0:02 تحيل اننا نعرض على الحاسوب صوره
0:06 لقطه بالنسبه لك كذا
0:09 بسيط عينان اذنان
0:12 ذيل واضح انها قطه ولكن بالنسبه للحاسوب
0:18 فالصوره ليست كائنا حيا بل مجرد مصفوفه
0:21 ضخمه من
0:23 الارقام كل بكس هو قيمه
0:26 رقميه هذه القيم تمثل درجات الالوان او
0:31 الاضاءه وهنا تظهر الحاجه الى نموذج
0:34 يستطيع قراءه هذه الارقام كما نقرا نحن
0:39 الاشكال هذا ما تفعله الشبكات العصبيه
0:45 الالتفافيه سي ان ام هي معماريه مصممه
0:48 خصوصا للتعامل مع الصور وذلك من خلال
0:52 سلسله من المرافل الذكيه تبدا باستخراج
0:55 السمات الاساسيه وتنتهي باتخفاذ القرار
0:58 حول ما تحتويه الصوره وقبل ان نستعرض مرا
1:03 ان لم تكن لديك فكره واضحه عن الشبكات
1:07 العصبيه الاصطناعيه فمن الافضل ان تشاهد
1:10 الفيديو السادث لفهم الاساسيات لان سي ان
1:14 ام ما هي الا تطوير واستفاده اذكى من نفس
1:18 الفكره الان دعنا نبدا بشرح الطبقات
1:22 الرئيسيه لهذه الشبكه من خلال مثال
1:26 عملي تحيل ان لدينا صوره صغيره بحجم 6 في
1:31 6 تحتوي على شكل يمثل الرقم ثلاثه مكتوبا
1:35 بخط بسيط بالابيض
1:37 والاسود في هذه الصوره تمثل القيمه واحد
1:41 اللون الاسود اي شكل الرقمك بينما تمثل
1:44 الصفر الخلفيه
1:47 البيضاء في اول مراحل سي ان نستخدم طبقه
1:51 الالتفاف
1:53 الكونثولوشين ناخذ فلترا بحجم 3 في 3 وهو
1:57 عباره عن مصفوفه صغيره من
2:00 الاوزان ونمرره فوق الصوره جزءا جزءا وكل
2:04 مره نقوم بعمليه رياضيه تسمى الضرب
2:09 النقطي في شبكات سي ان الحقيقيه لا نحدد
2:13 يدويا ما اذا كان الفلتر يكتشف الحواف او
2:17 الانحناءات بل يتعلم محتوى الفلتر تلقائيا
2:21 اثناء التدريب من خلال خوارزميه الانتشار
2:25 العكسي في البدايه تكون قيم فلاتر
2:29 عشوائيه وبعد كل تمريره تدريبيه تقوم
2:33 الشبكه بتعديل هذه القيم بناء على الخطا
2:36 في المخرجات حتى تتعلم الفلاتر اكتشاف
2:39 السمات الاكثر
2:41 فاعليه لهذا السبب في نهايه التدريد يكون
2:45 لدينا فلاتر متخصصه تلقائيا في كشف انماط
2:49 معينه مثل الحواف الزوايا القوام او حتى
2:53 تفاصيل وجه معين كل ذلك دون ان نخبر
2:56 الشبكه بما يجب ان تراه ومع ذلك ولاغراض
3:01 الشرح فقط سنستخدم هنا فلترا يدويا معروفا
3:05 يستخدم لكشف الحواف الراسيه وشكله
3:10 كالتالي ناخذ اول منطقه ثلاثه في ثلاثه من
3:14 الصوره وهي هذه نحسب ناتج الضرب النقطي
3:28 يساوي سالب
3:32 ا نضع هذا الناتج في اول خانه من خريطه
3:37 الخصائص نحرك الفلتر خطوه واحده الى
3:40 اليمين ونكرر العمليه حتى نغطي كامل
3:44 الصوره
3:49 بعد هذه الجوله نحصل على خريطه خصائص
3:53 اسرار بعد ان حصلنا على خريطه الخصائص من
3:56 تطبيق الفلتر على الصوره ننتقل الان الى
3:59 خطوه مهمه جدا في تصميم الشبكه وهي اضافه
4:04 الانحياز الانحياز هو ببساطه قيمه ثابته
4:08 تضاف الى ناتج كل عمليه
4:11 التفاف الهدف منه هو اعطاء الشبكه العصبيه
4:15 مرونه اضافيه بحيث لا تعتمد فقط على القيم
4:18 الناتجه من الفلتر بل تستطيع ايضا تعديل
4:22 مخرجاتها في اتجاه
4:24 معين يمكنك ان تتخيله كاداه للضبط الدقيق
4:28 للنتائج تساعد الشبكه على التعامل مع
4:31 الحالات التي قد تكون فيها القيم منخفضه
4:34 جدا او سالبه في مثالنا اضفنا انحيازا
4:38 لقيمه زائد واحد الى كل عنصر من عناصر
4:42 خريطه الخص
4:45 خصائص وبفضل هذا التعديل اصبحت خريطه
4:49 خصائص اكثر ايجابيه واكثر استعدادا
4:52 للمرحله
4:54 التاليهه داله ري العود هي واحده من ابسط
4:57 واكثر دوال التفعيل استخداما في التعلم
5:01 العميق وظيفتها بسيطه اي قيمه سالبه
5:05 تستبدل بصفر اما القيم الموجبه فتمر كما
5:09 هي وهذا يجعل الشبكه تركز على الاشارات
5:13 الفعاله فقط وتتجاهل الاشارات الضعيفه او
5:17 العشوائيه بتطبيق داله ررييلو على
5:21 خريطتنا نحصل على النتيجه
5:23 التاليه هذه القيم تمثل السمات الايجابيه
5:27 الفعليه التي اكتشفها الفلتر في
5:30 الصوره وقد اصبحت الان جاهزه للمرحله
5:34 التاليه في الشبكه وهو
5:36 التجميع نستخدم هنا طبقه التجميع
5:40 الاقصى وهي تهدف الى تقليد حجم البيانات
5:43 مع الاحتفاظ بالمعلومات المهمه فقط من
5:47 اشهر انواع هذه الطبقه هو التجميع الاقصى
5:51 والذي يعمل بشكل بسيط
5:53 وفعال نقسم الخريطه الى مربعات صغيره على
5:58 سبيل المثال 2 في 2 ومن كل مربع ناخذ فقط
6:02 اعلى قيمه فلو اخذنا المربع
6:06 الازرق الناتج سيكون
6:10 ثلاث النتيجه النها نهائيه هي حريطه
6:14 اسعار لكنها تحتفظ بالخلاصه البصريه
6:17 المهمه التي تم
6:19 استخلاصها نحول هذه المصفوفه الى قائمه من
6:23 الارقام او ما يعرف بالمتجه لتصبح جاهزه
6:27 للدخول في الشبكه العصبيه
6:31 التقليديه هنا تبدا الشبكه العصبيه
6:34 التقليديه والتي تستقبل غدى المتجه وتقوم
6:38 بتحليل القيم من خلال طبقه خفيه ثم تنتج
6:41 ناتجا نهائيا في طبقه الاخراج كل قيمه في
6:46 هذا المتجه تضرب بوزن معين ويضاف اليها
6:50 انحياز ثم تمر عبر داله تفعيل اخرى فاذا
6:54 اعطى النيون المخصص للرقم ثلاثه قيمه اكبر
6:58 من داق النيونات فهذا يعني ان الشبكه قررت
7:01 ان هذه الصوره تمثل الرقم ثلاثه وهكذا
7:06 نكون قد مررنا هذه الصوره الصغيره من
7:09 مصفوفه حم معرورا بالف الفلترات وخريطه
7:13 الخصائص والانخياز والتفعيل والتجميع ثم
7:18 الشبكه العصبيه التقليديه الى ان وصلنا
7:21 الى تصنيف دقيق للرقم الموجود
7:24 داخلها هذا المثال البسيط يجسد بشكل عملي
7:28 كيف تعمل سي ان على قراءه وتحليل الصور من
7:31 الصفر واستخراج المعنى منها خطوه بخطوه
7:35 اذا اعجبك هدى الشرف لا تنسى الرجوع الى
7:39 فيديو الشبكات العصبيه الاست اصطناعيه اي
7:42 ان ان لفهم الاساس واشترك في القناه لمزيد
7:45 من دروس الذكاء الاصطناعي والتعلم
7:48 العميق شكرا لمشاهدتك ونراك في الفيديو
7:52 القادم باذن لا
Chrome Extension