💥پیاده‌سازی ساده از شبکه عصبی مصنوعی در جاوا💥

💡 ایده اصلی: (ساختار یک نورون مصنوعی)

1- هر نورون می‌تونه از چند نورون دیگه ورودی بگیره. 2- ورودی‌ها جمع می‌شن (→ total). 3- اگر این مجموع از یک مقدار مشخص بیشتر باشه (→ threshold)، نورون فعال می‌شه. (آستانه تحمل) 4- خروجی نورون با یک ضریب تقویت یا تضعیف می‌شه (→ weight).

مراحل محاسبه:

1- محاسبه input1: 👉 total=1 > threshold=0.0 چون جمع سیگنال ورودی بزرگتر از آستانه تحمل پس input1 فعال میشه

output => total * weight خروجی input1 => 1.0 * 1.0 = 1.0 با استفاده از وزن تاثیر خودش رو روی سیگنال می زاره و عدد 1.0 به عنوان سیگنال ورودی تحویل نورون هیدن میشه

2- محاسبه input2: 👉 total=2 > threshold=0.0 چون جمع سیگنال ورودی بزرگتر از آستانه تحمل پس input2 فعال میشه

output => total * weight خروجی input2 => 2.0 * 1.0 = 2.0 با استفاده از وزن تاثیر خودش رو روی سیگنال می زاره و عدد 2.0 به عنوان سیگنال ورودی تحویل نورون هیدن میشه

3- محاسبه hidden: 👉 جمع خروجی های input1 و input2 میشن ورودی هیدن total = total-input1 + total-input2 3.0 = 1.0 + 2.0

total=3.0 > threshold=2.0 چون جمع سیگنال ورودی بزرگتر از آستانه تحمل پس hidden فعال میشه

output => total * weight 4.5 => 3.0 * 1.5

4- محاسبه output: 👉 خروجی هیدن میشه ورودی output

total=4.5 > threshold=3.0 چون جمع سیگنال ورودی بزرگتر از آستانه تحمل پس output فعال میشه

output => total * weight 9.0 => 4.5 * 2.0

نتیجه نهایی این شبکه عصبی برابر عدد 9.0 است که در شبکه‌های عصبی واقعی (مثلاً برای تشخیص تصویر، پیش‌بینی قیمت یا ترجمه)، همین خروجی به عنوان پاسخ مدل تفسیر می‌شه.

امیدوارم از مطالعه ی این مبحث مثل من لذت ببرید 🙂