1. Artificial Neural Networks الشبكات العصبية الاصطناعية

2. What is a Neural Network?
An artificial neural network (ANN) is an information-processing system that has certain performance characteristics in common with biological neural networks.
الشبكة العصبية الاصطناعية هي عبارة عن نظام لمعالجة البيانات بشكل يحاكي و يشابه الطريقة التي تقوم بها الشبكات العصبية الطبيعية
A method of computing, based on the interaction of multiple connected processing elements.
طريقة الحسابات تعتمد على تفاعل عناصر المعالجة المرتبطة المتعددة
mathematical models for information processing, which based on the biological prototypes and mechanisms of human brain activities.
النماذج الرياضية لمعالجة المعلومات تعتمد على النماذج الطبيعية وآلية نشاط دماغ الإنسان .

3. Computational models inspired by the human brain:
النماذج الحسابية استلهمت من العقل البشري
Massively parallel, distributed system, made up of simple processing units (neurons)
النظام الموزع المتوازي مؤلف من وحدات معالجة بسيطة (الاعصاب )
Synaptic connection strengths among neurons are used to store the acquired knowledge.
شدة الوصلات العصبية بين الخلايا العصبية تستخدم لتخزين المعرفة المكتسبة
Knowledge is acquired by the network from its environment through a learning process
المعرفة تكتسب في الشبكة من بيئتها من خلال عملية التعليم

4. History of Neural Networks تاريخ الشبكات العصبية
1943: McCullough and Pitts - Modeling the Neuron for Parallel Distributed Processing
1958: Rosenblatt - Perceptron
1969: Minsky and Papert publish limits on the ability of a perceptron to generalize
1970’s and 1980’s: ANN renaissanceعصر نهضة الشبكات العصبية الاصطناعية
1986: Rumelhart, Hinton + Williams present backpropagation
1989: Tsividis: Neural Network on a chip

5. Properties of Nervous Systems خصائص الأنظمة العصبية
Parallel, distributed information processing
معالجة معلومات موزعة ومتوازية
High degree of connectivity among basic units
درجة عالية للربط بين الوحدات الأساسية
Connections are modifiable based on experience
الاتصالات والارتباطات تعدل اعتمادا على التجربة
Learning is a constant process, and usually unsupervised
التعليم هو عملية ثابتة وعادة غير مشرف عليها
Learning is based only on local information
التعليم يعتمد فقط على المعلومات المحلية

6. Biological Neuron
The basic computational unit in the nervous system is the nerve cell, or neuron. A neuron has:
Dendrites (inputs) متحسسات تستقبل الإشارة من الخلايا العصبية الأخرى
Cell body وهي تمثل جسم الخليه و هي تقوم على تجميع الإشارات المستقبلة من dendrites
Axon (output) ترسل الإشارة إلى الخلية التالية

7. The schematic model of a biological neuron
Synapses
Dendrites
Soma
Axon
Dendrite from other
Axon from other neuron

8. Model of an artificial neuron

9. Model of an artificial neuron Terminology(المصطلحات )
x1, x2, ...., xn are the inputs to the neuron
w1, w2, ...., wn are real-valued parameters called weights
net = w1 x1 + w2 x2 +…+ wn xn is called the weighted sum
f: is called the activation function?(تابع التفعيل )
y = f(net) is the output of the neuron

10. Model of an artificial neuron

11. Network Architecture Single layer net Single layer network
Input Output
layer layer

12. Multi-layer net x1 x2
Input
Output xn
Hidden layers

13. Feed-forward nets شبكات التغذية الأمامية
Information only flows one way
المعلومات فقط تتبع طريق واحد
Data is presented to Input layer
البيانات تقدم لطبقة الدخل
Passed on to Hidden Layer
تمرر إلى الطبقة المخفية
Passed on to Output layer
تمرر لطبقة الخرج
Information is distributed
المعلومات موزعة
Information processing is parallel
معالجة المعلومات يكون بشكل متوازي
Internal representation (interpretation) of data
التمثيل الداخلي هو تفسير للبيانات

14. Recurrent Networks الشبكات المتكررة
Nodes connect back to other nodes or themselves.
Information flow is multidirectional
العقد تتصل ببعضها أو بعقد أخرى
تدفق المعلومات متعدد الاتجاهات

15. Learning Algorithm خوارزمية التعليم
Supervised Learning
Unsupervised Learning 15

16. Common Activation Functions
Identity Function
The identity function is given by

17. Threshold activation function
Binary step function
Threshold activation function
Stepf(x) = 1 if x >= Ø, else 0

18. Binary sigmoid function

19. Applications of Artificial Neural Networks
Signal processing(معالجة الإشارة )
مثل إخماد الصوت في خطوط التلفون
الغاء الصدى
Control(التحكم )
مثل يستخدم في الشاحنات وفي تحديد موقع سيارة اجرة
Robotics - navigation, vision recognition
الانسان الالي – الملاحة – تمييز الرؤية
Pattern recognition.
التعرف على الأنماط مثل الكتابه اليدويه أو الصور او بصمة اليد أو التوقيع

20. Medicine. (الطب)
تخزين السجلات الطبية بالاعتماد على معلومات الحالة
Speech production. (انتاج الاصوات )
Speech recognition. التعرف على الاصوات) )
Vision: face recognition , visual search engines
تمييز الوجوه – آلات بحث بصرية
Business.(الأعمال )
مثال قواعد لقرارات المراهنة
Financial Applications: time series analysis, stock market prediction
التطبيقات المالية : تحليل السلاسل الزمنية – تنبؤ سوق الاسهم المالية
Data Compression: image, e.g. faces
ضغط البيانات : الصور والوجوه
Game Playing: backgammon, chess, go, ...
الالعاب كالشطرنج ولعبة الطاولة

21. Applications of Artificial Neural Networks
Intelligent Control
التحكم الذكي
AdvanceRobotics
Technical Diagnistics
Machine Vision
Artificial Intellect with Neural Networks
Intelligent
Data Analysis
and Signal Processing
الأنظمة الخبيرة الذكية
Image & Pattern Recognition
الأنظمة الامنية الذكية
Intelligent Expert Systems
Intelligentl Medicine Devices
Intelligent Security Systems 21 21