عنوان مقاله: معرفی شبکه های عصبی و ساختار نورون عصبی
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : دراين نوشتار به معرفي شبکههاي عصبي مصنوعي و ساختارهاي آن ميپردازيم. در ابتدا توضیحاتی درباره هوش مصنوعی و شاخههای آن به صورت خلاصه میپردازیم، سپس نورونهاي شبکههاي عصبي طبيعي معرفي شده و طرز کار آنها نشان داده شده است، سپس مدل مصنوعي اين نورونها و ساختار آنها، مدل رياضي آنها، شبکههاي عصبي مصنوعي و نحوه آموزش و به کارگيري اين شبکهها است.ابزارهايي نيز براي پياده سازي اين شبکه ها نام برده شده است.
فهرست:
هوش مصنوعی
شاخه های هوش مصنوعی
هوش مصنوعی سمبولیک
هوش پیوندگرا
سیستم های خبره
ربات ها
پردازش زبانهای طبیعی
زبان های هوش مصنوعی
شبکه های عصبی مصنوعی
توصیف شبکه های عصبی
شبکه های عصبی زیستی
معرفی شبکه های عصبی
قابلیت های شبکه های عصبی
تاریخچه شبکه های عصبی
مقایسه شبکه های عصبی با کامپیوتر ها
نورون مصنوعی
از نورن انسان تا نورون مصنوعی
ساختار شبکه عصبی شبکه های پیش خور
شبکه های پیش خور برگشتی
انواع شبکه های عصبی
روش یادگیری توسط شبکه عصبی
یادگیری یک پرسپترون
توابع قابل یادگیری توسط پرسپترون
الگوریتم پرسپترون
مشکلات روش شیب کاهشی
شبکه پرسپترون چند لایه
تقسیم بندی شبکه های عصبی
معایب شبکه های عصبی
مدل های یادگیری ماشین
یادگیری تقویتی
یادگیری احساسی
یادگیری استدلالی
هوش جمعی
بهینه سازی جمعی ذره ها
الگوریتم ژنتیک
عامل های هوشمند
عامل های شناختی و عامل های واکنشی
عنوان مقاله : انواع شبکه های عصبی و کاربرد آنها در الکترونیک
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : در این پایان نامه ابتدا به مقدمه ای از شبکه های عصبی از جمله تاریخچۀ شبکه های عصبی و مشخصات اصلی یک نرون بیولوژیک پرداخته شده است. سپس ساختار شبکه های عصبی مصنوعی مورد بحث قرار گرفته است که از این بحث می توان به تعریف شبکه های عصبی مصنوعی، انواع توابع فعال ساز، انواع یادگیری شبکه های عصبی، شبکه های پرسپترون، MPL و هاپفیلد اشاره داشت. سرانجام نیز يك کاربرد شبکه های عصبی در پردازش تصوير، که عبارت است از « آشکارسازي چهره با شبکه هاي عصبی در تصاویر رنگی » مورد بررسی قرار گرفته شده است.
فهرست :
مقدمه
فصل اول : مقدمه ای بر شبکه های عصبی
تاریخچۀ شبکه های عصبی
نرون طبیعی
یادگیری در سیستم های بیولوژیک
شباهت شبکۀ عصبی زنده و مصنوعی
کاربرد شبکه های عصبی
فصل دوم : ساختار شبکه های عصبی مصنوعی
تعریف شبکه های عصبی مصنوعی
نرون های مصنوعی
اجزای یک شبکه عصبی
الگو برداری از مغز انسان
افزایش سرعت
حساسیت بالا به رخداد اشتباه
رایانه ها قادر نیستند از تجربیات گذشته استفاده نمایند
عدم ارائۀ پاسخ مناسب در شرایط جدید
ویژگی های شبکه های عصبی مصنوعی
قابلیت یادگیری
قابلیت تعمیم
پردازش موازی
مقاوم بودن
قابلیت کاربری
تشخیص داده های اشتباه
تحمل خطا
غیر خطی بودن
تصویر کردن ورودی – خروجی
معایب شبکه های عصبی
انواع توابع انتقال
یادگیری شبکه های عصبی
یادگیری نظارت شده
یادگیری نظارت نشده
یادگیری تقویت یافته
الگوریتم پس انتشار خطا
آموزش دلتا
آموزش ترکیبی
آموزش رقابتی
آموزش هب
ساختارهای مختلف شبکه های عصبی مصنوعی
شبکه های پسخور
شبکه های پیش خور
شبکه های پیش خور تک لایه
شبکه های پیش خور چند لایه
پرسپترون
یادگیری پرسپترون
یادگیری پرسپترون مبتنی به روش برداری
محدودیت های پرسپترون
شبکه های عصبی پرسپترون چندلایه
رفع مشکل
حل مشکل
مدل جدید
قاعدۀ جدید فراگیری
بررسی مجدد مساله یای حذفی (XOR)
شبکۀ هاپفیلد
فصل سوم : چند نمونه از کاربردهای شبکه های عصبی
آشکارسازی چهره با شبکه های عصبی در تصاویر رنگی
مقدمه
مشخصات رنگ پوست انسان
استخراج رنگ پوست
تولید رنگ پوست در فضایرنگی cbcr
شبکه های عصبی پیشنهادی
نتایج آزمایشات
نتایج آزمایش اترویفریمهای ویدئویی
آشکارسازی چهره
منابع
عنوان مقاله : مروري بر داده کاوي و بررسی شبکه هاي عصبی
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : چندین دهه است که شرکت ها اطلاعات را جمع آوري می نمایند تا با ایجاد یک پایگاه داده انبوه اطلاعات را ذخیره کنند، با این حال که اطلاعات در دسترس آنها قرار دارد فقط تعداد کمی از شرکت ها قادر شده اند به ارزش واقعی ذخیره شده در آنها پی ببرند سوال این شرکتها این است که چگونه میتوان به ارزش واقعی این اطلاعات دست یافت؟ پاسخ آن داده کاوي است، که امروزه در بسیاري از صنعتها از جمله پزشکی، آموزش، ورزش و بسیاري از صنایع دیگر مورد استفاده قرار میگیرد. تکنیکهاي بسیاري جهت داده کاوي وجود دارد از جمله شبکه هاي عصبی مصنوعی، رگرسیون، درخت تصمیم و غیره. همچنین طراحی شده است اشاره SAS که توسط شرکت JMP نرم افزارهایی نیز براي داده کاوي ایجاد شده است که میتوان به نرم افزار کرد. این مقاله به معرفی داده کاوي و برخی از روشهاي داده کاوي و همچنین محیطهایی که از داده کاوي بهره میبرند به همراه نرم افزار هاي آن پرداخته است.
فهرست :
چکیده
مقدمه
داده کاوی
تکنیک های داده کاوی
دسته بندی
رگرسیون گیری
خوشه بندی
تجمع و همبستگی
درخت تصمیم گیری
ویزگی های درخت تصمیم
الگوریتم ژنتیک
شبکه های عصبی مصنوعی
ساختار شبکه عصبی
نورون
معماری شبکه عصبی
شبکه های پیش خور تک لایه
انواع یادگیری در شبکه های عصبی مصنوعی
داده کاوی در پزشکی
داده کاوی در سلامت
نرم افزار های داده کاوی
نتیجه گیری
مراجع