الانتقال إلى المحتوى
العودة إلى نتائج البحث

الشبكة العصبية التلافيفية (التصنيف)

قدّمه
LeCun, Y. et al.
السنة
1998
النوع
Deep neural network (convolutional)

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

الشبكة العصبية التلافيفية (CNN) هي نموذج تعلم عميق، أسسه LeCun وزملاؤه عام 1998، يتعلم الأنماط المحلية مباشرة من الصور والبيانات المهيكلة لتصنيفها. تكتشف مكدسات المرشحات التلافيفية ميزات مجردة بشكل متزايد، مما يقلل بشكل كبير من الحاجة إلى هندسة الميزات اليدوية.

الفكرة الحدسية وراء الطريقة

بدلاً من صياغة الميزات يدويًا، تقوم الشبكة العصبية التلافيفية بتحريك مرشحات صغيرة قابلة للتعلم عبر المدخلات لاكتشاف الأنماط المحلية مثل الحواف أو الأنسجة أو الزخارف، بغض النظر عن مكان ظهورها. تلتقط الطبقات المبكرة إشارات بسيطة؛ وتجمعها الطبقات الأعمق في مفاهيم أعلى مستوى. ولأن نفس المرشح يُعاد استخدامه عبر المدخلات بأكملها، تتعلم الشبكة بكفاءة وتتعرف على النمط أينما ظهر.

التاريخ

تم تجميع الشبكات العصبية التلافيفية بشكلها الحديث بواسطة يان لوكون وزملاؤه في عملهم عام 1998 حول التعلم القائم على التدرج المطبق على التعرف على المستندات، حيث قرأت بنية LeNet الأرقام المكتوبة بخط اليد. أصبح الجمع بين الالتفاف والتجميع والتدريب المتدرج الشامل هو القالب لتصنيف الصور، ومع مجموعات البيانات الأكبر والأجهزة الأسرع، دفع ثورة التعلم العميق في رؤية الكمبيوتر.

متى تُستخدم

استخدم شبكة عصبية تلافيفية للتصنيف أو التنبؤ من الصور والبيانات المهيكلة الشبيهة بالشبكة عندما يكون لديك مجموعة بيانات كبيرة ومُصنفة — حوالي 1000 ملاحظة أو أكثر — وتريد أن يتعلم النموذج الميزات تلقائيًا بدلاً من هندستها يدويًا. لا تتطلب بيانات موزعة طبيعيًا وتتعامل مع المدخلات المستمرة والفئوية. أقل من حوالي 500 ملاحظة، تفرط الشبكة في التجهيز ويكون Random Forest أكثر أمانًا؛ أقل من حوالي 200، لا يمكن للمرشحات التلافيفية تعلم أنماط ذات معنى ويكون SVM مفضلاً.

الحدود والاعتبارات

  • تحتاج إلى مجموعة بيانات كبيرة ومُصنفة (حوالي 1000+ ملاحظة) للتدريب بشكل موثوق.
  • في العينات الصغيرة (n أقل من حوالي 500) تفرط الشبكة في التجهيز وينخفض أداء التصنيف.
  • أقل من حوالي 200 ملاحظة، لا يمكن للمرشحات التلافيفية تعلم أنماط ذات معنى على الإطلاق.
  • تتطلب حسابات مكثفة للتدريب، والتمثيل المتعلم يصعب تفسيره.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • تتعلم الأنماط المحلية تلقائيًا، مما يقلل بشكل كبير من الحاجة إلى هندسة الميزات اليدوية.
  • مشاركة الأوزان تتعرف على النمط أينما ظهر وتحافظ على عدد المعلمات قابلاً للإدارة.
  • تبني تسلسلاً هرميًا للميزات، من الحواف البسيطة إلى المفاهيم المجردة، وهو مناسب تمامًا للصور.
  • خفيفة الافتراضات: لا تتطلب طبيعية التوزيع، وتقبل المدخلات المستمرة والفئوية.
  • دقة متطورة في مهام تصنيف الصور الكبيرة المصنفة والبيانات المهيكلة شبكيًا.

التطبيقات

  • مهام تصنيف الصور والتعرف عليها.
  • تصنيف البيانات المهيكلة الشبيهة بالشبكة حيث تكون الأنماط المحلية مهمة.
  • التعرف على المستندات والأحرف المكتوبة بخط اليد.
  • تعلم الميزات حيث تكون هندسة الميزات اليدوية غير عملية.

كيف يعمل

كيف يعمل

1

تُجرى عملية الالتفاف للمرشحات القابلة للتعلم (النوى) عبر المدخلات، حيث تحسب المجاميع الموزونة المحلية لإنتاج خرائط الميزات. يستجيب كل مرشح لنمط محلي محدد — حافة، نسيج، جزء من شكل — ولأن نفس الأوزان مشتركة عبر جميع المواقع، تكتشف الشبكة هذا النمط في أي مكان في المدخلات مع الحفاظ على عدد المعلمات منخفضًا.

الصيغة
(I * K)(i,j) = \sum_{m}\sum_{n} I(i+m, j+n)\, K(m,n)
2

تقوم طبقات التجميع (على سبيل المثال، التجميع الأقصى) بتقليل حجم كل خريطة ميزة، وتلخيص المناطق المجاورة في قيمة واحدة. يؤدي هذا إلى تقليص الأبعاد المكانية، ويجعل التمثيل أكثر قوة تجاه التحولات والتشوهات الصغيرة، ويسمح للطبقات اللاحقة ببناء ميزات أكثر تجريدًا تدريجيًا على مجال استقبال أوسع.

3

تُسطّح خرائط الميزات عالية المستوى وتُمرر عبر طبقات متصلة بالكامل تنتهي بوظيفة softmax التي تُخرج احتمالات الفئات. تُدرب الشبكة بأكملها — المرشحات والأوزان معًا — من البداية إلى النهاية عن طريق التعلم القائم على التدرج، مما يقلل من خسارة التصنيف عبر الانتشار العكسي.

الصيغة
\hat{y} = \operatorname{softmax}(W h + b)

الأخطاء الشائعة

  • التدريب على بيانات قليلة جدًا والإفراط في التجهيز بدلاً من العودة إلى Random Forest أو SVM.
  • تجاوز تقسيم التحقق أو الاختبار المحجوز والثقة في دقة التدريب.
  • تجاهل عدم توازن الفئات بدلاً من إعادة وزن أو إعادة أخذ عينات الفئات.
  • الإبلاغ عن الدقة فقط دون الدقة (precision) أو الاستدعاء (recall) أو F1 أو مصفوفة الارتباك (confusion matrix).
  • نسيان تطبيع المدخلات أو عدم تطبيق أي تنظيم ضد الإفراط في التجهيز.

الأسئلة الشائعة

كم تحتاج الشبكة العصبية التلافيفية من البيانات؟

الشبكات العصبية التلافيفية متعطشة للبيانات؛ الحد الأدنى التقريبي هو حوالي 1000 ملاحظة مصنفة. أقل من حوالي 500، تميل إلى الإفراط في التجهيز، وأقل من حوالي 200، لا يمكن للمرشحات تعلم أنماط ذات معنى — في هذه الحالات، يعتبر Random Forest أو SVM خيارات أكثر أمانًا.

لماذا الالتفاف بدلاً من الشبكة العصبية العادية؟

يشارك الالتفاف نفس المرشح الصغير عبر جميع مواضع المدخلات، لذلك يتم اكتشاف النمط أينما ظهر ويظل عدد المعلمات منخفضًا. ستحتاج الشبكة المتصلة بالكامل إلى أوزان أكثر بكثير ولن تستغل البنية المكانية للبيانات.

ماذا تفعل عملية التجميع؟

تقوم عملية التجميع بتقليل حجم خرائط الميزات عن طريق تلخيص المناطق المحلية، مما يقلل الحجم المكاني، ويضيف قوة ضد التحولات الصغيرة، ويسمح للطبقات الأعمق ببناء ميزات أكثر تجريدًا على مجال استقبال أوسع.

ماذا يجب أن أتحقق قبل الاعتماد على الشبكة العصبية التلافيفية؟

تأكد من أن لديك مجموعة بيانات مصنفة كبيرة بما يكفي، وقم بتطبيع المدخلات، وقم بإعداد تقسيم مناسب للتدريب/التحقق/الاختبار، وعالج أي عدم توازن في الفئات، وقم بالتقييم باستخدام الدقة (precision) والاستدعاء (recall) وF1 ومصفوفة الارتباك (confusion matrix) بدلاً من الدقة (accuracy) وحدها.

طرق ذات صلة

المصادر

  1. LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE, 86(11), 2278–2324.

    افتح مرجع DOI
    تم النسخ.