نوقشت اليوم الثلاثاء الموافق 17-6-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الرياضيات / أطروحة دكتوراه للباحثة (فردوس علي إبراهيم ) الموسومة:
(Turning Feed-Forward Neural Networks Using Unconstrained Optimization Methods)
بإشراف (أ.د.زياد محمد عبدالله )
هذا وقد جاء في مستخلص الدراسة ما يلي:
تعدّ طرائق الانحدار المتدرج من الأدوات الأساسية في مجال الأمثلية غير المقيدة، وهي تُستخدم على نطاقٍ واسع لتدريب الشبكات العصبية الاصطناعية. هذه الطرائق تعتمد على إيجاد الحد الأدنى لدالة الخسارة من خلال تحريك الأوزان في اتجاه معاكس لتدرج هذه الدالة، ومع ذلك، تواجه هذه الطرائق تحديات كبيرة عند تطبيقها على مسائل الأمثلية غير الخطية، مما قد يؤدي إلى عدة مشكلات تتعلق بأداء وكفاءة التدريب.
من بين هذه المشكلات، يمكن أن يكون تقارب طرائق الانحدار المتدرج بطيئاً، خصوصاً في الحالات التي تحتوي على مساحات كبيرة من الحلول الممكنة أو عندما تتعامل مع نقاط سرجية؛ النقاط السرجيّة هي نقاط يكون فيها التدرج صفراً، لكنها ليست بالضرورة نقاط الحد الأدنى، مما يجعل الشبكة “عالقة” عند هذه النقاط دون تحسين حقيقي في أداء النموذج. بالإضافة إلى ذلك، تتطلب هذه الطرائق في بعض الأحيان سعة خزن أكبر على الحاسب بسبب العدد الكبير من التكرارات المطلوبة للوصول إلى النقطة المثلى أو إلى نقطة قريبة منها. كل هذه العوامل قد تؤدي إلى إطالة زمن التدريب وزيادة تعقيده.
لمواجهة هذه التحديات، تتناول هذه الدراسة تطوير وتحسين خوارزميات تدريب الشبكات العصبية ذات التغذية الأمامية (Feedforward Neural Networks - FFNN) من خلال دمج بعض من أشهر طرائق الانحدار المتدرج التقليدية وتوجيهها نحو اتجاهات بحثية جديدة، على وجه التحديد، تم التركيز على خمس طرائق: طريقة Fletcher-Reeves (FR)، وطريقة Liu-Storey (LS)، وطريقة Wylie (WYL)، وطريقة Dai-Yuan (DY)، وطريقة Fletcher (CD) لعام 1987. تم دمج FR مع LS في اتجاه جديد لتطوير خوارزمية محسّنة تأخذ في الاعتبار ميزات كلتا الطريقتين، وبالمثل، تم دمج WYL مع LS، وأخيراً تم دمج CD مع DL لإنشاء اتجاه جديد آخر يعزز من كفاءة التدريب. كما تم تقديم تطبيق عملي على طريقة مدمجة أخرى لبيان مدى كفاءة الطريقة.
هذه الخوارزميات المدمجة تم اختبارها وتقييمها باستخدام نظام الحزمة الواحدة (Batch System) لعدد من البيانات تشمل بيانات القرحية وبيانات الغدة الدرقية وبيانات الزجاج والنبيذ مع أخذ أعداد مختلفة من خوارزميات التدريب عند تطبيق كل خوارزمية عبر برنامج ماتلاب (Matlab R2022a)، وهو أداة صناعية لتحليل النماذج الرياضية وتطويرها.
تألفت لجنة المناقشة من السادة:
1. أ.د . عباس حسن تقي /جامعة كركوك/ كلية العلوم رئيساً
2. أ. د. باسم عباس حسن/ جامعة الموصل/ كلية علوم الحاسوب والرياضيات عضواً
3. أ.د. نزار خلف حسين /جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
4. أ.د. فراس عادل فوزي / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
5.أ.م.د. ازهر عباس محمد / جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً
6.أ.د. زياد محمد عبدالله/ جامعة تكريت/ كلية علوم الحاسوب والرياضيات عضواً ومشرفاً
هذا وقد حضر المناقشة السيد رئيس الجامعة الأستاذ الدكتور وعد ومحمود رؤوف المحترم والسيد عميد كلية علوم الحاسوب والرياضيات الأستاذ المساعد الدكتور محمود ماهر صالح المحترم وعدد من التدريسيين وطلبة الدراسات العليا في الكلية، ومن جانبه قدم السيد رئيس الجامعة كتابي شكر وتقدير للدكتور عباس حسن تقي و الدكتور باسم عباس حسن تثميناً لجهودهم العلمية في تقييم هذه الاطروحة .
