الشبكات العصبونية متعددة الطبقات Multi Layer Perceptron (MLP)

ما هي الشبكات العصبونية متعددة الطبقات؟

تسمى كذلك بيرسيبترون متعدد الطبقات وهي نوع من الشبكات العصبونية الاصطناعية ويسمى هذا النمط الشبكات العصبونية أمامية التغذية، حيث يتم تصميم هذه الخلايا العصبونية لمحاكاة الخلايا العصبية في الدماغ والتي تُستخدم للتعلم من البيانات المعقدة وإجراء تنبؤات ذات مغزى.

تاريخ الشبكات العصبونية متعددة الطبقات

بدأ تطوير فكرة الشبكات العصبونية متعددة الطبقات في الخمسينيات من القرن الماضي عندما قدم عالم النفس فرانك روسين بلات العصبون الاصطناعي المكون من طبقة واحدة، ونظراً لعدم كفاءته في حل المشكلات المعقدة، بدأ العلماء والباحثون بالتخلي عن فكرة الشبكات العصبونية من خلال التركيز على خوارزميات التعلم الآلي الأخرى.

ومع ذلك، في الثمانينيات، جاء عالم يُدعى جيفري هينتون بفكرة جديدة، إذ لاحظ أن الدماغ البشري مجموعة معقدة من العصبونات المتصلة معاً، وهذه الفكرة التي اقترحها هينتون أدت إلى ظهور خوارزمية قوية، وهو ما نسميه الشبكات العصبونية متعددة الطبقات.

مكونات الشبكات العصبونية متعددة الطبقات 

تتكون الشبكات العصبونية متعددة الطبقات من هذه المكونات:

• طبقة الإدخال: تستقبل طبقة الإدخال المدخلات وتمررها إلى الطبقات المخفية وتتكون هذه الطبقة من عقد عددها يساوي عدد المزايا في المدخلات.
• الطبقات المخفية: هي الطبقات المسؤولة عن تحويل المدخلات إلى تمثيل مناسب لطبقة الخرج. يمكن تعديل عدد الطبقات المخفية وعدد العقد في كل طبقة لتحسين الأداء لمهمة معينة.
• طبقة الإخراج: تستقبل طبقة الخرج التمثيل المحوَّل للمدخلات من الطبقات المخفية وتولد الناتج النهائي بحيث تستخدم طبقة الخرج وظيفة تنشيط محددة مناسبة للمهمة، مثل سوفت ماكس (softmax) وتابع التصحيح الخطي.

تطبيقات الشبكات العصبونية متعددة الطبقات 

تستخدم هذه الشبكات على نطاق واسع في مجالات مختلفة، بما في ذلك الرؤية الحاسوبية ومعالجة اللغة الطبيعية، والتمويل. إليك بعض التطبيقات:

• تصنيف الصور: يمكن استخدامها لتصنيف الصور إلى فئات مختلفة، مثل الحيوانات والأشياء والمشاهد.
• التعرف على الكلام: يمكن استخدامها لتحويل الكلمات المنطوقة إلى نص مكتوب، وتحديد لهجة المتحدث ولغته وحالته العاطفية.
• توقع أسعار الأسهم: يمكن استخدامها للتنبؤ بأسعار الأسهم المستقبلية بناءً على البيانات التاريخية واتجاهات السوق.
• الكشف عن الشذوذ: يمكن استخدامها لتحديد الأنماط غير العادية في البيانات، مثل الاحتيال، واختراقات الشبكة.