خالی است.

Deep learning چیست و چگونه کار می کند؟

Deep learning چیست؟

اگر بخواهیم به صورت خیلی پایه ای توضیح بدهیم ، Deep learning  یا یادگیری عمیق یکی از زیر مجموعه های machine learning  است که به کامپیوتر می آموزد ورودی ها را از طریق لایه هایی فیلتر کند تا یاد بگیرد چگونه اطلاعات را پیش بینی و طبقه بندی کند. این متغیر ها می توانند به صورت تصاویر ، متن یا صدا باشند. الهام بخش deep learning  همان مغز انسان است که یک سری از اطلاعات را فیلتر می کند تا درک بهتری از موضوع داشته باشد.

Deep learning  چطور کار می کند؟

در این قسمت ما نحوه کار کرد Deep learning را با ساختن یک سرویس فرضی تخمین قیمت بلیط هواپیما خواهیم فهمید. زمانی که می خواهیم این هوش مصنوعی را آموزش بدیم ما از supervised learning  استفاده می کنیم.

ما می خواهیم تخمین گر قیمت بلیط هواپیمای ما با استفاده از ورودی های زیر قیمت را پیش بینی کند.(برای ساده شدن کار بلیط های برگشتی رو فاکتور میگیریم.

  • فرودگاه مبدا
  • فرودگاه مقصد
  • تاریخ حرکت
  • شرکت هواپیمایی

Neural Networks  یا شبکه های عصبی:

بیاید یک نگاه به داخل مغز هوش مصنوعی خود بیاندازیم.

مانند موجودات دیگر براوردگر مغز هوش مصنوعی ما دارای نورن هایی است. آنها در دایره هایی نشان داده می شوند. این نورون ها به هم پیوسته هستند.

این نورون ها (سلول های عصبی) به سه لایه مختلف تقسیم می شوند:

  1. لایه ورودی
  2. لایه پنهان
  3. لایه خروجی

لایه ورودی داده ها  رو ورودی می گیرد. در مثال ما ، ما 4 نورون را در قسمت ورودی داده داریم: فرودگاه مبدا، فرودگاه مقصد، تاریخ حرکت ، شرکت هواپیمایی. لایه ورودی ، ورودی ها را به اولین لایه پنهان منتقل می کند.

لایه های پنهان محاسبات ریاضیاتی را برای ورودی های ما انجام می دهند. یکی از چالش های ایجاد شبکه های عصبی(neural networks)، تصمیم گیری در مورد تعداد لایه های پنهان و تعداد نورون برای هر لایه است.

کلمه “عمیق” در یادگیری عمیق به وجود بیش از یک لایه پنهان اشاره دارد.

لایه خروجی داده های خروجی ما را بر می گرداند. که در اینجا قیمت را به ما بر می گرداند.

deep learning

بنابراین چگونه قیمت محاسبه می شود؟

این جا جاییست که جادوی Deep Learning  خودش رو نشون میده

هر ارتباط بین نورون ها همراه با وزن خاصی است که اهمیت مقدار ورودی را نشان می دهد. وزن های اولیه به صورت تصادفی تنظیم می شوند.

هنگام پیش بینی قیمت هواپیما تارخ حرکت یکی از عوامل سنگین محسوب می شود. از این رو اتصالا نورون های تاریخ عزیمت وزن زیادی را خواهند داشت.

deep learning

برای فعال کردن هر نورون یک تابع نیاز است و این توابه بدون استدلال ریاصی قابل درک نیست. به عبارت ساده تر یکی از اهداف آن استاندارد سازی بازده نورون هاست.

هنگامی که داده های ورودی از تمام لایه های شبکه عصبی عبور کرد، داده های خروجی از طریق لایه خروجی نشان داده می شود.

آموزش داده شبکه های عصبی(neural networks):

آموزش دادن AI یکی از سخت ترین قسمت های  Deep Learning  است . چرا؟

  1. به یک مجموعه داده بزرگ نیاز داریم
  2. به مقدار زیادی از قدرت محاسباتی نیاز داریم

برای برآوردگر قیمت بلیط هواپیمای ما، باید تاریخچه داده های قیمت بلیط ها را پیدا کنیم و به دلیل زیاد بودن تعداد فرودگاه های احتمالی و تاریخ های حرکت ما به یک لیست بزرگ از قیمت بلیط ها نیاز داریم.

برای این که AI  را آموزش دهیم ابتدا باید ورودیهای مجموعه داده خود را به آن اختصاص دهیم و سپس خروجی های آن را با خروجی های مجموعه داده ها مقایسه کنیم از آنجا که هوش مصنوعی هنوز آموزش ندیده است، خروجی اشتباه خواهد بود. وقتی کل مجموعه داده هار را مرور کردیم ، می توانیم تابعی ایجاد کنیم که نشان می دهد خروجی های AI از خروجی های واقعی چقد دور بوده اند و به این تابع Cost Function  می گویند.

در حالت ایده آل ما می خواهیم که Cost Function ما 0 باشد و این زمانیست که خروجی هوش مصنوعی ما همان خروجی مجموعه داده است.

ما وزن میان شبکه های عصبی را آنقدر را تغییر می دهیم تا Cost Function  ما کم شود. اما این کار، جوابگو خواسته ما نیست.

بجای آن ، از تکنیکی به نام Gradient Descent استفاده می کنیم.

Gradient Descent  یک روش برای پیدا کردن حداقل مقدار یک تابع است. در این مثال ما به دنبال حداقل مقدار Cost Function  هستیم. این عملگر بعد از تکرار هر مجموعه داده، با تغییر وزن در یک مقدار اندک کار می کند.با محاسبه مشتق Cost Function در هرمجموعه از وزن ها، ما می توانیم مشاهده کنیم که ، حداقل مسیر کدام یک است.

deep learning

برای به حداقل رساندن Cost Function ، باید چندین بار مجموعه داده خود تکرار کنید. به همین دلیل به مقدار زیادی از قدرت محاسباتی نیاز دارید.

به روز رسانی وزن ها با استفاده از کم شدن سطح شیب خود کتر انجام می شود. و این جادوی Deep Learning  است. زمانی که AI محاسبه گر قیمت بلیط هواپیما خود را آموزش دادیم ، می توانیم از آن برای پیش بینی قیمت های آینده استفاده کنیم.

منبع : geeksforgeeks.org

۱ پاسخ به "Deep learning چیست و چگونه کار می کند؟"

ارسال یک پیام

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

question