همیار دانشجو |
پایان نامه شبکه های عصبی مصنوعی doc در قالب ورد قابل ویرایش و پرینت در 121 صفحه به صورت کامل.تنها با پرداخت مبلغ 6900 تومان بلافاصله این پایان نامه را دانلود نمایید.
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 :
مقدمه7
هوش مصنوعی7
به سوی آینده8
تاریخچه9
تعریف9
تاریخچه و تعاریف سیستمهای خبره13
بعضی از تعاریف سیستم های خبره14
تاریخچه سیستم های خبره14
الگوريتم ژنتيك16
تابع سازگاری(FitnessFunction)20
Mutation(جهش ژنتیكی)21
مقدمه ای بر سیستم های فازی وکنترل فازی25
سيستمهاي فازي چگونه سيستمهايي هستند؟26
سيستمهاي فازي كجا و چگونه استفاده ميشوند؟27
زمينههاي تحقيق عمده در تئوري فازي27
تاريخچه مختصري از تئوري و كاربردهاي فازي28
فصل دوم
شبکه های عصبی32
مقدمه 32
ساختار مغز33
ساختار نرون34
چگونه مغز انسان می آموزد ؟37
معنای شبکه های عصبی38
قوانین هب40
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی41
رويای جايگزينی ويژگی های مغز در يک سيستم مصنوعی چقدر ممکن گرديده؟41
تاريخچه شبكههاي عصبي42
چرا از شبکه های عصبی استفاده می کنیم؟44
شبکه های عصبی در مقابل کامپیوتر های معمولی46
مزايا و محدوديت هاي شبكه عصبي45
چه کسانی به شبکه عصبی علاقهمند هستند؟45
نرمافزارها و سخت افزارهاي شبكههاي عصبي47
کاربرد شبکه هاي عصبي49
یکپارچگی منطق فازی و شبکه های عصبی52
مدل ریاضی یک نرون 55
یک نرون ساده56
قوانین برانگیختگی57
یک نرون پیچیده تر59
ساختار شبکه های عصبی60
مراحل طراحی شبکه61
اهداف شبکه های عصبی62
تقسیم بندی شبکه های عصبی63
انواع یادگیری برای شبکه های عصبی65
توپولوژی شبکه های عصبی67
شبكههاي پيشخور (Feed Forward)67
شبكههاي برگشتي(Recurrent)67
پرسپترون چند لایه68
Perceptronهای ساده69
قدرت Perceptron69
دنبالههای Perceptron70
آموزش پر سپترون72
الگوریتم یادگیری پرسپترون72
قانون پرسپترون72
قانون دلتا73
روشهای دیگر73
شبکه های هاپفید74
شبكههاي داراي پسخور76
شبکه عصبي ترکيبي المن- جردن81
پس انتشار خطا85
چند بررسی از کاربرد های شبکه های عصبی87
فصل سوم
نتیجه گیری110
منابع ومأخذ112
جهت دانلود پایان نامه شبکه های عصبی مصنوعی از لینک زیر اقدام نمایید.