جرِّب شبكة عصبية هنا في متصفِّحك.
لا داعي للقلق، فلا يمكنك كسره. نعدك بذلك.

اممم، ما هي الشبكة العصبية؟

وهو أسلوب لبناء برنامج كمبيوتر يتعلم من البيانات. فهي تستند بشكل فضفاض جدًا إلى الطريقة التي يعمل بها العقل البشري. أولاً، يتم إنشاء مجموعة من "الخلايا العصبية" البرمجية وربطها معًا، مما يسمح لها بإرسال رسائل إلى بعضها البعض. بعد ذلك، يُطلب من الشبكة حل مشكلة ما، والتي تحاول تكرارها مرارًا وتكرارًا، وفي كل مرة يتم فيها تقوية الروابط التي تؤدي إلى النجاح وتقليل تلك الروابط التي تؤدي إلى الإخفاق. للحصول على مقدمة أكثر تفصيلاً عن الشبكات العصبية، يُعدّ تقرير الشبكات العصبونية والتعلّم المتعمق من إعداد "مايكل نيلسن" مكانًا جيدًا للبدء. للحصول على نظرة عامة أكثر تقنية، يمكنك تجربة Deep Learning من تأليف "إيان غودفيلو" و"يوشوا بنجيو" و"آرون كورفيل".

هذا رائع، هل يمكنني إعادة استخدامه؟

يُرجى إجراء ذلك. وقد جعلنا هذه الأداة مفتوحة المصدر على GitHub نأمل أن تسهّل استخدام الشبكات العصبية وتعلّمها بسهولة. ويمكنك استخدامها بأي طريقة تتوافق مع ترخيص Apache. وإذا كانت لديك أي اقتراحات بشأن إضافات أو تغييرات، يُرجى إعلامنا.

وقد وفّرنا أيضًا بعض عناصر التحكّم أدناه لمساعدتك في تخصيص ساحة الألعاب لموضوع أو درس معيّنَين. ما عليك سوى اختيار الميزات التي تريد أن تظهر أدناه، ثم حفظ هذا الرابط، أو إعادة تحميل الصفحة.

ماذا تعني كل الألوان؟

يُستخدم البرتقالي والأزرق في جميع أنحاء التصور بطرق مختلفة قليلاً، ولكن بشكل عام يُظهر اللون البرتقالي قيمًا سلبية بينما يُظهر اللون الأزرق قيمًا إيجابية.

تكون نقاط البيانات (تمثلها دوائر صغيرة) ملونة في البداية باللون البرتقالي أو الأزرق، والتي تتجاوب مع الدائرة الموجبة والسالبة.

في الطبقات المخفية، يتم تلوين الخطوط بأوزان التوصيلات بين الخلايا العصبية. يشير اللون الأزرق إلى وزن موجب، مما يعني أن الشبكة تستخدم ناتج الخلية العصبية كما هو محدد. يظهر خط برتقالي يشير إلى أن الشبكة تستخدم وزنًا سالبًا.

في طبقة الإخراج، يتم تلوين النقاط باللون البرتقالي أو الأزرق بناءً على قيمها الأصلية. يعرض لون الخلفية ما تتوقعه الشبكة لمنطقة معينة. توضح كثافة اللون مدى ثقة هذا التوقع.

ما المكتبة التي تستخدمها؟

صمّمنا مكتبة صغيرة للشبكة العصبية يلبي متطلبات هذا التصور التعليمي. بالنسبة للتطبيقات الحقيقية، ضع في اعتبارك TensorFlow.

المساهمون

تم إنشاء هذا بواسطة دانيال سميلكوف وشان كارتر. وهذه تعد تكملة لعمل العديد من الأشخاص السابقين، أبرزها العرض التوضيحي لـ convnet.js من "أندريه كارباثي" ومقالات "كريس أولا" حول الشبكات العصبية. نشكر أيضًا د. سكولي لمساعدته في الفكرة الأصلية ولفرناندا فيغاس ومارتن واتنبرغ وبقية فريق Big Picture وGoogle Brain للحصول على الملاحظات والإرشادات