حسین کاظمی - دانشجوی کارشناسی ارشد مهندسی معدن اکتشاف معدن، دانشکده فنی دانشگاه

شبکه هاب عصبی مصنوعی با الهام از سیستم عصبی انسان به وجود آمده اند. این شبکه ها توانایی یادگیری دارند و قادرند روابط (الگوهای) بین ورودی ها و خروجی (ها) را تشخیص دهند. پس از آموزش مناسب، می توان ورودی های جدید به شبکه عصبی ارائه نمود و خروجی را تخمین زد. این تکنیک می تواند روابط غیر خطی بین ورودی ها و خروجی را در هر نوع مسئله تخمینی بشناسد. به همین دلیل شبکه هاب عصبی را تخمینگرهای عام می نامند. مهمترین ویژگی های شبکه های عصبی عبارتند از غیر خطی بودن و قابلیت حذف نویز داده های معدنی دارای الگوهای پیچیده و غیر خطی هستند. همچنین حضور خطاهای تصادفی در این داده ها غیر قابل اجتناب است. بنابراین کاربرد شبکه های عصبی بر روی آنها بسیار مناسب است. در این مقاله پس از آشنایی با مبانی شبکه های عصبی مصنوعی، روش تخمین ذخیره عصبی معرفی می شود و نتایج آن بر روی داده های یک پله معدنی و یک کانسار طلا ارائه می شود. بررسی ها نشان می دهد که شبکه عصبی عیار را با توزیع هموارتری نسبت به روشهای دیگر تخمین می زند. ولی میزان ذخیره نهایی آن تفاوت چندانی با روشهای زمین آماری ندارد.

شبکه های عصبی مصنوعی؛ تخمین ذخیره