منصة الرسائل والاطاريح: تطوير خوارزميات التحسين الرياضي في الشبكات العصبية

الخلاصة

الشبكات العصبية الاصطناعية هي منهجية حديثة ومتطورة جذبت اهتمام العديد من الباحثين في مختلف المجالات، بما في ذلك الهندسة وتكنولوجيا المعلومات والطب والإحصاء وبحوث العمليات، وتكتسب أهمية متزايدة نظرا لمرونتها الكبيرة مقارنة بالطرق التقليدية، فضلا عن قدرتها على التعلم والتكيف مع أي نموذج. عادة ما يتم تدريب الشبكات العصبية باستخدام أساليب وطرق قائمة على التدرج والتكرار لمحاولة تقليل وظيفة التكلفة، حيث يقوم النموذج بضبط وزنه ومنحدره، بالاعتماد على وظيفة التكلفة والتعلم المعزز (التعلم الخاضع للإشراف)للوصول إلى نقطة التقارب(القيمة المثلى). أخذت هذه الدراسة جانبين، الأول هو دراسة الشبكات العصبية الخطية، بأبسط أنواعها تستخدم في دراسة (الانحدار الخطي، الانحدار الخطي المتعدد، الانحدار متعدد الحدود، الانحدار اللوجستي) باستخدام طريقة النسب المتدرج التكرارية والمعادلة العادية كنهج تحليلي للتحسين أو كبديل لنزول التدرج من أجل تقليل دالة التكلفة، والوصول إلى نقطة التقارب للحد الأدنى. أما الجانب الآخر من الدراسة فهو كيفية تحسين وتطوير خوارزميات الشبكات العصبية من خلال إجراء مقارنات مع بعضها البعض واختيار أفضلها من حيث السرعة في الأداء والتكاليف المنخفضة والأكثر دقة وأفضل النتائج كما قمنا بتحليلها وأظهار نقاط القوة والضعف لكل منها. لقد ثبت أن آدم يقوم بتدريب النموذج بشكل جيد لأنه يعتمد على مراكز القوة في الخوارزميات السابقة، فقد تم حساب نتائجه باستخدام بايثون من خلال تطبيق أربعة برامج في وقت واحد، حيث يظهر البرنامج الأول رسما ثلاثي الأبعاد للدالة الموضوعية، ويظهر البرنامج الثاني شكل الدالة المضغوطة من الأعلى ويشير إلى تدرجات اللون كقيود للدالة، ثم يطبع النتائج ويعرض الحل كنقاط بيضاء في مسار البحث، حيث تمثل كل نقطة حلا يتم الحصول عليه من خلال تطبيق الخوارزمية.