تمامی فایل های آپلود شده در فایلود، توسط کاربران در سایت قرار داده شده است و فایلود هیچ مسئولیتی را نمی پذیرد. در صورتی که مالک قانونی فایلی هستید و بدون مجوز شما انتشار داده شده است، با ما تماس بگیرید.

پایان نامه شبکه های عصبی

پایان نامه شبکه های عصبی؛ چکيده : در اين نوشتار به معرفي شبکه هاي عصبي مصنوعي[1] و ساختارهاي آنها به صورت خلاصه ميپردازيم. در ابتدا نرونهاي شبکه هاي عصبي طبيعي معرفي شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعي اين نرونها و ساختار آنها ، مدل رياضي آنها ، شبکه هاي عصبي مصنوعي و نحوه آموزش و ب

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 2654 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: docx

تعداد صفحات: 115

حجم فایل:2,236 کیلوبایت

  پرداخت و دانلود  قیمت: 20,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • چکيده :
    در اين نوشتار به معرفي شبکه هاي عصبي مصنوعي[1] و ساختارهاي آنها به صورت خلاصه ميپردازيم. در ابتدا نرونهاي شبکه هاي عصبي طبيعي معرفي شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعي اين نرونها و ساختار آنها ، مدل رياضي آنها ، شبکه هاي عصبي مصنوعي و نحوه آموزش و بکار گيري اين شبکه ها به همراه روش يادگيري گراديان کاهنده نشان داده شده است. تمرکز بيشتر بر نوعي از اين شبکه ها بنام شبکه هاي عصبي مصنوعي پرسپترون چند لايه ميباشد.  ابزاهايي نيز براي پياده سازي اين شبکه ها نام برده شده است.

    فهرست:
    چكيده    
    مقدمه     
    شكل 1 ساختار يك نورون طبيعي    
    شكل 2 ساختار نورون مصنوعي     
    تعريف شبكه‌هاي عصبي مصنوعي     
    تاريخچه     
    انواع شبكه‌هاي عصبي مصنوعي     
    شبكه عصبي زيستي     
    معرفي شبكه عصبي مصنوعي     
    تاريخچه شبكه عصبي مصنوعي     
    چرا از شبكه هاي عصبي استفاده مي‌كنيم؟     
    مقايسه‌ي شبكه هاي عصبي با كامپيوتر سنتي     
    نورون مصنوعي     
    ساختار شبكه‌هاي عصبي     
    تقسيم بندي شبكه‌هاي عصبي     
    كاربرد شبكه‌هاي عصبي     
    معايب شبكه‌هاي عصبي     
    نظريه‌ي تشديد انطباقي     
    مدل يادگيري     
    روش‌هاي تعليم شبكه عصبي     
    مدل نرون ساده‌ي خطي     
    شكل 3 نرون ساده خطي     
    شكل 4 مدل نرون خطي به همراه تابع فشرده‌سازي    
    تکنیک های تعیین پارامترهای نرون خطی     
    شبکه‌های پرسپترون چندلایه     
    شکل5 نمونه ازشبکه پرسپترون     
    الگوریتم یادگیری شبکه های پرسپترون (انتشاربه عقب)     
    انتشار به عقب خطا     
    تصحیح اوزان وبایاسها     
    شبکه های عصبی مصنوعی     
    مغزانسان     
    سلولهای عصبی     
    سلول عصبي مصنوعي     
    شبکه عصبی مصنوعی     
    شناخت حروف توسط شبکه های عصبی     
    تشکیل شبکه عصبی     
    ایجادلایه    file input    
    ایجادیک لایه خطي     
    ایجادلایه  winery take all     
    تقسیم بندی الگوهابه سه دسته     
    آموزش شبکه     
    تست کردن شبکه     
    امتحان با مثالهای جدید     
    تشخیص دیجیتال با استفاده ازشبکه عصبی      
    نتیجه گیری    
    کلمات کلیدی     
    مقدمه     
    کارمرتبط     
    شکل1مثالهای شکلهای مختلف درعدد 4     
    شکل2سناریوی تشخیص عددبا شبکه مصنوعی     
    زیرساخت     
    اجزای سیستم     
    موادوروشها     
    پیش پردازش     
    نرمالسازی قیاس بندی     
    نازی سازی وچارچوب بندي     
    جداسازی    
    استخراج مشخصه        
    تشخیص وکلاس بندی
    شکل 4 شبکه دولایه،یک لایه مخفی،ویک لایه خروجی         
    کد الگوریتم           
    شکل5شبکه سه لایه، 2 لایه مخفی ویک لایه خروجی    
    آموزش شبکه        
    مرحله تغذیه جلویی    
    شکل6تابع راندمان اموزش    
    نتایج و مباحث        




    برچسب ها: شبکه هاي عصبي مصنوعي شبکه هاي عصبي Artificial Neural networks Multi layered Perceptron Gradient descent دانلود تحقیق شبکه ها عصبی تحقیق شبکه عصبی مقاله شبکه عصبی ترجمه مقاله شبکه عصبی پایان نامه شبکه عصبی پروپوزال شبکه عصبی آموزش شبکه عصبی
  • در ساليان اخير شاهد حرکتي مستمر از تحقيقات صرفا تئوري به تحقيقات کاربردي بخصوص در زمينه پردازش اطلاعات ، براي مسائلي که براي آنها راه حلي موجود نيست و يا براحتي قابل حل نيستند بوده ايم. با عنايت به اين امر ، علاقه اي فزاينده اي در توسعه تئوريکي سيستمهاي ديناميکي هوشمند مدل آزاد[2] -که مبتني بر داده هاي تجربي ميباشند – ايجاد شده است. ANN ها جزء اين دسته از سيستمهاي مکانيکي قرار دارند که با پردازش روي داده هاي تجربي ، دانش يا قانون نهفته در وراي داده ها را به ساختار شبکه منتقل ميکنند.به همين خاطر به اين سيستمها هوشمند گفته ميشود ، زيرا بر اساس محاسبات روي داده هاي عددي يا مثالها ، قوانين کلي را فرا ميگيرند.اين سيستمها در مدلسازي ساختار نرو-سيناپتيکي[3] مغز بشر ميکوشند.
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد سازماندهی ثبت شده است.

درباره ما

فایلود صرفا یک طرح کارآفرینی مشارکتی است با هدف درآمد زایی برای دانش آموزان، دانشجویان، محققان و کاربران اینترنتی (تاسیس: سال 1392)

  • 1385 454 0937
  • info@fiload.ir

با همکاری:

logo-samandehi
تمام حقوق این سایت محفوظ است. کپی برداری پیگرد قانونی دارد. طراحی و پیاده سازی وبتینا
نماد اعتماد الکترونیک

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.