شبکه عصبی

شبکه عصبی

پروژه داده کاوی

عنوان پروژه  :  داده کاوی ثبت احوال با نرم افزار کلمنتاین‎

قالب بندی :  Word, PDF, GEN, XLS

قیمت :   رایگان

شرح مختصر :  امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند . داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در پروژه داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ،  هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است . هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد.

 فهرست :

چکیده

مقدمه

پرسشنامه

پروژه داده کاوی

معرفی فیلدهای پرسشنامه

مراحل انجام کار با کلمنتاین

الگوریتم C5.O

خوشه بندی

K-means

Kohonen

قواعد تلازمی

Apriori

شبکه عصبی

Neuralnet

استفاده از پارتیشن

استفاده از C5.O

استفاده از Neuralnet

استفاده از Bayes Net

شبکه عصبی

شبکه های عصبی

عنوان مقاله  :  شبکه های عصبی

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر :  مسئله هماهنگ سازی شبکه های عصبی آشوبگونه با اغتشاش تصادفی مورد بررسی قرار گرفته است. مسئله کنترل و هماهنگ سازی این سیستم ها به شدت مورد توجه قرار گرقت و روش های مختلفی مثل کنترل حلقه بسته خطی و غیرخطی ، کنترل تطبیقی و نظایر آن جهت رسیدن به این هدف ، ارائه گردید . در مدلسازی سیستم ها ، توانایی تقریب به وسیله نورون ها ، شکل شبکه و قانون آموزش ، محدود می گردد. چگونگی بهبود خاصیت ارگادیک ANN یک مسئله مهم جهت تحقیق و یررسی می باشد. سیستم های آشوبگونه دارای مشخصاتی تصادفی هستند و الگوریتم آشوبی باعث ایجاد خاصیت قوی ارگادیک در شبکه می گردد.

این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت  می پردازیم.

فهرست :

چکیده فارسی

مقدمه

فصل اول

شبکه عصبی

مقدمه

شبکه عصبی

سابقه تاریخی

چرا از شبکه های عصبی استفاده می کنیم

مزیتهای دیگر شبکه های عصبی

شبکه های عصبی در مقابل کامپیوتر های معمولی

انسان و سلول های عصبی مصنوعی در جستجوی شباهت ها

از سلول های عصبی انسانی تا سلول های عصبی مصنوعی

انواع یادگیری برای شبکه های عصبی

زمینه‌ای در مورد perceptron

دنباله‌های Perceptron

قضیه بنیادی دنباله‌ها

هوش جمعی

(Particle Swarm Optimitation(PSO

فصل دوم

یک شبکه عصبی جدید و کاربرد آن

معرفی

نورون با خاصیت آشوبگونه

شکل شبکه

قانون آموزش شبکه

مدلسازی ژنراتور سنکرون دریایی

نتایج مدلسازی

نتیجه فصل

فصل سوم

آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله

مقدمه

آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله

معرفی

منحنی طول – کشش

ساختار برگشتی

تغییرات طیف

نتایج فصل

فصل چهارم

هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی

مقدمه

هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی

معرفی

نمادها و مقدمات

نتیجه فصل

فهرست منابع (ابتدا منابع فارسی و سپس منابع غیر فارسی)

منابع فارسی

منابع لاتین

چکیده انگلیسی

فهرست جداول

شکل  نورون آشوب گونه

شکل  cnn

شکل  سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی

شکل  توان گشتاور ورودی و فرکانس خروجی ژنراتور

شکل  جریان تحریک ورودی و ولتاژ خروجی پایانه

شکل  منحنی mse هنگام trainin شبکه

شکل  فرکانس خروجی ژنراتور ، شبکه و خطای بین آنها

شکل  تابع کشش – طول فعال

شکل  شبکه برگشتی

شکل  نمودار دو شاخه شدن

شکل  حساسیت به شرط اولیه

شکل  ایجاد طیف پیوسته از طریق افزایش فرکانس های گسسته

شکل  نرخ هماهنگ سازی نمایی سیستم با خطای دینامیک

شکل  دینامیک های سنکرون نشده در فضای حالت

شبکه عصبی

عنوان پایان نامه :  شبکه های عصبی

قالب بندی :  PDF

قیمت :   رایگان

شرح مختصر : مسئله هماهنگ سازي شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی مورد بررسی قرار گرفته است . مسئله کنترل و هماهنگ سازي این سیست م ها به شدت مورد توجه قرار گرقت و روش هاي مختلفی مثل کنترل حلقه بسته خطی و غیرخطی ، کنترل تطبیقی و نظایر آن جهت رسیدن به این هدف ، ارائه گردید . در مدلسازي سیستم ها ، توانایی تقریب به وسیله نورون ها ، شکل شبکه و قانون آموزش ، محدود می گردد . یک مسئله مهم جهت تحقیق و یررسی می باشد . سیستم هاي ANN چگونگی بهبود خاصیت ارگادیک آشوبگونه داراي مشخصاتی تصادفی هستند و الگوریتم آشوبی باعث ایجاد خاصیت قوي ارگادیک در شبکه می گردد.

فهرست :

چکیده فارسی

مقدمه

فصل اول

شبکه عصبی

 مقدمه

 شبکه عصبی

 سابقه تاریخی

 چرا از شبکه هاي عصبی استفاده می کنیم

 مزیتهاي دیگر شبکه هاي عصبی

 شبکه هاي عصبی در مقابل کامپیوتر هاي معمولی

 انسان و سلول هاي عصبی مصنوعی در جستجوي شباهت ها

 از سلول هاي عصبی انسانی تا سلول هاي عصبی مصنوعی

 انواع یادگیري براي شبکه هاي عصبی

 زمینه اي در مورد perceptron

 دنباله هاي Perceptron

 قضیه بنیادي دنباله ها

 هوش جمعی

PSO

فصل دوم

یک شبکه عصبی جدید و کاربرد آن

 مقدمه

 یک شبکه عصبی جدید و کاربرد آن

 معرفی

 نورون با خاصیت آشوبگونه

  شبکه

 قانون آموزش شبکه

 مدلسازي ژنراتور سنکرون دریایی

 نتایج مدلسازي

 نتیجه فصل

فصل سوم

آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله

 مقدمه

 آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله

 معرفی

 منحنی طول – کشش

 ساختار برگشتی

 تغییرات طیف

 نتایج فصل

فصل چهارم

هماهنگ سازي نمایی شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی

 مقدمه

 هماهنگ سازي نمایی شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی

 معرفی

 نمادها و مقدمات

 نتیجه فصل

فهرست منابع

منابع فارسی

منابع لاتین

چکیده انگلیسی

 نورون آشوب گونه

  سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی

 توان گشتاور ورودي و فرکانس خروجی ژنراتور

 جریان تحریک ورودي و ولتاژ خروجی پایانه

 فرکانس خروجی ژنراتور ، شبکه و خطاي بین آنها

 تابع کشش –  طول فعال

 شبکه برگشتی

نمودار دو شاخه شدن

 حساسیت به شرط اولیه

 ایجاد طیف پیوسته از طریق افزایش فرکانس هاي گسسته

 نرخ هماهنگ سازي نمایی سیستم با خطاي دینامیک

 دینامیک هاي سنکرون نشده در فضاي حالت