پایان نامه شبکه های عصبی مصنوعی doc

پایان نامه شبکه های عصبی مصنوعی doc در قالب ورد قابل ویرایش و پرینت در ۱۲۱ صفحه به صورت کامل.تنها با پرداخت مبلغ ۶۹۰۰ تومان بلافاصله این پایان نامه را دانلود نمایید.

پایان نامه شبکه های عصبی مصنوعی

قسمی از پایان نامه :

هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، وجه‌المصالحه مقاوم بودن، منعطف‌بودن و سهولت پیاده‌سازی قرار می‌گیرد.

مولفه‌های مهم و اساسی CI ، شبکه‌های عصبی )محاسبات نورونی(، منطق فازی) محاسبات تقریبی( و الگوریتم ژنتیک) محاسبات ژنتیکی(است، که هر یک به نوعی مغز را الگو قرار داده‌اند. شبکه‌های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می‌کنند. ‍‍‌

هوش مصنوعی:
در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند.جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.

 پایان نامه شبکه های عصبی مصنوعی doc

آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون)به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.

شبکه های عصبی مصنوعی :
سیستم شبکه عصبی این کار را از طریق ارزشگذاری کمی برای ارتباطات سیگنالها بین نرونها انجام میدهد مکانیسم ارزشگذاری توسط مقاومتها با تقویت یا تضعیف پالسها انجام میشود.چون شبکه های عصبی میلیونها نرون دارند خرابی تعدادی از آنها تاثیر چندانی برعملکرد سیستم نمی گذارد تا کنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند مثلاًدر بررسی های زیست محیطی، شبکه های عصبی برای جمع آوری و تحلیل اطلاعاتی که از راه دور حس شده اند مورد استفاده قرار می گیرند اطلاعاتی که اغلب سفینه ها مخابره می کنند بسیار حجیم است.

شبکه های عصبی این اطلاعات را به راحتی دسته بندی کرده وپس از جمع آوری اطلاعات ذهنی و تجسمی نتایج جالبی به دست می آورند (مثلاًتشخیص انواع خاصی از ابرها) البته این فرایند با آنچه سیستم های خبره انجام می دهند متفاوت است زیرا این سیستم ها ابزارهای تصمیم سازی هستند و می توانند حجم زیادی از اطلاعات را به سرعت تحلیل کنند شبکه های عصبی برای مدل سازی فرایندهای فکری مغزی که زمینه ی دیگری برای مطالعات حساس به اطلاعات و پیچیدگی است مورد استفاده قرار گرفته است.

فهرست مطالب :

مقدمه۷
هوش مصنوعی۷
به سوی آینده۸
تاریخچه۹
تعریف۹
تاریخچه و تعاریف سیستم‌های خبره۱۳
بعضی از تعاریف سیستم های خبره۱۴
تاریخچه سیستم های خبره۱۴
الگوريتم ژنتيك۱۶
تابع سازگاری(FitnessFunction)20
Mutation(جهش ژنتیكی)۲۱
مقدمه ای بر سیستم های فازی وکنترل فازی۲۵
سيستم‌هاي فازي چگونه سيستم‌هايي هستند؟۲۶
سيستم‌هاي فازي كجا و چگونه استفاده مي‌شوند؟۲۷
زمينه‌هاي تحقيق عمده در تئوري فازي۲۷
تاريخچه مختصري از تئوري و كاربردهاي فازي۲۸

فصل دوم

شبکه های عصبی۳۲
مقدمه ۳۲
ساختار مغز۳۳
ساختار نرون۳۴
چگونه مغز انسان می آموزد ؟۳۷
معنای شبکه های عصبی۳۸
قوانین هب۴۰
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی۴۱
رويای جايگزينی ويژگی های مغز در يک سيستم مصنوعی چقدر ممکن گرديده؟۴۱
تاريخچه شبكه‌هاي عصبي۴۲
چرا از شبکه های عصبی استفاده می کنیم؟۴۴
شبکه های عصبی در مقابل کامپیوتر های معمولی۴۶
مزايا و محدوديت هاي شبكه عصبي۴۵
چه کسانی به شبکه عصبی علاقه‌مند هستند؟۴۵
نرم‏افزارها و سخت افزارهاي شبكه‏هاي عصبي۴۷
کاربرد شبکه هاي عصبي۴۹
یکپارچگی منطق فازی و شبکه های عصبی۵۲
مدل ریاضی یک نرون ۵۵
یک نرون ساده۵۶
قوانین برانگیختگی۵۷
یک نرون پیچیده تر۵۹
ساختار شبکه های عصبی۶۰
مراحل طراحی شبکه۶۱
اهداف شبکه های عصبی۶۲
تقسیم بندی شبکه های عصبی۶۳
انواع یادگیری برای شبکه های عصبی۶۵
توپولوژی شبکه های عصبی۶۷
شبكه‏هاي پيش‏خور (Feed Forward)67
شبكه‏هاي برگشتي(Recurrent)67
پرسپترون چند لایه۶۸
Perceptronهای ساده۶۹
قدرت Perceptron69
دنباله‌های Perceptron70
آموزش پر سپترون۷۲
الگوریتم یادگیری پرسپترون۷۲
قانون پرسپترون۷۲
قانون دلتا۷۳
روشهای دیگر۷۳
شبکه های هاپفید۷۴
شبكه‌هاي داراي پس‌خور۷۶
شبکه عصبي ترکيبي المن- جردن۸۱
پس انتشار خطا۸۵
چند بررسی از کاربرد های شبکه های عصبی۸۷

فصل سوم

نتیجه گیری۱۱۰

منابع ومأخذ۱۱۲

جهت دانلود پایان نامه شبکه های عصبی مصنوعی از لینک زیر اقدام نمایید.

تعداد صفحات نوع فایل قیمت
121 WORD 6,900 تومان

پایان نامه شبکه های عصبی مصنوعی doc



لینک دانلود فایل خریداری شده بلافاصله بعد از پرداخت نمایش داده می شود.
اشتراک در
اطلاع از

0 Comments
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها