فروشگاه پارسا آنلاین شاپ

فرمت پی دی اف تعداد صفحات 84 صفحه

فهرست مطالب

چکیده 6

فصل اول شبکه هاي عصبی مصنوعی 9

مقدمه 1 -1 1 -2 تاریخچه شبکه هاي عصبی 11 1 -3

مبناي بیولوژیکی شبکه هاي عصبی 13 1 -4

نورون هاي مصنوعی 16 1 -4-1

یک نورون پیچیده تر 18 1 -5

شبکه هاي عصبی مصنوعی 19 1 -6

شبکه هاي عصبی در مقایسه با کامپیوترهاي سنتی 21 1 -7

معایب شبکه هاي عصبی 22 1 -8

تقسیم بندي شبکه هاي عصبی 23 4

فصل دوم ویژگی ها و کاربردهاي شبکه هاي عصبی مصنوعی 2 -1

ویژگی هاي شبکه هاي عصبی 26 2 -2

کاربردهاي شبکه هاي عصبی 28

فصل سوم انواع شبکه هاي عصبی مصنوعی 3 -1

شبکه هاي عصبی و انواع آن 32 3 -2

شبکه هاي عصبی چند لایه 38 3 -2-1

شبکه هاي عصبی دو لایه 38 40

خطی غیر نگاشت 2 -2-3 41

دلتا قانون تعمیم 3 -2-3 3-2 -4 نرون هاي لایه خروجی

42 3-2 -5 شبکه عصبی با نرون خروجی خطی 45 48

انتشار پس الگوریتم 6 -2-3 52 MFNN معماري در سیگنال انتشار 7 -2-3 3-2 -8

تعداد نرون ها و لایه ها 56 3 -3 پرسپترون چند لایه 57 60 همینگ شبکه 4 -3 63 هاپفیلد شبکه 5 -3 5

فصل چهارم یادگیري در شبکه هاي عصبی 65 یادگیري 1 -4 66 یادگیري فرایند 2 -4 66 نظارتی یادگیري 3 -4 67

تشدیدي یادگیري 4 -4 68

غیرنظارتی یادگیري 5 -4

فصل پنجم نتیجه گیري نتیجه گیري 70

فصل ششم پرسپترون تک لایه در مطلب 71

مقدمه 72

مراجع 85 6

چکیده شبکه هاي عصبی مصنوعی از مباحث جدیدي است که دانشمندان علوم کامپیوتر به آن علاقمند شدهاند و براي پیشرفت هر چه بیشتر علوم کامپیتر وقت و هزینه بسیاري را صرف آن کرده و می کنند این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه سازي هر چه بیشتر کامپیوتر به انسان شکل گرفت و تا به حال به خوبی پیشرفت کرده است از جمله کاربردهاي این بحث می توان از شناسایی الگوها، پردازش تصویر و رویت، هوش مصنوعی، کنترل ربات ها و موارد بسیار دیگر نام برد شبکه هاي عصبی در حل مسائل یک جهت جدید و متمایز نسبت به کامپیوترهاي عمومی می گشود کامپیترهاي عمومی از یک الگوریتم استفاده می کنند یعنی براي حل مسائل از یکسري دستورات از پیش تعیین شده پیروي می کنند مگر در مواقع ویژه اي که کامپیوتر نیاز به یکسري اطلاعات براي حل مسئله دارد و همین مسئله توانایی پردازش را از کامپیوترهاي عمومی به مسائلی که ما قبلا فهمیده ایم و روش حل آنها را شناخته ایم محدود می کند و تنها سرعت عمل و قدرت در حل نمونه هاي بزرگتر را به همراه دارند اما کامپیوترها باید به قدري مفید باشند که بتوانند کارهایی را انجام دهند که واقعا ما نمی دانیم چگونه باید آنها را انجام داد در عصر حاضر در بسیاري از موارد ماشین ها جایگزین انسانها شده اند و بسیاري از کارهاي فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداري ، غیر قابل انکار است، اما همچنان مواردي وجود دارد که انسان ناچار است خودش کارها را انجام دهد اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درك ریاضی این ارتباطات قاصر است مغز انسان به مرور زمان با مشاهده توالی رفتارهاي سیستم و گاه آزمایش نتیجه اي که بر اثر دستکاري یکی از 7 اجزاي سیستم به دست می آید تا حدي می تواند عادتهاي سیستم را شناسایی کند این روند یادگیري بر اثر مشاهده مثالهاي متنوع از سیستم ، به کسب تجربه منجر می شود در چنین سیستمهایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهاي خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهاي آن را پیش بینی می کند چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیري ، از موضوعات بحث برانگیز در عصرحاضر است یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازي مدلی شبیه به سیستم داخلی مغز انسان براي تجزیه و تحلیل سیستم هاي مختلف بر اساس تجربه است