بخشی از مقاله
چکیده
به مجموعه ای بسیار بزرگ از پردازشگرهایی موازی به نام نورون که به برای حل مسئله به صورت هماهنگ عمل کرده و توسط ارتباط های الکترومغناطیسی اطلاعات را منتقل می کنند شبکه عصبی زیستی گویند ANN. ها برای پردازش اطلاعات از سیستم عصبی زیستی الهام گرفته شده اند ومانند مغز به پردازش اطلاعات می پردازند. مهمترین عواملی که گونه ها و کاربردهای شبکههای عصبی را از یکدیگر متمایز می سازند، نوع نورون بهکارگرفته شده، چیدمان یا معماری شبکه، بازه ورودی وخروجیها است.
امروزه شبکه های عصبی تحت عناوین مختلفی مطرح گردیده ودارای کاربرد های وسعیی در حوزه های مختلف شده است در این پژوهش ابتدا به صورت کلی به برخی کاربرد های این شبکه پرداخته و در ادامه با کاربردهای شبکه عصبی مصنوعی در صنعت نفت وگاز می پردازیم .
حوزه های کاربردی شبکه های عصبی مصنوعی بصورت کلی در علوم فنی ومهندسی ،علوم کامپیوتر، علوم پایه و نجوم ،علوم پزشکی ،علوم تجربی و زیستی وعلوم نظامی و....،می توان اشاره کرد امروزANN ها در بخش های مختلفی از صنعت نفت وگازمورد استفاده قرارگرفته اند که برخی از این کاربرد ها عبارتند از:کاربردهای شبکههای عصبی در پیش بینی و بهینه سازی عملیات حفاری ، مدلسازی و بهینه سازی واحد های تولیدی پالایشگاهی با شبکه ی عصبی مصنوعی ،شبیه سازی شرایط تشکیل هیدرات گازی .
-1شبکه های عصبی مصنوعی 1 - ANN -
ازجمله مباحث جدیدومهمی که دانشمندان علوم کامپیوتر، کارشناسان دانش رایانه واطلاعات و دیگردانشمندان و تصمیم گیرندگان به آن علاقه مند شده اند وبرای پیشرفت هرچه بیشتر آن پژوهش های فراوانی انجام داده و وقت وهزینه زیادی را متحمل شده اند ،موضوع شبکه های عصبی مصنوعی است. حال قبل از اینکه به این موضوع مهم پرداخته شود لازم می دانم که شبکه عصبی زیستی را تعریف کرده و با این شبکه بیشتر آشنا شویم.
به مجموعه ای بسیار بزرگ از پردازشگرهایی موازی به نام نورون که به برای حل مسئله به صورت هماهنگ عمل کرده و توسط ارتباط های الکترومغناطیسی2 اطلاعات را منتقل می کنند شبکه عصبی زیستی گویند .
در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. این شبکه ها قادر به یادگیری می باشند و یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد. به طور مثال با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند. در شکل 1شبکه عصبی زیستی زیر سیناپس ها ونرون ها نمایش داده شده است.
شکل 1سیناپس ها ونرون ها در شبکه عصبی زیستی
با الگو گرفتن از سیستم عصبی انسان واهداف مختلفی ازجمله شبیه سازی هر چه بیشتر کامپیوتر به انسان شبکه عصبی مصنوعی شکل گرفته و تا کنون پیشرفت های چشمگیری داشته است
شبکههای عصبی مصنوعی - ANN - یا شبکههای عصبی سیستمها و روشهای محاسباتی نوینی برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت پیشبینی پاسخهای خروجی از سامانههای پیچیده ،هستند.
شبکه های عصبی به طور کلی سیستمهای ریاضی یادگیر غیر خطی هستند. ودر واقع ماشینی است برای ساخت یک مدل که می توان آن را بوسیله سخت افزار یا نرم افزار شبیه سازی کرد و عملکردی شبیه مغز انسان دارند. اگرچه بین محققان بر یک تعریف خاص از شبکه عصبی اجماع وجود ندارد؛ اما اغلب آنها بر این باورند که شبکه عصبی شامل شبکهای از نورونها است، که میتواند رفتار پیچیده کلی تعیین شدهای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد
شبکه عصبی مصنوعی، از مجموعهای از نورونهای عصبی تشکیل می شود. مهم ترین عواملی که گونهها و کاربردهای شبکههای عصبی را از یکدیگر متمایز میسازند، نوع نورون بهکارگرفته شده، چیدمان یا معماری شبکه، بازه ورودی وخروجیها است.
اکثر کارشناسان فناوری اطلاعات معتقدند که مدل های جدید محاسباتی که بر اساس شبکههای عصبی بنا میشوند، جهش بعدی صنعت IT را شکل می دهند. تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگوها - pattern - ذخیره میکند. فرآیند ذخیره سازی اطلاعات به صورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل میدهند. این حوزه از دانش محاسباتی - computation - به هیچ وجه از روشهای برنامه نویسی سنتی استفاده نمیکند و بهجای آن از شبکههای بزرگی که به صورت موازی آرایش شده و تعلیم یافتهاند، بهره میجوید.
ANN ها برای پردازش اطلاعات از سیستم عصبی زیستی الهام گرفته شده اند ومانند مغز به پردازش اطلاعات می پردازند. با استفاده از دانش برنامه نویسی رایانه می توان ساختار دادهای طراحی کرد که همانند یک نرون عمل نماید. که به این ساختار دادهای گره - - NODE گفته می شود. سپس با ایجاد شبکهای از این نورونهای مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. در این حافظه یا شبکه ی عصبی گره ها دارای دو حالت فعالon - یا یک - وغیرفعال - off یا صفر - اند و هر یال - سیناپس یا ارتباط بین node ها - دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار - در صورتی که فعال بوده باشد - می کنند
-2 سلول عصبی بیولوژیکی - نورون -
به واحد سازنده سیستم عصبی در انسان ،سلول عصبی بیولوژیکی یا - نورون - گفته می شود - کوچک ترین واحد پردازشگر داده ها در یک شبکه عصبی مصنوعی - . یک نورون 1 ازقسمت های مختلفی تشکیل شده است که در زیر به بخش های اصلی آن اشاره شده است.
➢ بدنه سلولی
➢ هسته
➢ آکسون
➢ دندریت
