الشبكات العصبية هي مجال فرعي من الذكاء الاصطناعي والتعلم الآلي الذي يصمم الشبكات العصبية البيولوجية. إنهم يهدفون إلى تكرار الطريقة التي يعمل بها الدماغ البشري، والتعلم من الخبرة والتعرف على الأنماط في البيانات. تتكون الشبكات العصبية من طبقات الإدخال والإخراج، بالإضافة إلى طبقات مخفية متعددة. وتتكون كل طبقة من العقد أو الخلايا العصبية، وهي مترابطة وتتقاسم الأوزان.
تُستخدم الشبكة العصبية لتقريب الوظيفة المطلوبة من خلال تدريبها على مجموعة كبيرة من المدخلات بهدف الحصول على قاعدة عامة أو رسم خرائط من المدخلات إلى مخرجاتها المقابلة. عادةً ما تكون المدخلات أرقامًا، ولكنها يمكن أن تكون أيضًا صورًا أو أي نوع آخر من البيانات. يمكن أن تكون المخرجات قيمًا أو فئات أو أي نوع من البيانات.
يتم تحديد بنية الشبكة العصبية من قبل المستخدم، حيث يجب على المستخدم تحديد عدد الطبقات والعقد لكل طبقة. تطبق كل عقدة وظيفة محددة على الإدخال، ويكون إخراج تلك العقدة هو الإدخال إلى العقدة التالية. يشار إلى سلسلة العقد هذه بمسار الانتشار الأمامي. خلال مرحلة التدريب، يتم ضبط أوزان الاتصالات بين العقد بناءً على ردود الفعل من طبقة الإخراج. هذه العملية، المعروفة باسم الانتشار العكسي، تمكن الشبكة العصبية من التعلم من أخطائها.
تُستخدم الشبكات العصبية في مجموعة متنوعة من التطبيقات، بدءًا من التعرف على خط اليد وحتى تصنيف الصور. ويُنظر إليها الآن على أنها أداة قوية لفهم مجموعات البيانات الكبيرة ووضع التنبؤات. مع استمرار نمو قوة الحوسبة وتوافر البيانات، أصبحت الشبكات العصبية أكثر شعبية بشكل متزايد وأصبحت تطبيقاتها منتشرة على نطاق واسع.
