برچسب: شبکه های عصبی مصنوعی

 دانلود پاورپوینت با موضوع شبکه های عصبی مصنوعی،

در قالب ppt و در 86 اسلاید، قابل ویرایش.

مقدمه
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.
شبکه عصبی چیست؟
روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی  ساخته میشود.
شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که مجموعه ورودی را به خروجی ربط میدهند.

 دانلود پاورپوینت با موضوع شبکه های عصبی مصنوعی،

در قالب ppt و در 24 اسلاید، قابل ویرایش.

مباحث :
آشنایی با شبکه های عصبی زیستی
معرفی شبکه های عصبی مصنوعی(ANNها)
مبانی شبکه های عصبی مصنوعی
توپولوژی شبکه
نرم افزارهای شبکه های عصبی
مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
فرآیند یادگیری شبکه
تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی
ایده ی اصلی شبکه های عصبی مصنوعی
مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
شبکه های عصبی در مقابل کامپیوترهای معمولی
معایب شبکه های عصبی مصنوعی
کاربردهای شبکه های عصبی مصنوعی

 دانلود پاورپوینت با موضوع شبکه های عصبی مصنوعی،

در قالب ppt و در 86 اسلاید، قابل ویرایش.

مقدمه
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.
شبکه عصبی چیست؟
روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی  ساخته میشود.
شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که مجموعه ورودی را به خروجی ربط میدهند.
شبکه  عصبی چه قابلیتهائی دارد؟
محاسبه یک تابع  معلوم
تقریب یک تابع ناشناخته
شناسائی الگو
پردازش  سیگنال
یادگیری

 دانلود پاورپوینت با موضوع شبکه های عصبی مصنوعی،

در قالب ppt و در 39 اسلاید، قابل ویرایش.

تاریخچه :
1- بررسی عملکرد نورون های بیولوژیک قبل از اختراع کامپیوترهای دیجیتال( دهه های 1930و1940 )
2- وارن مک کالچ ( متخصص اعصاب ) و والتر پیتس ( منطق دان )مدل ساده عملکرد نورون های بیولوژیک را تحت مقاله ای بنام محاسبات منطقی در فعالیت عصبی منتشر کردند. (1943 )
3-پس از اختراع کامپیوترهای دیجیتال در دهه 1950 دانشمندان علوم پایه براساس فعالیتهای مک کالچ و پیتس مدلهایی بنام پرسپترون( Perceptron  ) ایجاد کردند.( تعادل چوب قائم روی سطح متحرک)
4-بعلت ضعیف بودن کامپیوترها و نقایص نظری موفقیت محدودی در شبکه های اولیه بدست آمد.( سال 1968 دو پروفسور بنام های سایمون پاپرت و مارین مینسکی)
5- جان هاپفیلد از موسسه تکنولوژی کالیفرنیا روش پس انتشار خطا را ابداع کرد که فاقد نقایص و خطاهای اولیه بود.(1982 ) و از سطح آزمایشگاهی به سمت فعالیتهای عملی و تجاری حرکت کرد.