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

چکيده مقاله: در اين نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه ميپردازيم.

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

سپس مدل مصنوعی اين نرونها و ساختار آنها ، مدل رياضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گيری اين شبکه ها به همراه روش يادگيری گراديان کاهنده نشان داده شده است.

تمرکز بيشتر بر نوعی از اين شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لايه ميباشد. ابزاهايی نيز برای پياده سازی اين شبکه ها نام برده شده است.

فرمت فایل: PDF

تعداد صفحات:11

برای دانلود فایل اینجا کلیک کنید

تاریخ: برچسب:دانلود مقاله ای در مورد شبکه های عصبی مصنوعی,دانلود مقاله,شبکه های عصبی مصنوعی,ساختار شبکه های عصبی مصنوعی, نرون, طرز کار نرونهای شبکه های عصبی طبيعی,نرونهای شبکه های عصبی طبيعی, مدل مصنوعی نرونها,مدل رياضی نرونها,گراديان کاهنده, شبکه های عصبی مصنوعی پرسپترون چند لايه,گراديان,,