ساختار و نحوهی عملکرد شبکه های عصبی مصنوعی
61 صفحه قابل ویرایش
قیمت فقط 6000 تومان
چکیده :
شبکههای عصبی از اجزای عملیاتی ساده که به صورت موازی هستند تشکیل شده است. این اجزا از سیستمهای عصبی زیستی الهام گرفته شدهاند. به صورت طبیعی تابع شبکه تا اندازه زیادی بوسیله ارتباطات بین عناصر مشخص میشود. میتوان برای نمایش دادن یک تابع مخصوص، با تعدیل و سازگار کردن وزنها،ارتباطات بین عناصر یک شبکه عصبی را مرتب کرد. به طور معمول شبکههای عصبی متعادل هستند.بنابراین یک ورودی مخصوص منجر به یک خروجی منحصر به فرد میشود.
شبکههای عصبی برای حل توابع پیچیده در زمینههای مختلف مانند کاربردهای الگو شناسی، شناسایی، تعیین هویت، طبقه بندی، سخن رانی، مشاهده و سیستم های کنترل کاربرد دارد.
امروزه شبکههای عصبی برای حل مسائلی که برای کامپیوترهای معمولی یا انسان مشکل است مرتب میشوند.
فهرست مطالب
عنوان
صفحه
فصل اول
تاریخچه شبکه های عصبی مصنوعی
3
1-1 آشنایی با شبکه عصبی مصنوعی
5
2-1 شبکه عصبی
5
3-1 شبکه عصبی مصنوعی چیست؟
6
4-1 چرا شبکه عصبی مصنوعی ، ارزش مطالعه کردن دارند؟
6
5-1 حال چگونه در کامپیوتر،نورون ها را سازمان دهی کنیم؟
8
6-1 اما چرا تعداد نورون ها ی لایه ی میانی را 3 در نظر گرفتیم؟
9
7-1 نرون
10
8-1 مدل تک ورودی
11
9-1 مدل چند ورودی
12
10-1 تابع محرک
13
11-1 تابع محرک خطی
14
12-1 تابع محرک آستانه ای دو مقداره حدی
14
13-1 تابع محرک سیگموئید تک قطبی
15
14-1 تابع محرک سیگوئید دو قطبی
16
فصل دوم
1-2 ساختار شبکه عصبی
18
2-2 شبکه تک لایه
18
3-2 شبکه عصبی چند لایه
21
4-2 فرآیند یادگیری
22
فصل سوم
1-3 شبکه پرسپترون
24
2-3 مقدمه
24
3-3 توابع پرسپترون مهم
24
5-3 ساختارp
27
6-3 ایجاد یک p
27
7-3 قوانین یادگیری
32
8-3 قوانین یادگیری در پرسپترون
32
9-3 آموزش با سرپرست
35
10-3 آموزش بدون سرپرست
35
11-3 شبکه عصبی پرسپترون چند لایه
36
12-3 روش های آموزش شبکه های عصبی پرسپترون چند لایه
38
13-3 الگوریتم پس انتشار خطا
38
14-3 الگوریتم گوس – تیوتن بازگشتی
41
فصل چهارم
4-1 کاربردهای شبکه عصبی
44
2-4 کاربردها در این جعبه ابزار
44
3-4 کاربردهای تجاری
44
4-4 جو زمین
44
5-4 خودرو
44
6-4 بانکداری
45
7-4 چک کردن فعالیت کارت اعتباری
45
8-4 نیروی دفاعی
45
9-4 الکترونیک
45
10-4 سرگرمی
45
11-4 مالی
45
12-4 صنعت
46
13-4 بیمه
46
14-4 تولید کردن
46
15-4 دارویی
46
16-4 نفت و گاز
46
17-4 رباتیک
46
18-4 سخنرانی
46
19-4 اوراق بهادار
47
20-4 ارتباطات
47
21-4 حمل و نقل
47
یک مثال کاربردی از شبکه های عصبی
48
مقدمه
49
مفاهیم پایه در شبکه های عصبی مصنوعی
50
شبکه عصبی پرسپترون ساده
50
شبکه عصبی پرسپترون چند لایه
50
شرح تحقیق
52
مقدمه
52
استفاده از داده های ماهیانه
53
استفاده از داده های روزانه
54
تولید جریان مصنوعی
58
نتیجه گیری
60
مراجع
61
فهرست اشکال
صفحه
شکل1-1 نمونه یک شبکه عصبی
2
شکل1-2 نمونه نورون های بوجود آمده
8
شکل 1-3 مدل نرون تک ورودی
12
شکل 1-4 مدل نرون چند ورودی
12
شکل 1-5 تابع محرک خطی
14
شکل 1-6 تابع محرک آستانه ای دو مقداره حدی
15
شکل 1-7 تابع محرک سیگموئید تک قطبی
15
شکل 1-8 تابع محرک سیگموئید دو قطبی
16
شکل 2-1 یک نرون با بردار ورودی و بایاس
18
شکل 2-2 ساختار یک لایه فعال از شبکه عصبی تک خروجی
19
شکل 2-3 یک شبکه تک لایه فعال با المان ورودی و نرون در لایه خروجی
19
شکل 2-4 یک شبکه عصبی تک لایه فعال با نرون و ورودی
20
شکل 2-5 ساختار یک شبکه عصبی چند لایه با سه لایه فعال
21
شکل 3-1 نمونه ورودی و خروجی نرون
25
شکل 3-2 نمونه هاردلیم
25
شکل 3-3 نمودار ورودی ها و وزن
26
شکل 3-4 ساختار پی
27
شکل 3-5 ساختار شبکه عصبی پرسپترون چند لایه با سه لایه فعال
37
شکل 4-1 ساختار چند لایه با نرون ها
51
شکل 4-2 نمودار جریان واقعی و شبیه سازی شده و شبکه عصبی
59
شکل 4-3 نمودار جریان واقعی و شبیه سازی شده و شبکه عصبی در جنگ
59
ساختار و نحوه¬ی عملکرد شبکه های عصبی مصنوعی