کتاب Artificial Neural Networks with Java یا شبکه‌های عصبی مصنوعی با جاوا نسخه دوم از این کتاب بوده که به آموزش برنامه‌نویسی جاوا برای شبکه‌های عصبی مصنوعی می‌پردازد. این کتاب در 3 قسمت و به طور کلی 14 فصل به آموزش تئوری‌های هوش مصنوعی و شبکه‌های عصبی پرداخته و بعد از آن سعی در پیاده‌سازی آن‌ها با استفاده از زبان برنامه‌نویسی جاوا دارد.
در ادامه مقدمه‌ای از کتاب Artificial Neural Networks with Java را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Artificial Neural Networks with Java:
هوش مصنوعی یک حوزه به سرعت در حال پیشرفت در علوم کامپیوتر است. از زمان اختراع رایانه‌ها، ما پدیده‌های جالبی را مشاهده کرده‌ایم. کارهایی که برای انسان دشوار است (مانند محاسبات سنگین، جستجو، به خاطر سپردن حجم زیادی از داده‌ها و غیره) به راحتی توسط رایانه انجام می شوند، در حالی که کارهایی که انسان به طور طبیعی قادر به انجام آن‌هاست و به سرعت انجام می‌دهد (مانند تشخیص اشیاء نیمه پوشیده، هوش، استدلال، خلاقیت، اختراع، درک گفتار، تحقیقات علمی و غیره) برای کامپیوترها مشکل است. به نظر می‌رسد که هر یک از ما یک ابر کامپیوتر در سر خود داریم. هوش مصنوعی به عنوان یک رشته در دهه 1950 متولد شد.
با این حال، معماری شبکه عصبی شناخته شده در آن زمان از ادراکات با یک تابع فعال‌سازی خطی استفاده می‌کرد، بنابراین قادر به حل مسائل غیرخطی نبود. این دلیل و کمبود قدرت محاسباتی باعث شد که شروع اولیه هوش مصنوعی ناموفق باشد.
هوش مصنوعی در سال‌های 1974-1980 احیا شد اما در نهایت دوباره شکست خورد. یک معماری شبکه غیرخطی جدید پس از آن شکست دوم ایجاد شد و افزایش فوق‌العاده در قدرت محاسباتی ماشین‌ها در نهایت به موفقیت خارق‌العاده هوش مصنوعی در دهه 1990 کمک کرد. به تدریج، هوش مصنوعی قادر به حل بسیاری از مشکلات صنعتی مانند تشخیص تصویر، تشخیص گفتار، پردازش زبان طبیعی، تشخیص الگو، پیش‌بینی، طبقه‌بندی، خودروهای خودران، اتوماسیون روباتیک و غیره شد.
موفقیت چشمگیر هوش مصنوعی اخیراً باعث ایجاد انواع گمانه‌زنی‌های بی‌دلیل شده است. می‌توانید بحث‌هایی در مورد تطابق و فراتر رفتن هوش انسان‌ها توسط روبات‌های آینده نزدیک بخوانید. باید به خاطر داشته باشیم که در حال حاضر هوش مصنوعی مجموعه‌ای از روش‌های ریاضی و پردازشی هوشمندانه است که به رایانه‌ها اجازه می‌دهد از داده‌هایی که پردازش می‌کنند یاد بگیرند و این دانش را برای حل بسیاری از وظایف مهم به کار ببرند. بسیاری از چیزهایی که متعلق به انسان هستند مانند هوش، احساسات، خلاقیت، احساس، استدلال و غیره، هنوز خارج از دانش هوش مصنوعی هستند.
با این حال، همه‌چیز به سرعت در حال تغییر است. در سال‌های اخیر، رایانه‌ها در بازی شطرنج آنقدر خوب شده‌اند که به طور قابل اعتمادی همتایان انسانی خود را شکست می‌دهند. این تعجب‌آور نیست، زیرا سازندگان آن‌ها قرن‌ها تجربه انسانی انباشته شده در شطرنج را به برنامه آموزش دادند. در حال حاضر، مسابقات جهانی شطرنج کامپیوتری برگزار می‌شود که در آن ماشین‌ها با یکدیگر رقابت می‌کنند. یکی از بهترین برنامه‌های شطرنج بازی به نام Stockfish 8 در سال 2016 قهرمان مسابقات شطرنج کامپیوتری جهان شد.
چندین سال پیش گوگل یک برنامه بازی شطرنج به نام AlphaZero توسعه داد که برنامه Stockfish 8 را در مسابقات قهرمانی شطرنج کامپیوتری جهان در سال 2017 شکست داد. بخش شگفت انگیز این است که هیچ کس به AlphaZero استراتژی های شطرنج را آموزش نداد، همانطور که قبلاً در طول توسعه سایر برنامه‌های شطرنج انجام شده بود.
در عوض، از جدیدترین اصول یادگیری ماشینی برای آموزش شطرنج با بازی در برابر خودش استفاده کرد. برنامه چهار ساعت یادگیری استراتژی‌های شطرنج (هنگامی که مقابل خودش بازی می‌کرد) طول کشید تا Stockfish 8 را شکست دهد. خودآموزی دستاورد جدید هوش مصنوعی است. هوش مصنوعی شاخه‌های زیادی دارد. کتاب Artificial Neural Networks with Java به یکی از آن‌ها اختصاص دارد: شبکه‌های عصبی.
شبکه‌های عصبی کامپیوترها را قادر می‌سازند تا از داده‌های مشاهده‌ای یاد بگیرند و بر اساس آن دانش پیش‌بینی کنند. کتاب Artificial Neural Networks with Java در مورد آموزش شبکه‌های عصبی و استفاده از آموزش برای تقریب توابع، پیش‌بینی و طبقه‌بندی تصویر است.
همچنین شما می‌توانید علاوه بر کتاب Artificial Neural Networks with Java، برای مطالعه‌ی بیشتر بر روی الگوریتم‌های هوش مصنوعی از کتاب Mastering Machine Learning Algorithms نیز استفاده نمائید.
سرفصل‌های کتاب Artificial Neural Networks with Java:
- About the Author
- About the Technical Reviewers
- Acknowledgments
- Introduction
- Part I: Getting Started with Neural Networks
- Chapter 1: Learning About Neural Networks
- Chapter 2: Internal Mechanics of Neural Network Processing
- Chapter 3: Manual Neural Network Processing
- Part II: Neural Network Java Development Environment
- Chapter 4: Configuring Your Development Environment
- Chapter 5: Neural Networks Development Using the Java Encog Framework
- Chapter 6: Neural Network Prediction Outside of the Training Range
- Chapter 7: Processing Complex Periodic Functions
- Chapter 8: Approximating Noncontinuous Functions
- Chapter 9: Approximation of Continuous Functions with Complex Topology
- Chapter 10: Using Neural Networks for the Classification of Objects
- Chapter 11: The Importance of Selecting the Correct Model
- Chapter 12: Approximation Functions in 3D Space
- Part III: Introduction to Computer Vision
- Chapter 13: Image Recognition
- Chapter 14: Classification of Handwritten Digits
فایل کتاب Artificial Neural Networks with Java را می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.