| 136
بشــكل فعال. تمتاز هذه الشبكات بقدرتها على التعرف على األنماط الموجودة في .) 16 البيانات المكانية واستخدامها في مهام مثل التصنيف والكشف عن األشياء( هي جزء أساســي من تقنيات التعلم العميق في مجال عالقتها بالذكاء االصطناعي: الذكاء االصطناعي. تُســتخدم لحل مجموعة واســعة من مشــكالت تحليل البيانات في تحسين األداء في CNN المكانية بشــكل فعال ودقيق. إن القدرة على اســتخدام تصنيف الصور وتحليل الفيديو تجعلها أداة مهمة في تطبيقات الذكاء االصطناعي. صورًا " أو " صورًا للسيارات " لنفترض أن تطبيقًا يهدف إلى تصنيف الصور إما مثال: لهذا الغرض. يتم أوًل تجميع مجموعة CNN . يمكن اســتخدام " للدراجات النارية كبيرة من الصور للســيارات والدراجات النارية. ثم يجري تدريب الشــبكة العصبية التالفيفية باســتخدام هذه الصور الستخراج األنماط المميزة لكل فئة. بعد التدريب، بناء على " دراجة نارية " أو " سيارة " يمكن استخدام الشبكة لتصنيف الصور الجديدة إما تحقيق تصنيف دقيق للصور CNN األنماط التي تعلمتها. يمكن للتطبيق باســتخدام وفهم ما إذا كانت صور سيارة أم دراجة نارية. )RNN - Recurrent Neural Networks( الشبكات العصبية الدورية الشبكات العصبية الدورية هي نوع من الشبكات العصبية في مجال الذكاء االصطناعي تــم تصميمهــا لمعالجة البيانات التي لها تسلســل زمني، مثــل النصوص والصوت بقدرتها على االحتفاظ بذاكرة داخلية تسمح لها بفهم السياق RNN والفيديو. تمتاز .) 17 والتعامل مع المعلومات السابقة في التسلسل( هي جزء أساســي من تقنيات التعلم العميق في مجال عالقتها بالذكاء االصطناعي: الذكاء االصطناعي. تُستخدم لحل مشكالت تحليل البيانات الزمنية والتنبؤ باألحداث المستقبلية. تتيح القدرة على فهم السياق والتعامل مع البيانات التي تعتمد على الزمن في تطبيقات مثل الترجمة اآللية والتحليل النصي والكشف عن الصوت. لنفترض أن لدينا تطبيقًا يهدف إلى توقع الكلمة اآلتية في جملة نصية. يمكن مثال: لهذا الغرض. نقوم بتقســيم النص إلى جمل فردية وتحويلها إلى RNN اســتخدام باستخدام الجمل السابقة لفهم العالقات بين RNN تسلسل من الكلمات. ثم ندرب الكلمات وتوقع الكلمة اآلتية. بعد التدريب، يمكننا اســتخدام الشبكة لتوقع الكلمة
Made with FlippingBook Online newsletter