دسته بندي | هوش مصنوعي |
فرمت فايل | doc |
حجم فايل | 1.502 مگا بايت |
پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود
پرداخت و دانلود
مشخصات مقاله:عنوان كامل: بررسي و معرفي شبكه هاي عصبي مصنوعيدسته: فناوري اطلاعات و كامپيوترفرمت فايل: WORD (قابل ويرايش)تعداد صفحات پروژه: ۱۲۱
چكيده اي از مقدمه آغازين ” پايان نامه بررسي و معرفي شبكه هاي عصبي مصنوعي” بدين شرح است:
.
هوش محاسباتي يا (Computational-Intelligence) CI به معناي استخراج هوش، دانش، الگوريتم يا نگاشت از دل محاسبات عددي براساس ارائه به روز دادههاي عددي است. سيستمهايCI در اصل سيستمهاي ديناميكي مدل آزاد (Model-free) را براي تقريب توابع و نگاشتها ارائه ميكند. در كنار اين ويژگي بسيار مهم بايد از ويژگي مهم ديگري در ارتباط با خصوصيات محاسباتي سيستمهاي CI نام برد، كه در آن دقت، وجهالمصالحه مقاوم بودن، منعطفبودن و سهولت پيادهسازي قرار ميگيرد.مولفههاي مهم و اساسي CI ، شبكههاي عصبي )محاسبات نوروني(، منطق فازي) محاسبات تقريبي( و الگوريتم ژنتيك) محاسبات ژنتيكي(است، كه هر يك به نوعي مغز را الگو قرار دادهاند. شبكههاي عصبي ارتباطات سيناپسي و ساختار نوروني، منطق فازي استنتاجات تقريبي و محاسبات ژنتيكي محاسبات موتاسيوني مغز را مدل ميكنند. هوش مصنوعي:در شبكه ارتباطي مغز انسانها سيگنالهاي ارتباطي به صورت پالسهاي الكتريكي هستند.جزء اصلي مغز نرون است كه از يك ساختمان سلولي و مجموعه اي از شيارها و خطوط تشكيل شده و شيارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال يك نرون به نرون ديگر را سيناپس مي نامند كه مانند دروازه يا كليد عمل مي كنند. اگر واكنشهايي كه ميليونها نرون مختلف به پالسهاي متفاوت نشان ميدهند با يكديگر هماهنگ باشند ممكن است پديده هاي مهمي در مغز رخ دهد.آن دسته از پژوهشگران هوش مصنوعي كه رويكرد مدل مغزي را دنبال مي كنند گونه اي از مدارهاي الكتريكي را طراحي كرده اند كه تا حدي شبكه مغز را شبيه سازي ميكند در اين روش هر گره (نرون)به تنهايي يك پردازنده است ولي رايانه هاي معمولي حداكثر چند cpuدارند هدف عمده كامپيوتر شبكه عصبي اين است كه مكانيسمي طراحي كند كه همانند مغز انسان بازخورد مثبت ياد بگيرد پاسخهاي درست و نادرست كدامند.
بخشي از فهرست مقاله:
مقدمه
هوش مصنوعي
به سوي آينده
تاريخچه
تعريف
تاريخچه و تعاريف سيستمهاي خبره
بعضي از تعاريف سيستم هاي خبره
تاريخچه سيستم هاي خبره
الگوريتم ژنتيك
تابع سازگاري(FitnessFunction)
Mutation(جهش ژنتيكي)
مقدمه اي بر سيستم هاي فازي وكنترل فازي
سيستمهاي فازي چگونه سيستمهايي هستند؟
سيستمهاي فازي كجا و چگونه استفاده ميشوند؟
زمينههاي تحقيق عمده در تئوري فازي
تاريخچه مختصري از تئوري و كاربردهاي فازي
فصل دوم
شبكه هاي عصبي
مقدمه
ساختار مغز
ساختار نرون
چگونه مغز انسان مي آموزد ؟
معناي شبكه هاي عصبي
قوانين هب
از سلول هاي عصبي انساني تا سلول هاي عصبي مصنوعي
روياي جايگزيني ويژگي هاي مغز در يك سيستم مصنوعي چقدر ممكن گرديده؟
تاريخچه شبكههاي عصبي
چرا از شبكه هاي عصبي استفاده مي كنيم؟
شبكه هاي عصبي در مقابل كامپيوتر هاي معمولي
مزايا و محدوديت هاي شبكه عصبي
چه كساني به شبكه عصبي علاقهمند هستند؟
نرمافزارها و سخت افزارهاي شبكه هاي عصبي
كاربرد شبكه هاي عصبي
يكپارچگي منطق فازي و شبكه هاي عصبي
مدل رياضي يك نرون
يك نرون ساده
قوانين برانگيختگي
يك نرون پيچيده تر
ساختار شبكه هاي عصبي
مراحل طراحي شبكه
اهداف شبكه هاي عصبي
تقسيم بندي شبكه هاي عصبي
انواع يادگيري براي شبكه هاي عصبي
توپولوژي شبكه هاي عصبي
شبكههاي پيشخور (Feed Forward)
شبكه هاي برگشتي(Recurrent)
پرسپترون چند لايه
Perceptronهاي ساده
قدرت Perceptron
دنبالههاي Perceptron
آموزش پر سپترون
الگوريتم يادگيري پرسپترون
قانون پرسپترون
قانون دلتا
روشهاي ديگر
شبكه هاي هاپفيد
شبكههاي داراي پسخور
شبكه عصبي تركيبي المن- جردن
پس انتشار خطا
چند بررسي از كاربرد هاي شبكه هاي عصبي
فصل سوم
نتيجه گيري
منابع ومأخذ
مشخصات مقاله:عنوان كامل: بررسي و معرفي شبكه هاي عصبي مصنوعيدسته: فناوري اطلاعات و كامپيوترفرمت فايل: WORD (قابل ويرايش)تعداد صفحات پروژه: ۱۲۱
پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود
پرداخت و دانلود