الشبكة العصبية (Neural Network) Neural Network

الصياغة

y = activation(W · x + b)

# شبكة متعددة الطبقات
hidden1 = relu(W1 · x + b1)
hidden2 = relu(W2 · hidden1 + b2)
output  = softmax(W3 · hidden2 + b3)

📄 مثال

import torch
import torch.nn as nn

class SimpleNN(nn.Module):
    def __init__(self, in_dim, hidden, out_dim):
        super().__init__()
        self.net = nn.Sequential(
            nn.Linear(in_dim, hidden),
            nn.ReLU(),
            nn.Linear(hidden, hidden),
            nn.ReLU(),
            nn.Linear(hidden, out_dim),
        )

    def forward(self, x):
        return self.net(x)

model = SimpleNN(in_dim=10, hidden=64, out_dim=3)
x = torch.randn(4, 10)
print(model(x).shape)  # torch.Size([4, 3])

أهم النقاط

💡 نصائح عملية

• ابدأ بـ MLP بسيط (2-3 طبقات كثيفة) كـ baseline قبل الانتقال لـ CNN أو Transformer — أحيانًا البسيط يكفي
• وحّد مقاسات المُدخلات قبل التدريب (StandardScaler) — الشبكات حساسة جدًا لمقاسات الميزات

⚠️ أخطاء شائعة

• افتراض أن الشبكة العصبية "تفكّر" أو "تفهم" — هي محسوب رياضي، لا نسخة من الدماغ البشري
• اختيار معمارية أعقد من اللازم لبيانات قليلة — MLP بسيط غالبًا يتفوق على Transformer في الجداول الصغيرة

خصائص ذات صلة