شبكههاي عصبي را ميتوان با اغماض زياد، مدلهاي الكترونيكي از ساختار
عصبي 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 از حل
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.
یک شبکه عصبی مصنوعی (Artificial Neural Network
(ANN)) ایده ای است برای پردازش اطلاعات که از سیستم
عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی
این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر
پردازشی فوق العاده بهم پیوسته تشکیل شده(neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال
یاد می گیرند . یک ANN برای انجام وظیفه ای مشخص ، مانند
شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود .
در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب
قرار دارد همراه است . این روش ANN ها هم می باشد.
چرا از شبکه های عصبی استفاده می کنیم؟
شبکه های عصبی ، با قابلیت قابل توجه
در استنتاج معانی از داده های پیچیده یا مبهم ، برای استخراج الگوها و
شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیک های کامپیوتری
بسیار پیچیده و دشوار است به کار گرفته می شوند. یک شبکه عصبی تربیت
یافته می تواند به عنوان یک متخصص در مقوله اطلاعاتی ای که برای تجزیه تحلیل به آن
داده شده به حساب آید.از این متخصص می توان
برای بر آورد وضعیت های دخواه جدید و جواب سؤال های " چه می شد اگر
" استفاده کرد.
مزیتهای دیگر آن شامل موارد زیر می شود :
یادگیری انطباق پذیر: قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده
شده برای تمرین وتجربه های مقدماتی .
سازماندهی توسط خود: یک ANN می تواند سازماندهی یا ارائه اش را ، برای اطلا عاتی که در طول دوره یادگیری در یافت می کند، خودش
ایجاد کند.
عملکرد بهنگام(Real time ) : محاسبات ANN
می تواند بصورت موازی انجام شود، و سخت افزارهای مخصوصی طراحی و ساخته شده است که می تواند از این قابلیت
استفاده کند.
تحمل اشتباه بدون ایجاد وقفه در هنگام کد گذاری اطلاعات : خرابی جزئی یک شبکه
منجر به تنزل کارایی متناظر با آن می شود اگر چه تعدادی از قابلیت های شبکه ممکن
است حتی با خسارت بزرگی هم باقی بماند.
از کاربردهای شبکه عصبی میتوان به تشخیص خطر ریسک در محیط زیست و منابع طبیعی اشاره نمود.
برای مثال در پهنه بندی حرکات توده ای از این روش استفاده میشود . شما دوست عزیز میتوانید مقالات بسیاری در ضمینه کاربرد شبکه عصبی در آبخیزداری جستجو کنید . همچنین کتاب طراحی شبکه های عصبی نوشته هاگان ، ترجمه سید مصطفی کیا انتشارات کیان رایانه میتواند شروع خوبی برای یادگیری شبکه عصبی باشد .
به وبلاگ آموزش GIS خوش آمدید. هدف این وبلاگ، کمک به هموطنانم در جهت نشر علم، مبارزه با جهل و پیشرفت کشورم ایران است.