مرکز خرید پروژه،پایان نامه،تحقیقات

آشنايي با شبكه هاي عصبي مصنوعي

بخشی از متن:
بخشی از متن:
درست است كه بعضي از اعمالي را كه ما به سختي انجام مي دهيم يك كامپيوتر به سرعت و به راحتي انجام مي دهد، مانند جمع چند صد عدد، اما اين مطلب باعث نمي شود كه ما يك كامپيوتر را باهوشتر از انسان بدانيم چون اين سيستم هرگز قادر نمي باشد كه اعمالي را كه نياز يه استدلال  دارد و يا حل آنها از طريق  شهودي و حدس و گمان مي باشد را به طور مطلوب انجام دهد. شايد بهتر است بگوييم آن‌هاموجودات منطقي اي هستند و تنها اعمال منطقي را به خوبي انجام مي دهند.
مسئله ديگر شايد اين باشد كه يك كامپيوتر مي تواند بعضي كارها را كه ما در مدت زمان قابل ملاحظه اي انجام مي دهيم را در زمان بسيار كوتاه تري انجام مي دهد.ويا بعضي از اطلاعات را پس از گذشت ماه ها و يا سالها به خاطر مي آورد.

فهرست مطالب:
فصل اول: مقدمه
1-1 انسان و كامپيوتر
1-2 ساختار مغز
1-2-1 يادگيري در سيستم‌هاي بيولوژيك
1-3 تفاوت ها
فصل دوم: نگرش كلي به شبكه هاي عصبي مصنوعي
2-1 تعريف شبكه هاي عصبي
2-2 مفاهيم اساسي شبكه هاي عصبي
2-3 معرفي اصطلاحات و علائم قراردادي
2-4 كاربردهاي محاسبات عصبي
2-5 كاربردهاي نمونه شبكه هاي عصبي مصنوعي
2-6 فوايد و معايب شبكه هاي عصبي مصنوعي
2-7 معيارهاي مهندسي به منظور محاسبات عصبي
2-8 مراحل مهندسي سيستم ANN
2-9 توپولوژي شبكه و خصوصيات
فصل سوم: بازشناسي الگو
3-1 چشم انداز طرح شناسي
3-2 تعريف بازشناسي الگوها
3-3 بردارهاي مشخصات و فضاي مشخصات
3-4 توابع تشخيص دهنده يا مميز
3-5 فنون طبقه بندي
3-6 روش طبقه بندي «نزديكترين همسايه»
3-7 ميزان هاي اندازه گيري فاصله
3-8 دستگاه هاي طبقه بندي خطي
فصل چهارم: نرون پايه
4-1 مقدمه
4-2 مدل سازي نرون
4-3 فراگيري در نرون‌هاي ساده
4-4 الگوريتم فراگيري پرسپترون
4-5 يك مثال ساده براي پرسپترون ساده.
فصل پنجم: نرون چند لايه
1-5 مقدمه
2-5 مدل جديد
3-5 قاعده جديد فراگيري
5-4 الگوريتم پرسپترون چند لايه
5-5 بررسي مجدد مساله XOR
5-6 ليه هاي شبكه
5-7 معرفي چند شبكه
5-8 معرفي نمونه اي از توابع كليدي
5-9 بررسي يك مثال عملي
منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.