یاری فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

یاری فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

تحقیق درباره شبکه عصبی

اختصاصی از یاری فایل تحقیق درباره شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 26

 

شبکه عصبی

مقدمه

در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفاً تئوری به تحقیقات کاربردی در پردازش اطلاعات برای مسائلی که راه حلی برای آنها موجود نیست بوده ایم. با توجه به این حقیقت توجه زیادی به توسعه تئوریک سیستمهای دینامیکی هوشمند مدل- آزاد بر اساس داده های تجربی وجود دارد. شبکه های عصبی مصنوعی جزء آن دسته از سیستم های دینامیکی قرار دارند که با پردازش بر روی داده های تجربی دانش در ورای داده ها را به ساختار شبکه منتقل می کند. پیاده سازی ویژگیهای مغز در یک سیستم مصنوعی همیشه مورد توجه مطلوب بوده است کافی نبودن دانش موجود خود سبب انگیزش و پژوهش های بیشتر در این زمینه بوده و خواهد بود.

مبحث Pattern Fecognation شناسایی الگو را می توان به سه صورت زیر ارائه کرد:

آماری Statistical

فازی Fuzzy

شبکه های عصبی Neural Network

در روش آماری درصد خطا بالا می باشد به همین دلیل در پروژه فوق از دو روش Fuzzy و Neural Network استفاده شده که شبکه طراحی شده به Fuzzy Min- Max Classification Neural Network معروف می باشد که در آن درصد خطا بسیار پائین می باشد.

بدلیل اینکه ابتدا الگوهای ورودی با استفاده از مجموعه های فازی در گروههای خود تنظیم می شوند و سپس با استفاده از شبکه عصبی خرجی مطلوب را بدست می دهد.

انگیزه های بیولوژیکی شبکه های عصبی

مغز به عنوان یک سیستم پردازش اطلاعاتی با ساختار موازی از 100 تریلیون و نرون به هم مرتبط با تعداد کل ارتباط تشکیل شده است نرونها ساده ترین واحد ساختار سیستم های عصبی هستند. بافتهایی که عصب نامیده می شوند اجتماعی از نرونها می باشند. این نرونها اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل می کنند پیامها از نوع ایمپالسهای الکتروشیمیایی هستند.

بیشترین تعداد نرونها در مغز و مابقی در نخاع و سیستم های عصبی جانبی تمرکز یافته اند گرچه همگی نرونها کارکرد یکسانی دارند ولی اندازه و شکل آنها بستگی به محل قرار گیری آنها در سیستم عصبی دارد. بیشتر نرونها از سه قسمت اساسی تشکیل شده اند.

بنده سلول: که شامل هسته و قسمت های حفاظتی دیگر می باشد.

دندریت

اکسون

که دندریت ها و اکسون ها عناصر ارتباطی نرون را تشکیل می دهند.

دندریتها به عنوان مناطق دریافت سیگنالهای الکتریکی، شبکه هایی تشکیل یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه های انشعابی بیش مار می باشند پیامهای عصبی تنها به صورت یکطرفه حرکت می کنند: از دندریتها به بدنه سلول و سپس به اکسون.

هر اکسون به طور فیزیکی از سلولهای مجاور توسط یک فاصله کوچک موسوم به سیناپس جدا می شود. وقتی که یک پتانسیل تحریک به انتهای یک اکسون می رسد، موجب آزاد شدن یک ماده شیمیایی بنام انتقال دهنده نرونی از انتهای اکسون می شود پس از نفوذ در سیناپسها، گیرنده ی سلولهای مجاور را فعال می کند.

شبکه های عصبی مصنوعی

مقدمه

در این بخش مدل ساده از یک نرون واقعی و سپس ساختارهای مختلف شبکه های عصبی مصنوعی ارائه خواهد شد.


دانلود با لینک مستقیم


تحقیق درباره شبکه عصبی

فایل پاوپوینت فصل یازدهم»: دستگاه عصبی بدن .

اختصاصی از یاری فایل فایل پاوپوینت فصل یازدهم»: دستگاه عصبی بدن . دانلود با لینک مستقیم و پر سرعت .

فایل پاوپوینت فصل یازدهم»: دستگاه عصبی بدن .


فایل پاوپوینت فصل یازدهم»: دستگاه عصبی بدن .

دانلود پاوپوینت فصل یازدهم»: دستگاه عصبی بدن 

فرمت فایل: پاورپوینت

تعداد اسلاید: 9

 

 

 

 

uدستگاه عصبی

uدستگاه عصبی مرکزی یا سامانه عصبی مرکزی بزرگترین بخش دستگاه عصبی است و دربرگیرنده مغز و طناب نخاعی است. مغز و نخاع توسط سازههای استخوانی و غشایی محافظت میشوند. مغز در محفظه درونی جمجمه نگهداری میشود و از مخ، مخچه و ساقه مغز تشکیل میگردد.رشتههای عصبی مربوط به سامانهٔ عصبی مرکزی، رشتههای عصبی نخاعی و مغزی هستند.دستگاه عصبی مرکزی را میتوان به دو بخش مراکز زیرین (دربرگیرنده نخاع و ساقه مغز) و بالایی مغز بخش کرد. مراکز زیرین با مغز از راه رشتههای عصبی در پیوند هستند.دستگاه عصبی مرکزی به همراه دستگاه عصبی پیرامونی، نقش بنیادینی در کنترل رفتار انسان دارد.

u دستگاه عصبی مرکزی پردازش اطلاعات و محاسبه حرکت مناسب در پاسخ به دریافت ورودی را بر عهده  دارد.


دانلود با لینک مستقیم


فایل پاوپوینت فصل یازدهم»: دستگاه عصبی بدن .

مقاله بهبود سرعت یادگیری شبکه های عصبی

اختصاصی از یاری فایل مقاله بهبود سرعت یادگیری شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

مقاله بهبود سرعت یادگیری شبکه های عصبی


مقاله بهبود سرعت یادگیری شبکه های عصبی

دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی 25 ص فرمت word 

 

 

 

 

 

مقدمه

شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.

الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.

عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.

علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:

- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا    می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- سرعت همگرایی الگوریتم BP، خیلی آهسته است.

از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.

در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.


دانلود با لینک مستقیم


مقاله بهبود سرعت یادگیری شبکه های عصبی

دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی

اختصاصی از یاری فایل دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی


دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی

دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی

فرمت فایل: پاورپوینت

تعداد اسلاید:  30

 

 

 

 

هر چه که یاد می گیرید وهرچه که به خاطر می سپارید، توسط مغز شما انجام می شود. بعلاوه، مغز به قلب، معده، کلیه ها ، ماهیچه ها واندم های دیگر بدن دستور می دهد که کار خود را به اندازه و به موقع انجام دهند.

هیچ کاری در بدن شما بدون دستور مغز یا نخاع انجام نمی شود.

}نزدیک بینی ودوربینی:
}در داخل پرده درونی چشم ( ساختمان بینایی ما) سلول های عصبی ویژه ای وجود دارد که در مقابل نور حساس هستند پیامی که این سلول ها به مخ می فرستد باعث می شود که نور، رنگ و شکل اشیاء را تشخیص بدهیم.
}اگر افراد فقط نزدیک را خوب ببینند به آنها نزدیک بین گفته

 می شود، بعضی دیگر هم اجسام دور را خوب می بینند و به آنها دوربین گفته می شود.

}
}با استفاده از عدسی های مخصوص می توان هر دو عیب را برطرف کرد.

دانلود با لینک مستقیم


دانلود پاورپوینت فصل شم دستگاه عصبی واندام های حسی

دانلود مقاله پیرامون سیستم های مبتنی بر شبکه عصبی

اختصاصی از یاری فایل دانلود مقاله پیرامون سیستم های مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

سیستم های مبتنی بر شبکه عصبی

47صفحه

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌هایمحاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایدهاصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهکارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپسها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسونها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، "PE" ها (عناصر پردازش) یاواحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح"شبکه‎های عصبی" اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
اگر یک شبکه را هم‌ارز با یک گراف بدانیم، فرآیند آموزش شبکه تعیین نمودن وزن هر یال و bias اولیهخواهد بود.

 

 

                                   


دانلود با لینک مستقیم


دانلود مقاله پیرامون سیستم های مبتنی بر شبکه عصبی