شبکه عصبی

جانوران پرسلولی برای ایجاد هماهنگی بین اعمال سلول ها و اندام های مختلف بدن خود نیاز به عوامل و دستگاه های ارتباطی دارند. دستگاه عصبی (Nervous system) با ساختار و کار ویژه ای که دارد، در جهت ایجاد این هماهنگی به وجود آمده است.نورون ها پیام عصبی را به بافت ها و اندام های بدن، مانند ماهیچه ها، غدهها و نیز دیگر نورون ها می فرستد و از این طریق با آن ها ارتباط برقرار می کند.رشته هایی که از جسم سلولی نورون ها بیرون زده اند دو نوع اند: دندریت و آکسون دندریت ها که پیام هارا دریافت می کنند و به جسم سلولی می برند، و آکسون ها که پیام عصبی را از جسم سلولی به تا پایانه های آکسون هدایت می کند.وظایف دستگاه عصبی به ارتباط متقابل بین میلیون ها نورون وابسته است.
دستگاه عصبی مرکزی
دستگاه عصبی محیطی
در دستگاه عصبی دو بخش اصلی وجود دارد.
دستگاه عصبی مرکزی شامل مغز و نخاع است که مراکز نظارت بر اعمال بدن هستند. این دستگاه اطلاعات دریافتی از محیط و درون بدن را تفسیر می کند و به آن ها پاسخ می دهد. دستگاه عصبی مرکزی از دو بخش مادهٔ خاکستری که بیشتر محتوی جسم سلولی نورون ها است و مادهٔ سفید که اجتماع بخش های میلین دار نورون ها است، تشکیل شده.دستگاه عصبی محیطی شامل تعداد زیادی عصب است که اطلاعات را جمع آوری می کند و به دستگاه عصبی مرکزی می برد.مغز انسان از حدود ۱۰۰میلیارد (billion) نورون تشکیل شده هست و حدود ۱٫۵کیلوگرم وزن دارد.
مغز شامل: مخ، مخچه و ساقهٔ مغز است. مخ بزرگترین بخش مغز است وتوانایی یادگیری، حافظه، و عملکرد هوشمندانه را دارد. مخچه مهم ترین مرکز یادگیری حرکات لازم برای تنظیم حالت بدن و تعادل است.ساقهٔ مغز در قسمت پایینی مغز قرار دارد و شامل مغز میانی، پل مغز و بصل النخاع است.نخاع درون ستون مهره ها از بصل النخاع تا کمر امتداد دارد. نخاع مغز را به دستگاه عصبی محیطی وصل می کند.دستگاه عصبی محیطی شامل۳۱جفت عصب نخاعی و ۱۲جفت عصب مغزی است. دستگاه عصبی محیطی شامل دو بخش پیکری که ارادی است و خودمختار که اعمال غیرارادی مارا بر عهده دارد. دستگاه عصبی خود مختار شامل اعصاب پارا سمپاتیک و سمپاتیک می باشد که اعصاب پارا سمپاتیک باعث برقراری آرامش و اعصاب سمپاتیک در مواقع هیجانی روانی یا جسمی فعال می شوند.

شبکۀ عصبی (Neural Network)
در علم رایانه، شبکه ای از اجزاء پردازندۀ اطلاعات که اتصالات بسیار زیادی بین آن ها برقرار است. شبکه های عصبی اتصالات و عملکرد مغز انسان را همانندسازی می کنند. یکی از مهمترین قابلیت های شبکه های عصبی توانایی آن ها در یادگیری از یک سری الگو های محدود است. تحقیقات شبکه های عصبی در دهه های ۱۹۵۰ و ۱۹۶۰ توسط دانشمندان رایانه و دانشمندان علوم ادراکی در تلاش برای مدل کردن درک احساسی در ارگانیسم های زنده، شروع شد. شبکه های عصبی به دو گروه عمدۀ شبکه های عصبی زیستی، و شبکه های عصبی مصنوعی تقسیم می شوند. شبکه های عصبی مصنوعی با الگوگیری از ساختار و عملکرد شبکه های عصبی زیستی ساخته می شوند. در شبکه های عصبی زیستی، مانند مغز انسان، سلول های عصبی به اسم نورون ها اطلاعات را پردازش می کنند، و بین نورون ها تعداد بسیار زیادی اتصال برقرار است. شبکه های عصبی مصنوعی هم ساختاری مشابه شبکه های عصبی زیستی دارند و عملکرد نورون های بیولوژیکی را شبیه سازی می کنند. به نورون های مصنوعی گره یا واحد می گویند. این نورون ها ممکن است به صورت مدارهای مجتمع ساده ای باشند که از طریق سیم ها به طور فیزیکی با هم ارتباط دارند. ولی شبکه های عصبی اکثراً به صورت نرم افزاری روی رایانه های معمولی مدل می شوند و ارتباط بین نورون ها مجازی است. به نحوۀ چیده شدن نورون ها و اتصالات بین آن ها، معماری شبکه عصبی می گویند. یکی از متداول ترین انواع معماری در شبکه های عصبی از سه لایه تشکیل می شود: لایۀ اول که به آن لایه ورودی می گویند، تنها لایه ای است که سیگنال های خارجی (ورودی) به آن اعمال می شود. این لایه بعد از پردازش سیگنال ها، آن ها را به لایۀ بعدی، به اسم لایۀ پنهان، می دهد. لایۀ پنهان ویژگی ها یا الگوهای مناسب را در سیگنال دریافت شده تشخیص می دهد و آن هایی را که مهم هستند به لایۀ خروجی هدایت می کند. شبکه های عصبی پیچیده ممکن است چندین لایۀ پنهان داشته باشند. شبکه های عصبی در ساختار و عملکرد تفاوت های اساسی با رایانه های سنتی (مثلاً رایانه های شخصی) دارند. در شبکه های عصبی از تعداد زیادی واحد پردازشگر ساده برای انجام محاسبات استفاده می شود، در حالی که در رایانه های معمولی از چند واحد پردازندۀ مرکزی پیچیده استفاده می شود. همچنین در شبکه های عصبی، حافظه به عنوان یک واحد متمرکز و جداگانه وجود ندارد. پردازش اطلاعات در قالب نورون ها و اتصالات آن ها در سطح شبکۀ عصبی توزیع می شود، و حافظه هم به صورت پارامتر وزن یا اهمیتی که بعضی از اتصالات دارند، در سطح شبکه توزیع می شود. توزیع توانایی پردازشی و حافظه در سطح شبکه به این معناست که اگر آسیبی به یک قسمت شبکه برسد، لزوماً کار کل شبکه را مختل نخواهد کرد و موجب ازدست رفتن اطلاعات نخواهد شد. این ویژگی یکی از مهمترین قابلیت های شبکه های عصبی است. تفاوت دیگر شبکه های عصبی و رایانه های سنتی در نحوۀ برنامه دادن به آن هاست. در رایانه های معمولی برنامه به صورت مجموعه ای از دستورالعمل های متوالی به رایانه داده می شود، درحالی که شبکه های عصبی انجام یک عملیات را از طریق مجموعه ای از مثال های آموزشی، «فرا می گیرند» آموزش اولیۀ یک شبکۀ عصبی با استفاده از مجموعه های آموزشی (training set) انجام می شود که در آن آموزش دهنده مجموعه ای از الگوهای اطلاعاتی را به لایۀ ورودی یک شبکه عصبی که وزن اتصالات آن صفر و یا تصادفی است، می دهد. آموزش دهنده با تغییر دادن وزن اتصالات، شبکۀ عصبی را هدایت می کند که چطور خروجی درست را بسازد. این عمل چندین بار برای الگو های مختلف اطلاعات تکرار می شود و هربار وزن اتصالات اصلاح می شود. وقتی که شبکۀ عصبی بتواند بدون دخالت آموزش دهنده خروجی درست را تولید کند، آموزش آن کامل شده است. از آنجایی که شبکه های عصبی عملکرد مغز را همانندسازی می کنند، توانایی آن ها در کارهایی مثل تشخیص گفتار، تشخیص الگو ها، و تشخیص دست خط، که اصطلاحاً پردازش های حسی خوانده می شوند، خیلی خوب است. علاوه بر این، توانایی شبکه های عصبی در آموختن از طریق مجموعه ای از مثال ها و تعمیم این آموخته ها به شرایط جدید، آن ها را برای اموری که به سیستم های کنترلی سازگارشونده نیاز دارند، بسیار مناسب ساخته است. به همین سبب سازمان فضایی امریکا (ناسا) با هدف استفاده از شبکه های مصنوعی در کنترل ربات هایی که به مأموریت های فضایی می روند، تحقیقات زیادی را روی این حوزه انجام می دهد. قابلیت حفظ عملکرد در صورت بروز خرابی نیز شبکه های عصبی را برای سیستم های کنترلی، به خصوص در هواپیماهای جنگی، بسیار مناسب می سازد.