# الشبكات العصبية الاصطناعية - # د منال البلقاسي

                                                                المحاضرة الثالثة

The third lecture

الشبكات العصبية الاصطناعية

Artificial Neural Networks

د منال البلقاسي 

Dr. Manal Al-Belqasi

              استاذ نظم المعلومات المساعد 

Assistant Professor of Information Systems

 An introduction to the artificial neural network

Artificial Neural Networks: ANN

It is a system for processing data in a way that simulates and resembles the way the natural neural networks of a person or a living organism (i.e. the human nervous system) do, as you know the neural network contains a large number of (small information processing systems) called the nerve cell ( Neuron), which is a proposal and a mathematical theory that describes how the work takes place in the normal human nerve cell, and here the nerve signals are exchanged from one cell to another in the normal nervous system, that is, in the normal neural network.

The main parts of a normal nerve cell

The first part: Dendrites, which are sensors that capture nerve signals from other nerve cells, where a normal nerve cell can pick up high temperature or coldness, and a group of human skin cells convert the chemical process into nerve signals that are picked up by Dendrites

The second part: Soma, which represents the body of the cell, and it is based on collecting the signals received through the dendrites, which are used in comparison in the Axon part of the cell

The third part: Axon, which is the part that decides that a signal is sent to the cells that follow the current cell and here the work takes place (if the number of charges collected through the Soma becomes sufficient in a certain degree equivalent to the degree of charges in the Axon, then signals are sent to Dendrites to the cells that follow the cell.

Concepts in the normal nerve cell

A system that mimics the process found in a normal nerve cell

Weights: It represents the degree of weight for the input signal, and we can imagine that the weight for high temperature, for example 50, the low temperature weight of 3, and the normal temperature 27

Activation function coupling: and in it the real work of the nerve cell resides, i.e., for example here, the weights of the input signals are collected and compared to a specific value for the threshold or threshold. (Zero)

Benefits of building artificial neural networks

- Signal processing (such as electronic circuit signals)

-         control

Pattern recognition (such as handwriting, photos, handprint, or signature)

- Recognize the sounds of medicine

The use of artificial neural networks in robotics

There are great promises in the use of Artificial Neural Networks (ANN) in today's robots and future robots, and many robots contain the Artificial Neural Network (ANN) as the heart of the robot's artificial intelligence system.

Neural Networks and Robotics Facts

Neural networks are a system for processing data in a structural manner similar to natural neural networks, and artificial neural networks (ANNs) contain a number of simple processing units called neurons, and each neuron contains an external state called activation, where a normal biological neuron consists of three main sections: :

1. Soma cell body

2. The Axon or Cell Cable

3. The Dendrites

It can also be classified into:

Neuron Body

- Weigh weights

Activation Function Association

Robots. Robots

Robots are a physical agent who performs impact tasks in the surrounding world. Robots are equipped with Effectors such as legs, wheels, joints, and tweezers. They are also provided with sensors that allow them to feel the environment in which they are. It contains many sensors such as cameras, sound waves, lasers and heat senses. There are many of these senses, which increase according to demand

An example of this is the NASA Rover on the right and on the left, Azimoa from Honda and Kryo from Sony Corporation - these major classes of robots need an intelligent autonomous control unit, that is, contain artificial intelligence in order to control the arms, wheels and legs because they represent the output gate of the robot and also these types need a designer Maps, map builder, in order for the robot to locate its place in the environment in which it works and to decide the operations to reach a specific target. Sensors are very important because they represent the input gateway for information for the robot. An ANN can also be used as artificial neural networks as a brain for the robot, for example in the control operations Robot Control Building maps Map Building insight Robot vision, patter recognition, and a learning task

Using neural networks as the heart of artificial intelligence in robots

Robot Control: Robot control is one of the most important issues in robotics. In this section I will enumerate some examples of using neural networks as an artificial intelligence unit for a robot machine

Building maps: It is important for mobile robots in an environment to build a map that represents the reality in their brain. When the robot wants to move from one place to another place, the issue can be viewed easily, but when things start to get complicated, the process becomes more complicated, for example if there is any An anthropomorphic on the way to the target, the robot must circumvent it in some way, then try to return to the target point

Fuzzy logic

Ancient logic examines the laws of thought, standards of honesty and validity, and represents guided ways of thinking

 

مقدمة في الشبكة العصبية الاصطناعية

Artificial Neural Networks:  ANN

هي عباره عن نظام لمعالجة البيانات بشكل يحاكي و يشابه الطريقة التي تقوم بها الشبكات العصبية الطبيعية للإنسان أو للكائن الحــــــي ( أي النظام العصبي البشري( ، كما تعرف الشبكة العصبية ( Neural Network ) تحتوي عدد كبير من ( أنظمه صغيره لمعالجة المعلومات ) تسمى الخلية العصبية ( Neuron)وهي عباره عن اقتراح و نظريه رياضية تصف كيف يتم العمل في الخلية العصبية الطبيعية للإنسان وهنا يتم تبادل الإشارات العصبية من خليه الي خليه أخرى في الجهاز العصبي الطبيعي أي في الشبكة العصبية الطبيعية ويمكن من خلال الشكل التالي أن نصف الخلية العصبية للإنسان

الاجزاء الرئيسية للخلية العصبية الطبيعية

الجزء الأول  : Dendrites وهي عبارة عن متحسســـــات تقوم بالتقاط الإشارات العصبية من خلايا عصبية أخرى حيث يمكن للخلية العصبية الطبيعــــــية الـــــتقطت حراره مرتفعة أو بروده فتــــقوم مجموعه من خلايا الجلد للإنسان بتحويل العملية الكيميائية إلى إشارات عصبية يتـــم التقاطها من خلال ال Dendrites

الجزء الثاني : Soma وهي تمثل جسم الخلية و هي تقوم على تجميــع الإشــــارات المــــــــستقبلة من خلال ال Dendrites التي تستخدم في المقارنة في جزء ال Axon من الخلية

الجزء الثالث : Axon وهي الجزء الذي يقرر أنيتم إرسال إشارة إلى الخلايا التي تلي الخلية الحالية وهنــــــــا يحدث العمل (فاذا كان عدد شحنات المجمعة من خلال ال Soma أصبح كافي بدرجه معينـه تكافئ درجة الشحنات في الAxon فيتم إرسال إشارات ل Dendrites  للـــــخلايا التي تـــــــلي الخلية

مفاهيم في الخلية العصبية الطبيعية

نظام يحاكي العملية الموجودة في الخلية العصبية الطبيعية

الوزن ( Weights )  : وهو يمثل درجه الوزن للإشارة المدخلة  ويمكن أن نتخيل أن الوزن للحرارة المرتفعة مثلا  50 ووزن الحرارة المنخفضة ب 3 و درجه الحرارة الاعتيادية 27

اقتران التنشيط  Activation Function : وفيها يكمن العمل الحقيقي للخلية العصبـــــــية  أي مثـــلا هنــا يتـــم جمــــــــع الأوزان للإشارات المدخلة ومقارنتها بقيمة معينة للحد أو العتـــــــبة( Threshold ) فإذا كان مجموع أوزان الإشارات يـزيد عن ال Threshold تكون الإشارة المخرجة هي ( واحد ) و اذا كـان أقل يكون الناتج ( صفر)

فوائد بناء الشبكات العصبية الاصطناعية

-         معالجه الإشارات (مثل الإشارات الدوائر الإلكترونية)

-         التحكم

-         التعرف على الأنماط ( مثل الكتابة اليدوية أو الصور او بصمة اليد أو التوقيع 

-         التعرف على الأصوات الطب

استخدام الشبكات العصبية الاصطناعية في الروبوتات

توجد وعود كبيرة في استخدام الشبكات العصبية الاصطناعية Artificial Neural Networks ANN  في الرجال الآلية لأيامنا هذه و روبوتات المستقبل، وكثير من روبوتات تحوي الشبكة العصبية الاصطناعية ANN كقلب للنظام الذكاء الاصطناعي الخاص بالروبوت

حقائق الشبكات العصبية والروبوتات

تعتبر الشبكات العصبية عبارة عن نظام لمعالجة البيانات بأسلوب هيكلي يتشابه مع الشبكات العصبية الطبيعية والشبكات العصبية الاصطناعية ANN تحتوي على عدد من وحدات معالجة بسيطة تسمى خلايا عصبية Neurons وكل عصبون Neuron يحوي على حالة خارجية تسمى الـتنشيط حيث تتكون الخلية العصبية الطبيعية البيولوجية من ثلاثة أقسام رئيسية هي:

1.                 جسم الخلية Soma

2.                  الـ Axon أوي كيبل الخلية

3.                  الـ Dendrites

كما يمكن تصنيفها الى :

-         جسم الخلية Neuron Body

-         الأوزانWeigh
- اقتران التنشيطActivation Function

الروبوتات Robots

الروبوتات عبارة عن عميل فيزيائي يقوم بتنفيذ مهمات تأثر في العالم المحيط بها الروبوتات تكون مزودة بالمؤثرات Effectors مثل الأرجل والعجلات والمفاصل والملاقط كما تزود بالحواس Sensors والتي تسمح لهم أن يحسوا بالبيئة التي هم فيها وهي تحوي على العديد من الحواس Sensors مثل الكمرات الموجات الصوتية والليزر وحواس الحرارة ويوجد الكثير من هذه الحواس ما يزداد حسب الطلب

ومثال علي ذلك ناسا روفر على اليمين و عل الشمال أزيموا من شركة هوندا و كريو من شركة سوني - هذه الفئات الرئيسية للروبوتات تحتاج إلى وحدة تحكم ذاتية ذكية أي تحوي الذكاء الاصطناعي لكي تتحكم بالأذرع والعجلات والأرجل لأنهم يمثلا بوابة الإخراج للروبوت وأيضا هذه الأنواع تحتاج إلى مصمم الخرائط map builder لكي يقوم الروبوت بتحديد مكانه في البيئة التي يعمل بها و لكي يقرر عمليات الوصول إلى هدف معين والمتحسسات مهمة جدا لأنها تمثل بوابة الإدخال للمعلومات للروبوتكما يمكن استخدام الـ ANN الشبكات العصبية الاصطناعية كعقل للروبوت مثلا  في عمليات التحكم Robot Control بناء الخرائط Map Building بصيرة الروبوت Robot Vision والتعرف على الأنماط Patter recognition وتعلم المهام learning task

استخدام الشبكات العصبية كقلب للذكاء الاصطناعي في الروبوت

التحكم بالروبوتات  Robot Control: التحكم بالروبوت عبارة عن واحدة من أهم المسائل في علم الروبوتات في هذا القسم سوف أعدد بعض الأمثلة على استخدام الشبكات العصبية باعتبارها وحدة ذكاء اصطناعية لآلة الروبوت

بناء الخرائط : من المسائل المهم للروبوتات المتنقلة Mobile Robots في بيئة ما أن تقوم ببناء خريطة تمثل الواقع في دماغها عندما يريد الروبوت أن ينتقل من مكان إلى مكان آخر يمكن النظر إلى المسألة بسهولة لكن عندما تبدأ الأمور تتعقد تصبح العملية معقدة أكثر مثلا إذا كان هنالك أي مجسم في الطريق إلى الهدف فيجب أن يقوم الروبوت بالالتفاف حوله بطريقة ما بعد ذلك يقوم بمحاولة العودة إلى النقطة الهدف

المنطق الضبابي او نظام فزي (Fuzzy Logic)

يبحث المنطق القديم في قوانين الفكر ومعايير الصدق والصحة، ويمثل طرق التفكير التي تهتدي بها كافة العلوم فهو يبحث في القياس الأرسطي والاستقراء والتمثيل، لكنه يركز على القياس الأرسطي ويهمل الباقي، باعتبار ان القياس الأرسطي هو الذي يوصل إلى اليقين ويقبض على الحقيقة  ظهرت تيارات ناقدة للمنطق الأرسطي من وقت مبكر، لخصها وزاد عليها ابن تيمية

نظرية الأثر الضبابي (النظرية الحدسية) fuzzy-trace theory

نظرية معرفية معاصرة ظهرت في أواخر القرن العشرين في جامعة أريزونا، تؤكد على ان الإنسان البالغ يتذكر ويفكر بشكل ضبابي حدسي، وان هذه العمليات تحدث مستقلة عن بعضها تبحث هذه النظرية في طرق التعلم والحكم واتخاذ القرار، وفي الذاكرة الخاطئة والنسيان والاستذكار، كما تبحث في فروق النمو المعرفي ما بين الأطفال والناضجين، وتدرس العوامل المؤثرة في ذلك، كالعمر والجنس والعصبية والعوامل الاجتماعية يتميز التفكير بحسب هذه النظرية بأنه مائع ودينامي، ويعمل على المجملات دون التفصيلات، وبأنه متوازي وليس بالخطي كما هو حال المنطق، وبأنه ضبابي أو كيفي وليس بالدقيق كما هو الحال في المعالجة وهو أيضا منظمه تقليديه تقوم على تعميم للمنطق التقليدي ثنائي القيم وذلك للاستدلال على ظروف غير مؤكده فهو نظريات وتقنيات تستخدم المجموعات الضبابية التي هي مجموعات بلا حدود قاطعه يمثل هذا المنطق طريقه لتوصيف وتمثيل الخبرة البشرية كما انه يقدم الحلول العملية للمشاكل الواقعية وهي بتكلفه فعاله ومعقوله بالمقارنة مع الحلول التي تقدها التقنيات الاخرى

منطق الغموض هو أحد أشكال المنطق، يستخدم في بعض الأنظمة الخبيرة وتطبيقات الذكاء الاصطناعي، نشأ هذا المنطق عام 1965 على يد العالم الأذربيجاني الأصل "لطفي زادة" من جامعة كاليفورنيا حيث طوّره ليستخدمه كطريقة أفضل لمعالجة البيانات، لكن نظريته لم تلق اهتماما  حتى عام 1974 حيث استخدم منطق الغموض في تنظيم محرك بخاري، ثم تطورت تطبيقاته حتى وصلت لتصنيع شريحة منطق ضبابى والتي استعملت في العديد من المنتجات كآلات التصوير

المفهوم العام  : منظومة منطقية تقوم على تعميم للمنطق التقليدي ثنائي القيم، وذلك للاستدلال في ظروف غير مؤكدة وبالمعنى الضيق فهو نظريات وتقنيات تستخدم المجموعات الضبابية التي هي مجموعات بلا حدود قاطعة يمثل هذا المنطق طريقة سهلة لتوصيف وتمثيل الخبرة البشرية، كما أنه يقدم الحلول العملية للمشاكل الواقعية، وهي حلول بتكلفة فعالة ومعقولة، بالمقارنة مع الحلول الأخرى التي تقدم التقنيات الأخرى

 المجموعة التقليدية والمجموعة الضبابية

المجموعة التقليدية: في المجموعة التقليدية يمكن لعنصر ما ينتمي لمجموعه واما انه لا ينتمي لها بتاتا مثلا المجموعة A والمجموعةU اذا قمنا بتعريف الدالة mA التي تعطي لكل عنصر من العناصر المجموعة U  درجه انتمائه الى المجموعة A   وذلك عبر اعطائها الرقم 1 اي mA(X)=1  اذا كان العنصر ينتمي للمجموعة U اي العنصر X ينتمي للمجموعة هA  اما اذا كان العنصر X  لا ينتمي لA فان الدالة mA تعطي الرقم صفر اي ان mA(X)=0 وعلى هذا فانه يمكن التعبير على الدالة mA كالتي: mA: U ®{0 1} وX ®mA (X)

المجموعة الضبابية : في المجموعة الضبابية يمكن لعنصر ما ان يكون منتمي الى حد معين للمجموعة مثلا لو كانت المجموعة A مجموعه درجات الحرارة التي تصنف بالباردة (بارده بالنسبة للإنسان) ولنعتبر المجموعةU  هي كل درجات الحرارة ، نأخذ مثلا العنصر U  X=100-  هذه درجه حراره بارده جدا  ولذلك هي تنتمي تماما للمجموعة A أي ان A(X)=1µ اما اذا اخذنا درجه X=500+ فان هذه درجه حراره حاره جداول ذلك العنصر X لا ينتمي ابدا الىA والى الان لم نخرج عن استعمال المنطق الكلاسيكي حيث ان A كانت تنتمي او لا تنتمي  لكن لنأخذ مثلا درجه الحرارة X=12 في المنطق التقليدي لدينا احتمالين اما ينتمي اولا ينتمي لA

اما في المنطق الضبابي يمكن ان نقول ان X ينتمي الى درجه50% الى A اي ان درجه الحرارة 12 درجه نصف بارده نصف معتدلة مثلا A(X)=05 وهنا نرى اختلاف في تعريف الدالة Aµ حيث تعرف رياضيا: A: U ®{01}µ  ،    X®µA(X) حيث يمكن للدالة ان تعطي نتائج بين 10 على عكس الامر في المنطق الكلاسيكي حيث لا تعطي الدالة الا رقم 1  او رقم صفر

العمليات على المجموعات الضبابية:

(1)  العكس: ويرمز للعملية بــ  A- او Á

(2)  التقاطع ويرمز للعملية بـــ  ;∩ او ^

(3)  الدمج : ويمز للعملية بـــ  U  او V

أو

·                     التقاطع ويرمز للعملية ب أو

·                     الدمج ويرمز للعملية ب أو

·                     العكس ويرمز للعملية ب أو

(1) العكس : مثلا A- او Á  عمليه عكس A وهي مجموعه الدرجات المعتدلة و B هي A- اي الدرجات الحرارة الغير معتدلة حيث في المنطق الكلاسيكي يجب مثلا على درجه الحرارة  المعتدلة ان تنتمي كليا لA وفي نفس الوقت لا تنتمي لB بتاتا اي مثلا درجه الحرارة  20 ان تكون تخضع للعلاقة µA (20)=1  وفي نفس الوقت µA (20)=0   وهذا تجسيد للمنطق الكلاسيكي حيث درجه الحرارة 20 اما ان تحسب على المجموعة المعتدلة او الغير معتدلة وليس من الممكن ان تكون 20 درجه في نفس الوقت مت  ه وغير معتدلة وهذا يمكن تحقيقه اذا كانت داله الانتماءµBµA=

(2)  التقاطع : يمكن  تعريف عمليه التقاطع في المنطق الضبابي وفي المنطق الكلاسيكي على حد السواء  كما هو الحال لعمليه العكس اي باستعمال عمليات رياضيه على دالة الانتماء µ ولكن في التقاطع عوض عن استعمال عمليه الطرح عاده ما تستعمل عمليه min

(3) الدمج: يمكن تعريف عمليه الدمج في المنطق الضبابي وفي المنطق الكلاسيكي على حد السواء كما هو الحال لعمليه العكس اي باستعمال عمليات رياضيه على دالة الانتماء µ لكن في الدمج عوض استعمال عمليه الطرح تستعمل عمليه max  

انظمة السيطرة الضبابية

هناك خمس عناصر مبدئية لأنظمه السيطرة الضبابية : النموذج المضبب، قاعده المعرفة، قاعده القوانين، محرك المعلومات، نموذج فتح الضبابية كما ان التغير الالي في تصميم البرامج لأي خمس عناصر تكون مسيطر ضبابي متكيف فنظام السيطرة الضبابي يتكون من العناصر الثابتة وهي جزءا من نظام التحكم تحتوي على متحسسات التحويل من النظام الموجي الى النظام الرقمي والمحول من التحويل من النظام الرقمي الى الموجي   ودوائر التطبيع هناك نوعان من دوائر التطبيع الاول لجدوله القيم الفزيائية الداخلة من المسيطر(controller) الى قيم طبيعية والنوع الثاني يحول من القيم الطبيعية الى القيم الفيزيائية

مبدأ المنطق الضبابي

القاعدة الأساسية: المنطق الضبابي هو أحد أشكال الغموض والذي حير العلماء ولكن ليس من الضروري الآن الشرح الكامل للمنطق الضبابي وإنما نكتفي بتعريفه وتبيين استعمالاته في عام 1995 لطفي زادة اكتشف المنطق الضبابي عندما كان يعمل في جامعة كاليفورنيا حيث لاحظ أن الصح والخطأ لا تكفي من أجل تمثيل كافة الأشكال المنطقية وخاصة المشاكل التي تواجهنا حاليا فالمنطق الكلاسيكي يعتمد على 0 أو 1 فقط وهذا ما يعتمد عليه الكثير من العلاقات في حين توجد علاقات أخرى يكون فيها الموضع الذي فيها يمكن اعتباره صحيح جزئيا أو خاطئ جزئيا في نفس الوقت وبشكل عام نقول أن : (n) =1 fѕ عندما n Є S، (n) = 0 fѕ عندما xلا تنتمي إلى S و هذا ما هو موضح بالشكل حيث أن تغير صغير في قيمة X تجعلها تتغير من set1 إلى set 2 ، بينما المنطق الضبابي يصف لنا علاقة التابع بشكل أشمل وأعم من ذلك حيث أن الحالة يمكن أن تكون حالة وسط بين الحالتين المألوفتين كما في العلاقة التالية: ففي المنطق الضبابي يكون الانتقال بين الوضعين بشكل تدريجي لذلك يمكن في هذه المرحلة أن نعتبر الوضع يأخذ كلا الحالتين معا حيث أن تغير صغير في قيمة الدخل يسبب زيادة في التغير وليس تغيرا تاما

المعالجة : إن نظام معالجة المنطق الضبابي يدمج داخل ما يسمى وحدة استنتاج ضبابية FIU (fuzzy inferencing unit) تضم هذه الوحدة ثلاث وحدات أساسية للمعالجة هي: الوحدة الأولى : تضم نظام الإدخال والإخراج الوحدة الثانية : التزويد من قبل المستخدمين الوحدة الثالثة: تقوم بمعالجة القاعدة المعطاة

طريقة المعالجة : العمليات على المجموعات الضبابية وهناك العديد من العمليات التي يمكن إجرائها على المجموعات الكلاسيكية منها: • التقاطع ويرمز للعملية ب أو • الدمج ويرمز للعملية ب أو • العكس ويرمز للعملية ب

تطبيقات المنطق الضبابي      : الذكاء الاصطناعي يستخدم المنطق الضبابى في تصميم وتحليل بعض الشبكات العصبية الاصطناعية

التحكم العملياتى : التحكم العملياتى process control  يتعلق بالتحكم الآلى automatic control وتتضمن معظم التطبيقات التحكم في المتغيرات (الميكانيكية) للآلة بناء على المدخلات الآتية من المستشعرات البيئية بعض التطبيقات كما يلى:

·                     آلات تصوير الفيديو: استشعار حركة الأشياء التي تقوم الكاميرا بتصويرها وأيضا أي اهتزاز من قبل الكاميرا  

·                     السيارات: توفير إمكانية التحكم في السرعة cruise control حيث تقوم دائرة المنطق الضبابى بحساب التسارع والتحكم في أثر حقن المزيد من الوقود أو تشغيل الفرامل  

·                     تكييف الهواء: القيام بتخفيض الحرارة تدريجيا حتى الوصول إلى المستوى المراد   

·                     غلايات السفن : مراقبة درجة الحرارة والضغط والمحتوى الكيميائي للمحافظة على الاستقرار   

·                     الغسالات: مراقبة الحِمل نوعية الأنسجة وكمية المنظف لتحقيق الأفضل والمثالي optimize the cycle في دورة الغسل