دانلود مقاله شبکه های عصبی مصنوعی

دانلود مقاله شبکه های عصبی مصنوعی

چکیده مقاله: شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای  داده های آموزشی مصون بوده  و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار،  شناسائی و  تعبیر تصاویر،  و یادگیری روبات  اعمال شده است.

عناوین مورد بحث:

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

مسائل مناسب برای یادگیری شبکه های عصبی

الهام از طبیعت

Perceptron

یادگیری یک پرسپترون

توانائی  پرسپترون

توابعی که پرسپترون قادر به یادگیری آنها میباشد

توابع بولی و پرسپترون

آموزش پرسپترون

قانون پرسپترون

قانون دلتا Delta Rule

الگوریتم gradient descent

بدست آوردن قانون gradient descent

محاسبه گرادیان

مشکلات روش gradient descent

تقریب افزایشی gradient descent

شبکه های چند لایه

تابع سیگموئید

الگوریتم  Back propagation

فضای فرضیه و بایاس استقرا

دلایل رخ دادن overfitting

اعمال Backpropagation به تشخیص اشیا

Softmax

...

فرمت فایل: PPT (پاورپوینت)

تعداد صفحات: 85

برای دانلود فایل اینجا کلیک کنید

دانلود مقاله ای در مورد شبکه های عصبی مصنوعی

دانلود مقاله ای در مورد شبکه های عصبی مصنوعی

چکیده مقاله: در این نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه میپردازیم.

در ابتدا نرونهای شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است.

سپس مدل مصنوعی این نرونها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است.

تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه میباشد.  ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

فرمت فایل: PDF

تعداد صفحات:11

برای دانلود فایل اینجا کلیک کنید