الشبكات العصبونية السيامية Siamese Neural Network (SNNs)

ما هي الشبكة العصبونية السيامية؟

الشبكة العصبونية السيامية وتسمى أيضاً الشبكة العصبونية التوأمية، هي عبارة عن شبكة عصبونية اصطناعية تحتوي على شبكتين فرعيتين متطابقتين تماماً من حيث المعالم والأوزان. تُستخدم هذه الشبكات للعثور على تشابه المدخلات من خلال مقارنة المتجهات التي تشكل ميزاتها. 

تاريخ الشبكة العصبونية السيامية

تم تقديم الشبكات السيامية لأول مرة في أوائل التسعينيات من قبل العالم “بروملي وليكون” من أجل مشكلة التحقق من التوقيع كمطابقة للصور. وسُميت الشبكات العصبونية السيامية بهذا الاسم لأنها تمتلك شبكتين فرعيتين متطابقتين تماماً مثل القطط السيامية التوأم. 

أهمية الشبكة العصبونية السيامية

تتمثل أهمية الشبكة العصبونية السيامية في قابليتها للتطبيق على أرض الواقع، وتشمل الأمثلة تطبيقات عديدة إليك بعضاً منها:

• التعرف على الوجه.
• التحقق من التوقيع.
• كشف الاحتيال في الأوراق النقدية.
• التصنيف الصوتي.
• تقييم شدة الأمراض بناء على الأعراض السريرية. 

مزايا الشبكة العصبونية السيامية

من أهم مزايا هذه الشبكات ما يلي: 

• تتعلم الشبكات العصبونية السيامية بواسطة التشابه الدلالي، وهذا يشجّع الشبكة على تعلم تضمينات أفضل لتمثيل الصور وتقريب المفاهيم ذات الصلة في مساحة الميزة.
• يمكنها إعطاء أداء قياسي بناء على بيانات قليلة جداً. ومع تقليل متطلبات البيانات، تختفي أيضاً مشكلة اختلال التوازن في طبقات النموذج.

عيوب الشبكة العصبونية السيامية

إلى جانب المزايا يوجد بعض العيوب الرئيسية التي تحتاج إلى تحسين في المستقبل مثل:

• وقت التدريب المرتفع: على الرغم من العمل على مجموعة بيانات أصغر، غالباً ما تتعلم الشبكات السيامية من ثلاثة أو أربعة أزواج من الأمثلة ما يزيد من عدد الحسابات وعملية حساب الوزن.
• تنبؤات الدقة: لا يمكن حساب دقة النموذج في الشبكات العصبونية السيامية على عكس الشبكات العصبونية الالتفافية العادية، ما يجعل الثقة في نتائجها أمراً صعباً.
• صور التدريب: يعد اختيار صور التدريب أمراً حاسماً نظراً لأن عددها قليل جداً، ويجب أن تكون شاملة للحالة وتمثل العالم الحقيقي بدون تحيزات.