پاورپوینت بررسی شبکه های عصبی مصنوعی

پاورپوینت بررسی شبکه های عصبی مصنوعی در 85 اسلاید زیبا و قابل ویرایش با فرمت pptx

دسته بندی	کامپیوتر و IT
فرمت فایل	pptx
حجم فایل	1590 کیلو بایت
تعداد صفحات فایل	85

دریافت فایل

فروشنده فایل

کد کاربری 7466

تمام فایل ها

پاورپوینت شبکه های عصبی مصنوعی در 85 اسلاید زیبا و قابل ویرایش با فرمت pptx

مقدمه

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد. lیادگیری 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.

شبکه عصبی چیست؟

lروشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود. lشبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.

شبکه عصبی چه قابلیتهائی دارد؟

محاسبه یک تابع معلوم

تقریب یک تابع ناشناخته

شناسائی الگو lپردازش سیگنال

یادگیری

دانلود پاورپوینت شبکه های عصبی مصنوعیپاورپوینت شبکه های عصبی مصنوعیشبکه های عصبی مصنوعیشبکه های عصبیپاورپوینت شبکه های عصبیشبکه های عصبی زیستیمبانی شبکه های عصبی مصنوعیمعرفی شبکه های عصبیشبکه عصبی چیست؟آموزش پرسپترون

پاورپوینت بررسی شبکه های عصبی

پاورپوینت بررسی شبکه های عصبی در 25 اسلاید زیبا و قابل ویرایش با فرمت pptx

دسته بندی	کامپیوتر و IT
فرمت فایل	pptx
حجم فایل	248 کیلو بایت
تعداد صفحات فایل	25

دریافت فایل

فروشنده فایل

کد کاربری 7466

تمام فایل ها

پاورپوینت شبکه های عصبی در 25 اسلاید زیبا و قابل ویرایش با فرمت pptx

مباحث :

آشنایی با شبکه های عصبی زیستی

معرفی شبکه های عصبی مصنوعی(ANNها)

مبانی شبکه های عصبی مصنوعی

توپولوژی شبکه üنرم افزارهای شبکه های عصبی

مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی

فرآیند یادگیری شبکه

تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی

ایده ی اصلی شبکه های عصبی مصنوعی

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر

شبکه های عصبی در مقابل کامپیوترهای معمولی

معایب شبکه های عصبی مصنوعی

کاربردهای شبکه های عصبی مصنوعی

آشنایی با شبکه های عصبی زیستی

vاین شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. vاین شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.back propagation of error)) vیادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

معرفی ANN ها

vیک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند. v vدر این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node ها و اعمال یک الگوریتم آموزشی به آ ن، شبکه را آموزش می دهند . v vدر این حافظه یا شبکه ی عصبی node ها دارای دو حالت فعال(on یا 1) وغیرفعال( off یا 0) اند و هر یال (سیناپس یا ارتباط بین node ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.

vANN ها در واقع مثلثی هستند با سه ضلع مفهومی : .Iسیستم تجزیه و تحلیل داده ها .IIنورون یا سلول عصبی .IIIقانون کار گروهی نورونها (شبکه) ● vANN ها دست کم از دو جهت شبیه مغز انسا ن اند: .Iمرحله ای موسوم به یاد گیری دارند. .IIوزن های سیناپسی جهت ذخیره ی دانش به کار می روند.

vهوش مصنوعی و مدل سا زی شناختی سعی بر این دارند که بعضی خصوصیا ت شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سا زی شناختی ،ساخت مدلهای ریا ضی سیستم های نورونی زیستی می باشد .

دانلود پاورپوینت شبکه های عصبیپاورپوینت شبکه های عصبیشبکه های عصبیشبکه های عصبی زیستیتحقیق درمورد شبکه های عصبیبررسی شبکه های عصبیمعرفی شبکه های عصبیآشنایی با شبکه های عصبیشبکه های عصبی مصنوعیپاورپوینت شبکه های عصبی مصنوعیArtificial Neural Networksمعرفی ANN هافرآیند یادگیری شبکهمبانی ANN ها

دانلود پایان نامه بررسی شبکه های عصبی مصنوعی

دانلود فایل ورد Word پایان نامه بررسی شبکه های عصبی مصنوعی دانلود فایل ورد Word پایان نامه بررسی شبکه های عصبی مصنوعی

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	1502 کیلو بایت
تعداد صفحات فایل	121

مشخصات مقاله:عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعیدسته: فناوری اطلاعات و کامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات پروژه: ۱۲۱

چکیده ای از مقدمه آغازین ” پایان نامه بررسی و معرفی شبکه های عصبی مصنوعی” بدین شرح است:

.

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.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.

بخشی از فهرست مقاله:

مقدمه
هوش مصنوعی
به سوی آینده
تاریخچه
تعریف
تاریخچه و تعاریف سیستم‌های خبره
بعضی از تعاریف سیستم های خبره
تاریخچه سیستم های خبره
الگوریتم ژنتیک
تابع سازگاری(FitnessFunction)
Mutation(جهش ژنتیکی)
مقدمه ای بر سیستم های فازی وکنترل فازی
سیستم‌های فازی چگونه سیستم‌هایی هستند؟
سیستم‌های فازی کجا و چگونه استفاده می‌شوند؟
زمینه‌های تحقیق عمده در تئوری فازی
تاریخچه مختصری از تئوری و کاربردهای فازی
فصل دوم

شبکه های عصبی
مقدمه
ساختار مغز
ساختار نرون
چگونه مغز انسان می آموزد ؟
معنای شبکه های عصبی
قوانین هب
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی
رویای جایگزینی ویژگی های مغز در یک سیستم مصنوعی چقدر ممکن گردیده؟
تاریخچه شبکه‌های عصبی
چرا از شبکه های عصبی استفاده می کنیم؟
شبکه های عصبی در مقابل کامپیوتر های معمولی
مزایا و محدودیت های شبکه عصبی
چه کسانی به شبکه عصبی علاقه‌مند هستند؟
نرم‏افزارها و سخت افزارهای شبکه‏ های عصبی
کاربرد شبکه های عصبی
یکپارچگی منطق فازی و شبکه های عصبی
مدل ریاضی یک نرون

یک نرون ساده

قوانین برانگیختگی

یک نرون پیچیده تر

ساختار شبکه های عصبی

مراحل طراحی شبکه

اهداف شبکه های عصبی

تقسیم بندی شبکه های عصبی

انواع یادگیری برای شبکه های عصبی

توپولوژی شبکه های عصبی

شبکه‏های پیش‏خور (Feed Forward)

شبکه‏ های برگشتی(Recurrent)

پرسپترون چند لایه

Perceptronهای ساده

قدرت Perceptron

دنباله‌های Perceptron

آموزش پر سپترون

الگوریتم یادگیری پرسپترون

قانون پرسپترون

قانون دلتا

روشهای دیگر

شبکه های هاپفید

شبکه‌های دارای پس‌خور

شبکه عصبی ترکیبی المن- جردن

پس انتشار خطا

چند بررسی از کاربرد های شبکه های عصبی

فصل سوم

نتیجه گیری

منابع ومأخذ

مشخصات مقاله:عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعیدسته: فناوری اطلاعات و کامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات پروژه: ۱۲۱

دانلود پیش بینی ارزش افزوده اقتصادی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی ارزش افزوده اقتصادی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی پیش بینی ارزش افزوده اقتصادی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

دسته بندی	علوم انسانی
فرمت فایل	docx
حجم فایل	3793 کیلو بایت
تعداد صفحات فایل	146

پیش بینی ارزش افزوده اقتصادی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

با فرمت ورد وقابل ویرایش

چکیده: 1

مقدمه: 2

فصل اول: کلیات تحقیق 

1-1 مقدمه 4

2-1 تاریخچه مطالعاتی. 4

3-1 بیان مساله 8

4-1 سوالات تحقیق. 9

5-1 فرضیه های پژوهش.. 10

6-1 اهداف تحقیق. 10

7-1 حدود مطالعاتی. 10

1-7-1 قلمرو موضوعی. 10

2-7-1 قلمرو زمانی. 11

3-7-1 قلمرو مکانی. 11

8-1  تعریف واژگان کلیدی و اصطلاحات.. 11

فصل دوم: مروری بر ادبیات تحقیق

1-2 مقدمه 14

2-2 بخش اول: ادبیات پژوهش.. 15

1-2-2 بررسی مفاهیم مربوط به سود 15

2-2-2 بررسی سود نقدی. 15

3-2-2 مفهوم سود در حسابداری. 16

4-2-2 مفهوم سود هر سهم 16

3-2 بررسی مفاهیم مربوط به ارزش افزوده اقتصادی. 17

1-3-2  تاریخچه ارزش افزوده 17

2-3-2 مفهوم ثروت ایجاد شده برای سهام داران. 18

4-2 شاخص های ارزیابی عملکرد 18

5-2 شاخص های مربوط به اجزای سود باقی مانده 19

6-2ارزش افزوده اقتصادی. 19

1-6-2 ارزش افزوده اقتصادی در عمل. 22

2-6-2 تکامل ارزش افزوده اقتصادی. 23

7-2 تعاریف عملیاتی ارزش افزوده اقتصادی. 24

8-2ارزش افزوده اقتصادی از دیدگاه مدیریت مالی. 25

9-2 مدل عایدیها برای محاسبه هزینه سرمایه از محل آورده سهامداران. 27

10-2 مدل تقسم سود با نرخ رشد ثابت.. 29

11-2 محاسبه هزینه ی سرمایه با استفاده از مدل CAPM.. 31

12-2 هزینه تامین منابع مالی از طریق دریافت وام 32

13-2 هزینه تامین منابع مالی از طریق صدور سهام ممتاز. 32

14-2 هزینه تامین منابع پولی از محل سود تقسیم نشده 32

15-2 تجزیه و تحلیل نسبت های مالی. 33

16-2 نسبت های سرمایه گذاری. 37

1-16-2 نسبت دارایی ثابت به ارزش ویژه 37

2-16-2 نسبت بدهی. 37

3-16-2 نسبت بدهی جاری به ارزش ویژه 38

4-16-2 نسبت پوشش بهره 38

17-2 شبکه‌های عصبی. 38

18-2  اجزای شبکه‌های عصبی مصنوعی. 41

1-18-2 عناصر پردازشگر. 41

19-2 شبکه 42

1-19-2 ساختار شبکه 43

20-2 پرسپترون چندلایه 44

21-2 پردازش اطلاعات در شبکه‌های عصبی مصنوعی. 45

22-2 الگوریتم پس‌انتشارخطا 49

23-2 بخش دوم: مروری بر پژوهشها 50

1-23-2 پژوهشهای داخلی. 50

2-23-2 پژوهشهای خارجی. 54

فصل سوم: روش‌ اجرای تحقیق 

1-3 مقدمه 56

2-3 متغیرهای تحقیق. 56

3-3 مدل تحلیلی تحقیق. 57

4-3جامعه آماری. 57

5-3 روش گردآوری اطلاعات.. 60

6-3 روایی و پایایی. 60

7-3 ابزار گردآوری اطلاعات.. 60

8-3 ارزش افزوده اقتصادی یا EVA.. 61

1-8-3 نرخ بازده کلی سرمایه 61

2-8-3 سرمایه Capital 62

3-8-3 نرخ هزینه سرمایه 62

9-3 نسبت های مالی. 65

10-3 رگرسیون. 66

11-3 شبکه عصبی. 66

12-3  روش تجزیه و تحلیل داده‌ها 67

فصل چهارم: تجزیه و تحلیل داده‌ها

1-4 مقدمه‏ 70

2-4 آماده سازی داده ها 71

3-4 محاسبه ارزش افزوده اقتصادی. 79

4-4 پیش بینی با استفاده از رگرسیون. 82

5-4 پیش بینی ارزش افزوده اقتصادی با استفاده از شبکه عصبی. 84

6-4 مقایسه پیش بینی شبکه عصبی و رگرسیون. 88

فصل پنجم: نتیجه‌گیری و پیشنهادات

1-5 مقدمه 93

2-5 نتایج فرضیات.. 93

1-2-5 بررسی فرضیه اول. 93

2-2-5 بررسی فرضیه دوم 95

3-5 نتیجه گیری کلی. 96

4-5 محدودیت های تحقیق. 97

5-5 پیشنهاد برای تحقیقات آتی. 97

پیوست ها 

خروجی ها با استفاده ازنرم افزار مطلب.. 100

منابع و ماخذ 

منابع فارسی: 126

منابع لاتین: 128

چکیده انگلیسی: 130

جدول 1-2 برخی از انواع شبکه‌های عصبی. 44

جدول 1-3 پنجاه شرکت برتر بورس بر اساس سودآوری. 59

جدول 1-3  فرمولهای نسبتهای مالی. 65

جدول 2-3 نسبت های مالی و نماد های آن. 66

جدول 1-4 نسبتهای مالی برای سالهای مختلف  شرکت باما 72

جدول 2-4 نسبتهای مالی برای سالهای مختلف شرکت چادرملو. 73

جدول 3-4 نسبتهای مالی برای سالهای مختلف شرکت اتومبیل ایران. 74

جدول 4-4  نسبتهای مالی برای سالهای مختلف شرکت ایران خدرو دیزل. 75

جدول 5-4 نسبتهای مالی برای سالهای مختلف شرکت پارس خودرو. 76

جدول 6-4 نسبتهای مالی برای سالهای مختلف شرکت سایپا آذین. 77

جدول 7-4 نسبتهای مالی برای سالهای مختلف شرکت سایپا 78

جدول 8-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت باما 79

جدول 9-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت چادرملو. 79

جدول 10-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت قطعات اتومبیل ایران. 80

جدول 11-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت ایران خودرو دیزل. 80

جدول 12-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت پارس خودرو. 81

جدول 13-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت سایپا آذین. 81

جدول 14-4 محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت سایپا 82

جدول 15-4  خروجی spss. 82

جدول 16-4 جدول  اوزان 87

جدول 17-4  مقادیر واقعی و پیش بینی شده 88

جدول 18-4 مقایسه خطای شبکه و خطای رگرسیون خطی. 90

جدول 1-5 بررسی نتایج جدول اوزان. 94

جدول 2-5 جدول خطا ها و فاصله 96

نمودار 1-2 ارزش افزوده 20

نمودار 2-2 ارزش افزوده اقتصادی. 21

نمودار 3-2 اجزای یک عنصر پردازشگر. 42

نمودار 4-2 ساختار ساده شبکه‌های عصبی مصنوعی. 43

نمودار 5-2 ساختار پرسپترون چندلایه (MLP) 45

نمودار 6-2 عملیات یک شبکه عصبی نظارتی. 48

نمودار 1-3 مدل تحلیلی تحقیق. 57

نمودار 2-3 شبکه عصبی مصنوعی. 67

نمودار 1-4 نمودار خطی رگرسیون. 84

نمودار 2-4 نمودار لونبرک- مارکو. 85

نمودار 3-4  نمودار آموزش شبکه عصبی. 86

نمودار 4-4 نمودار نمایانگر پیش بینی شبکه بر اساس داده های ورودی و مقایسه آنها با مقادیر واقعی. 87

نمودار 5-4 نمودار مقایسه ای دو پیش بینی. 91

نمودار 1-5  نمودار پیش بینی نتایج. 95

چکیده:

در این مقاله به دنبال پیش بینی و ارائه راهکاری برای یافتن ارزش افزوده اقتصادی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران هستیم. مبنای پیش بینی های انجام شده در این پژوهش اطلاعات صورت های مالی حسابرسی شده است. داده های مورد استفاده نیز داده های بین سال های 1382 الی 1387 است. پس از انجام محاسبه های لازم با استفاده از رگرسیون به پیش بینی ارزش افزوده اقتصادی می پردازیم. همین پیش بینی را با استفاده از شبکه های عصبی مصنوعی انجام می دهیم و پیش بینی های صورت گرفته را با واقعیت مقایسه می کنیم که در پایان این پژوهش دیده می شود پیش بینی های صورت گرفته با استفاده از شبکه های عصبی مصنوعی عملکرد بهتری نسبت به رگرسون خطی دارند.

واژگان  کلیدی : شبکه عصبی، ارزش افزوده اقتصادی، نسبت های مالی

مقدمه:

با ظهور شرکت‌های بزرگ و شکل گیری مبحث عظیم جدائی مالکیت از مدیریت و ایجاد یک تضاد منافع عظیم بین مالکان و مدیران ارزیابی عملکرد شرکت‌ها و مدیران و رهبران آنها از موضوعات مورد توجه اقشار مختلف مثل اعتباردهندگان، مالکان دولت و حتی مدیران است. همچنین با توجه به جدائی مالکیت از مدیریت ایجاد ارزش و افزایش ثروت سامداران از جمله مهمترین اهداف شرکتها به شمار می‌رود. و افزایش ثروت در نتیجه علمکرد مطلوب حاصل خواهد شد. بنابراین استفاده کنندگان به دنبا شاخصی هستند تا بتوانند میزان رسیدن به مهمترین هدف شرکت را تعیین کنند. از نظر سهامداران نیز میزان افزایش ثروت چه از طریق افزایش قیمت و ارزش شرکت و چه از طریق سود نقدی حائز اهمیت است. اما آنچه که بیشتر اهمیت دارد از دید سرمایه گذاران است. زیرا این قشر حاضر نیستند که در شرکت‌های با مخاطره بالا سرمایه گذاری کنند و لذا اگر هم چنانچه این کار را انجام دهند، به ازای ریسک بیشتر، بازدهی بیشتر مورد انتظار خواهد بود. بنابراین آنها نیز بدنبال شاخصی برای ارزیابی عملکرد شرکتها هستند تا بتوانند تصمیم به سرمایه گذاری بگیرند.

دانلود پاورپوینت بررسی شبکه های عصبی مصنوعی

پاورپوینت بررسی شبکه های عصبی مصنوعی پاورپوینت بررسی شبکه های عصبی مصنوعی در 85 اسلاید زیبا و قابل ویرایش با فرمت pptx

دسته بندی	کامپیوتر
فرمت فایل	pptx
حجم فایل	1590 کیلو بایت
تعداد صفحات فایل	85

پاورپوینت بررسی شبکه های عصبی مصنوعی

مقدمه

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد. lیادگیری 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.

شبکه عصبی چیست؟

lروشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی  ساخته میشود. lشبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که مجموعه ورودی را به خروجی ربط میدهند.

شبکه  عصبی چه قابلیتهائی دارد؟

محاسبه یک تابع  معلوم

تقریب یک تابع ناشناخته

شناسائی الگو lپردازش  سیگنال

یادگیری