تعتبر الشبكات العصبية الاصطناعية (Artificial Neural Networks، ANNs) نماذج تعلم آلي قوية، قادرة على التقاط العلاقات غير الخطية المعقدة، مما جعلها واحدة من الركائز الأساسية في العديد من المجالات العلمية والهندسية. في دراستنا الأخيرة، خصصنا جهدنا لتحليل ديناميكيات وإحصائيات فئة خاصة من هذه الشبكات، والتي أطلقنا عليها اسم الشبكات العصبية الثنائية (Binary ANNs).

تتميز الشبكات العصبية الثنائية بأنها شبكة تغذية أمامية حيث يتم تقييد المدخلات والمخرجات إلى قيم ثنائية، مما يجعلها مناسبة بشكل خاص لمجموعة متنوعة من التطبيقات العملية. لقد نظرنا في هذه الشبكات من خلال عدسة نظرية تغيير الاعتقاد، مستمدين من إطار العمل الخاص بـ ألكهورون، غاردنر وميكينسون (AGM)، حيث توصلنا إلى مجموعة من الأفكار المهمة.

أحد أبرز النتائج كان أننا استطعنا تمثيل المعرفة المتجسدة في الشبكة الثنائية باستخدام لغة منطقية بديهية. فضلاً عن ذلك، قمنا بتوجيه عملية تعديل مجموعة الاعتقادات (من خلال التنقيح أو الانكماش) على أنها انتقال تدريجي عبر مجموعة من مجموعات الاعتقادات الوسيطة.

علاوة على ذلك، تم تصور تدريب هذه الشبكات الثناية على أنه تسلسل من هذه الانتقالات. في المقال الحالي، نقوم بتوسيع مدى هذه الدراسة من خلال معالجة بعض القيود الأساسية للدراسة السابقة. نبرز أن طريقة دلال لتغيير الاعتقادات توفر أساساً طبيعياً لتطور منظم وتدريجي لحالات الاعتقاد.

الأهم من ذلك، نثبت أن الديناميكيات التدريبية للـ ANNs الثنائية يمكن أن يتم نمذجتها بشكل أكثر فعالية باستخدام عمليات تغيير AGM قوية، مثل التنقيح اللفظي والانكماش المعتدل، والتي تتماشى مع إطار عمل دارويش وبيرل لتغيير الاعتقادات المتكررة.