RegressionNeuralNetworkModel

قمت بتطوير مشروع في مجال التعلّم العميق يركز على التنبؤ بمقاومة ضغط الخرسانة من خلال مكوناتها باستخدام مكتبات TensorFlow/Keras. الهدف كان تطبيق الشبكات العصبية الانحدارية (Regression Neural Networks) على بيانات واقعية ودراسة تأثير مكونات الخرسانة المختلفة (الأسمنت، خبث الأفران، الرماد المتطاير، الماء، الملدّن الفائق، الركام الخشن والناعم، وعامل العمر) على قوة المادة.

شمل سير العمل جميع مراحل خط أنابيب تعلم الآلة من البداية للنهاية:

استكشاف البيانات ومعالجتها: إجراء تحليل استكشافي (EDA)، رسم توزيعات المكونات، وتطبيق التطبيع لتحسين جودة التدريب.

تصميم النموذج: بناء شبكة عصبية مبسطة وفعالة (نموذج Sequential مع عدة طبقات Dense باستخدام ReLU، وإخراج خطي للتنبؤ بالقيمة المستمرة).

التدريب والتحقق: تنفيذ التدريب عبر 50 تقسيم عشوائي لبيانات التدريب/الاختبار لضمان ثبات النتائج بدلاً من الاعتماد على تجربة واحدة فقط.

تقييم الأداء: الاعتماد على متوسط خطأ التربيع (MSE) مع حساب المتوسط ± الانحراف المعياري لقياس الاستقرار والموثوقية.

التصور والرسوم البيانية: إنتاج مخططات توضّح توزيع الخصائص، منحنيات الخسارة، اتجاهات الـMSE عبر جميع المحاولات، توزيع الأخطاء، ورسوم تنبؤ مقابل القيم الحقيقية لعينة من التجارب.

من خلال هذا المشروع طوّرت مهاراتي في:

التعلّم العميق: تصميم وتنفيذ نماذج انحدارية باستخدام Keras/TensorFlow.

التحقق الإحصائي: بناء تجارب تضمن استقرار وموثوقية النموذج.

تصوير البيانات: تحويل الأداء وخصائص البيانات إلى رسوم توضيحية سهلة الفهم.

العمل التطبيقي: الانتقال من بيانات خام إلى نتائج عملية قابلة للتفسير في دفتر Jupyter تفاعلي.

هذا المشروع عزّز فهمي لتطبيق الشبكات العصبية في الانحدار، وأظهر كيف يمكن توظيف الذكاء الاصطناعي في مجال الهندسة المدنية للتنبؤ بخصائص المواد التي تؤثر مباشرة في التصميم والسلامة.