انسان امروز همواره در تلاش است تا با طراحي سيستمهاي جديد، هر چه بيشتر به دستيابي به شبكه هاي عصبي مشابه مغز و سيستم عصبي انسان نزديكتر شود.
يكي از پيشرفتهاي نوين در اين زمينه، طراحي شبكههاي عصبي مصنوعي (ANN) است.
ساختار كلي اين شبكه ها، مشابه شبكه هاي نوروني و سيناپسي انسان است، بدين نحو كه مشابه با سيناپس عصبي انسان، اين شبكه ها نيز از تعداد بيشماري سيناپس تشكيل يافته است كه تجزيه و تحليل اطلاعات ورودي به اين سيناپسها، درآنها به انجام رسيده و نتايج آن به سيناپس هاي بعدي منتقل ميگردد.
بر اين اساس، يك شبكه عصبي مصنوعي ساده داراي سه جزء يا لايه است:
1- لايه ورود اطلاعات (Input Layer):
در اين لايه، اطلاعات اوليه كه همان مقادير مربوط به متغيرهاي مستقل و وابسته طرح ميباشند، وارد شبكه ميگردند.
2- لايه يا لايههاي محاسباتي (Analyze Layer):
اين لايه كه بر مبناي پيچيدگي تحليلها، تعداد آنها نيز افزايش مييابد، وظيفه ايجاد روابط منطقي ميان متغيرهاي مستقل و وابسته اوليه و يافتن فرمول بين اين متغيرها را بر عهده دارد.
3- لايه خروجي (Output Layer)
در اين لايه، رابطه يا فرمول بين متغيرهاي مستقل و وابسته اوليه ارائه ميشود.
در واقع نرم افزار جديد از طريق سيستم فوق، ابتدا با دريافت نمونهاي محدود از متغيرهاي مستقل و وابسته اوليه، رابطه منطقي را ميان آنها كشف ميكند و در مرحله بعد، تنها با ارائه سري متغيرهاي مستقل، مقدار متغيرهاي وابسته را با دقت بسيار بالا پيشبيني و ارائه مينمايد.
در اين قسمت با بيان مثالي علمي، نحوه كاركرد شبكه عصبي مصنوعي را شرح ميدهيم: فرض كنيد ميخواهيم رابطه ميان مقدار قند خون و درصد گرفتگي عروق كرونر قلب را بررسي نمايم.
درابتدا تعداد محدودي از مقادير متغيرهاي مستقل (مقدار قند خون) و وابسته (درصد گرفتگي) را وارد شبكه ميكنيم:
شبكه عصبي، پس از دريافت داده ها، به بررسي رابطه ميان دو نوع متغير ميپردازد و در مدت زماني بسيار بسيار اندك (چند ثانيه) رابطه منطقي ميان متغير مستقل و وابسته را با دقتي بسيار بالا كشف ميكند.
در اين مرحله و پس از كشف فرمول ميان متغيرها، با ارائه هر مقدار از قند خون به شبكه، درصد گرفتگي رگ كرونر محاسبه و پيشبيني ميشود.
در شماره بعدي نشريه فوايد و برتري شبكه عصبي مصنوعي را نسبت به نرم افزارهاي پژوهشي كلاسيك شرح خواهيم داد.
