شبکه های عصبی

چکیده:
در این نوشتار به معرفی شبکه های عصبی مصنوعی[1] و ساختارهای آنها به صورت خلاصه میپردازیم. در ابتدا نرونهای شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعی این نرونها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است. تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه میباشد.  ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

فهرست مطالب:
چکیده    
مقدمه     
شکل 1 ساختار یک نورون طبیعی    
شکل 2 ساختار نورون مصنوعی     
تعریف شبکه‌های عصبی مصنوعی     
تاریخچه     
انواع شبکه‌های عصبی مصنوعی     
شبکه عصبی زیستی     
معرفی شبکه عصبی مصنوعی     
تاریخچه شبکه عصبی مصنوعی     
چرا از شبکه های عصبی استفاده می‌کنیم؟     
مقایسه‌ی شبکه های عصبی با کامپیوتر سنتی     
نورون مصنوعی     
ساختار شبکه‌های عصبی     
تقسیم بندی شبکه‌های عصبی     
کاربرد شبکه‌های عصبی     
معایب شبکه‌های عصبی     
نظریه‌ی تشدید انطباقی     
مدل یادگیری     
روش‌های تعلیم شبکه عصبی     
مدل نرون ساده‌ی خطی     
شکل 3 نرون ساده خطی     
شکل 4 مدل نرون خطی به همراه تابع فشرده‌سازی    
تکنیک های تعیین پارامترهای نرون خطی     
شبکه‌های پرسپترون چندلایه     
شکل5 نمونه ازشبکه پرسپترون     
الگوریتم یادگیری شبکه های پرسپترون (انتشاربه عقب)     
انتشار به عقب خطا     
تصحیح اوزان وبایاسها     
شبکه های عصبی مصنوعی     
مغزانسان     
سلولهای عصبی     
سلول عصبی مصنوعی     
شبکه عصبی مصنوعی     
شناخت حروف توسط شبکه های عصبی     
تشکیل شبکه عصبی     
ایجادلایه file input    
ایجادیک لایه خطی     
ایجادلایه  winery take all    
تقسیم بندی الگوهابه سه دسته     
آموزش شبکه     
تست کردن شبکه     
امتحان با مثالهای جدید     
تشخیص دیجیتال با استفاده ازشبکه عصبی      
نتیجه گیری      
کلمات کلیدی     
مقدمه     
کار مرتبط     
شکل 1 مثالهای شکلهای مختلف درعدد 4     
شکل 2 سناریوی تشخیص عددبا شبکه مصنوعی     
زیر ساخت     
اجزای سیستم     
مواد و روشها     
پیش پردازش     
نرمالسازی قیاس بندی     
نازی سازی و چارچوب بندی     
جداسازی    
استخراج مشخصه        
تشخیص و کلاس بندی 
شکل 4 شبکه دولایه،یک لایه مخفی،ویک لایه خروجی         
کد الگوریتم            
شکل 5 شبکه سه لایه، 2 لایه مخفی ویک لایه خروجی    
آموزش شبکه         
مرحله تغذیه جلویی    
شکل 6 تابع راندمان اموزش    
نتایج و مباحث        
جدول 1 مقایسه بین شبکه ها           
جدول 2 دقت تشخیص     
شکل 7 مثالی برای تصویرکشیدن مراحل مختلف        
شکل 8 مقایسه بین نظریه هاوسیتم مان برحسب دقت تشخیص          
شبکه عصبی برپایه معماری تنظیم پایگاه داده     
کلمات کلیدی        
مقدمه      
شکل 1 ساختار پایه شبکه عصبی       
شکل 2 معماری تنظیم برپایه شبکه عصبی        
جدول 1 سری داده های آموزش نمونه      
شکل 3 تاثیراندازه بافربر زمان اجرای 
داخل کردن کلاس بندی و پیوند درمدل تعمیم شبکه عصبی جمعی    
نتایج           
کلمات کلیدی        
مقدمه          
شکل 1 لایه کلی مدل شبکه جمعی مطرح             
شکل 2 ساختارکلی مدل شبکه جمع      
شکل 3 طرح لایه بندی دوگانه             
شکل 4 نمودارجریان سازگاری ساختاری مدل مطرح شده        
جدول 2 بخشهای میانگین مربع خطا             
شکل 1 نمادهای مدلهای سه بعدی کشتی              
شکل 2 ساختارسیستم کلاس سازکشتی               
شکل 3 ساختارشبکه عصبی                
پانوشت ها             
فهرست منابع       

تعداد مشاهده: 3080 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 110

حجم فایل:2,236 کیلوبایت

 قیمت: 10,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل

• راهنمای استفاده:
  مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات
  
  
• محتوای فایل دانلودی:
  در قالب فایل word و قابل ویرایش
  
  

پایان نامه شبکه های عصبی شبکه های عصبی مصنوعی شبکه های عصبی Artificial Neural networks Multi layered Perceptron Gradient descent دانلود پایان نامه کامپیوتر پایان نامه فناوری اطلاعات پروژه شبکه های مصنوعی

سجاد چهارشنبه 30 تیر 1395 ساعت 08:05