چکیده: شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایدهٔ اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپسها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلولها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیریاند. مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثالها وزن سیناپسها به گونه‌ای تغییر می‌کند که در صورت دادن ورودیهای جدید، سیستم پاسخ درستی تولید کند.
...
فرمت فایل: ppt (پاورپوینت) قابل ویرایش تعداد صفحات: 33
چکيده مقاله: در اين نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه ميپردازيم.
در ابتدا نرونهای شبکه های عصبی طبيعی معرفی شده و طرز کار آنها نشان داده شده است.
سپس مدل مصنوعی اين نرونها و ساختار آنها ، مدل رياضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گيری اين شبکه ها به همراه روش يادگيری گراديان کاهنده نشان داده شده است.
تمرکز بيشتر بر نوعی از اين شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لايه ميباشد. ابزاهايی نيز برای پياده سازی اين شبکه ها نام برده شده است.
:: برچسب‌ها:
دانلود مقاله,
شبکه های عصبی مصنوعی,
شبکه های عصبی,
شبکه های عصبی مصنوعی و ساختارهای آنها,
نرونهای شبکه های عصبی طبيعی,
نرونها,
پرسپترون چند لايه,
,
نویسنده : ziba
تاریخ : 