دانلود پاورپوینت با موضوع هوش مصنوعی و شبکه های عصبی،
در قالب ppt و در 142 اسلاید، قابل ویرایش، شامل:
فهرست:
مقدمه
کاربردهای شبکه عصبی
مبانی نظری شبکه های عصبی مصنوعی
کاربردهای شبکه عصبی
مبانی نظری شبکه های عصبی مصنوعی
بخشی از متن پاورپوینت:
تعریف شبکه عصبی مصنوعی
روشی کامپیوتری برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته می شود.
شبکه از تعداد دلخواهی واحد پردازشی (یا نرون، سلول یا گره) که در لایه (ها) قرار می گیرند تشکیل می شود که مجموعه ورودی را به مجموعه خروجی ربط می دهند.
ANNs کاربردهای عمومی
تشخیص الگو (گروه‌بندي اشكالي كه مشابه هم هستند)
ذخيره كردن و بازبيني داده‌ها
تقریب تابع (رگرسیون غیر خطی، تخمین و پیشگویی)
بهينه سازي و تعيین جواب با وجود قيود متعدد
داده کاوی (استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ )
به طور کلی هر جا که سخن از تخمین، تشخیص الگو یا طبقه بندی باشد می توان از شبکه های عصبی مصنوعی استفاده کرد.
ANNs کاربردهای مختلف
شناسایی تصویر /سیگنال
بینایی ماشین
مدل کردن غیر خطی
کنترل فرآیند ساخت
ارزیابی بکارگیری یک سیاست
بهینه سازی محصول
تشخیص ماشین و فرآیند
مدل کردن کنترل سیستمها
مدل کردن ساختارهای شیمیایی
مدل کردن سیستمهای دینامیکی
تشخیص بیماری
پردازش سیگنالهای تصویری
زمانبندی وسیله نقلیه
سیستمهای مسیریابی
کلاسه بندی نمودارهای مشتری/بازار
سیستمهای بازرسی کیفیت،
پیش بینی کیفیت،
کلاسه بندی انواع سلولها, میکروبها و نمونه ها،
پیش بینی فروشهای آینده
پیش بینی نیازهای محصول
پیش بینی وضعیت بازار
پیش بینی شاخصهای اقتصادی
تعیین قیمت وضعیت فعلی
پیش بینی ملزومات انرژی پیش بینی هوا
پیش بینی محصول
مدیریت و برنامه ریزی
کنترل سیستم فرایند شیمیایی و دینامیکی
کنترل مسیر در دستگاههای خودکار, ربات, جرثقیل
مدل کردن کنترل فرآیند
تاريخچه
مطالعه برروي شبكه‌هاي عصبي توسط مك كلاخ و پيتس در سال 1943 آغاز شد. شبكه‌هاي تك لايه، با توابع فعال سازی آستانه‌اي، توسط روزنبلات در سال 1962 بنيان‌گذاري شدند كه اين نوع شبكه‌ها، پرسپترون ناميده شدند.
در دهه 1960، به صورت تجربي نشان داده شد كه پرسپترون‌ها قابليت حل مسائل فراواني را دارند، ولی بسياري از مسائل پيچيده توسط آنها قابل حل نبود.
محدوديت پرسپترونهای يك لايه در سال 1966 توسط مينسكي و پپرت در كتاب پرسپترون آنها به چاپ رسيد. نتايج مطالعه اين كتاب باعث شد كه شبكه‌هاي عصبي به مدت دو دهه كمتر مورد توجه قرار گيرند.
با کشف الگوريتم پس-انتشار توسط رملهات، هينتن و ويليامز در سال 1986 مطالعات جديد بر روي شبكه‌هاي عصبي مجددا شروع شد. اهميت ويژه اين الگوريتم اين بود كه شبكه‌هاي عصبي چند لايه توسط آن مي‌توانستند آموزش داده شوند.
روشی کامپیوتری برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته می شود.
شبکه از تعداد دلخواهی واحد پردازشی (یا نرون، سلول یا گره) که در لایه (ها) قرار می گیرند تشکیل می شود که مجموعه ورودی را به مجموعه خروجی ربط می دهند.
ANNs کاربردهای عمومی
تشخیص الگو (گروه‌بندي اشكالي كه مشابه هم هستند)
ذخيره كردن و بازبيني داده‌ها
تقریب تابع (رگرسیون غیر خطی، تخمین و پیشگویی)
بهينه سازي و تعيین جواب با وجود قيود متعدد
داده کاوی (استخراج دانش کلان ، قابل استناد و جديد از پايگاه داده ها ي بزرگ )
به طور کلی هر جا که سخن از تخمین، تشخیص الگو یا طبقه بندی باشد می توان از شبکه های عصبی مصنوعی استفاده کرد.
ANNs کاربردهای مختلف
شناسایی تصویر /سیگنال
بینایی ماشین
مدل کردن غیر خطی
کنترل فرآیند ساخت
ارزیابی بکارگیری یک سیاست
بهینه سازی محصول
تشخیص ماشین و فرآیند
مدل کردن کنترل سیستمها
مدل کردن ساختارهای شیمیایی
مدل کردن سیستمهای دینامیکی
تشخیص بیماری
پردازش سیگنالهای تصویری
زمانبندی وسیله نقلیه
سیستمهای مسیریابی
کلاسه بندی نمودارهای مشتری/بازار
سیستمهای بازرسی کیفیت،
پیش بینی کیفیت،
کلاسه بندی انواع سلولها, میکروبها و نمونه ها،
پیش بینی فروشهای آینده
پیش بینی نیازهای محصول
پیش بینی وضعیت بازار
پیش بینی شاخصهای اقتصادی
تعیین قیمت وضعیت فعلی
پیش بینی ملزومات انرژی پیش بینی هوا
پیش بینی محصول
مدیریت و برنامه ریزی
کنترل سیستم فرایند شیمیایی و دینامیکی
کنترل مسیر در دستگاههای خودکار, ربات, جرثقیل
مدل کردن کنترل فرآیند
تاريخچه
مطالعه برروي شبكه‌هاي عصبي توسط مك كلاخ و پيتس در سال 1943 آغاز شد. شبكه‌هاي تك لايه، با توابع فعال سازی آستانه‌اي، توسط روزنبلات در سال 1962 بنيان‌گذاري شدند كه اين نوع شبكه‌ها، پرسپترون ناميده شدند.
در دهه 1960، به صورت تجربي نشان داده شد كه پرسپترون‌ها قابليت حل مسائل فراواني را دارند، ولی بسياري از مسائل پيچيده توسط آنها قابل حل نبود.
محدوديت پرسپترونهای يك لايه در سال 1966 توسط مينسكي و پپرت در كتاب پرسپترون آنها به چاپ رسيد. نتايج مطالعه اين كتاب باعث شد كه شبكه‌هاي عصبي به مدت دو دهه كمتر مورد توجه قرار گيرند.
با کشف الگوريتم پس-انتشار توسط رملهات، هينتن و ويليامز در سال 1986 مطالعات جديد بر روي شبكه‌هاي عصبي مجددا شروع شد. اهميت ويژه اين الگوريتم اين بود كه شبكه‌هاي عصبي چند لايه توسط آن مي‌توانستند آموزش داده شوند.
