آشنایی با شبکه‌های عصبی و مصنوعی

اختصاصی از یاری فایل آشنایی با شبکه‌های عصبی و مصنوعی دانلود با لینک مستقیم و پر سرعت .

آشنایی با شبکه‌های عصبی و مصنوعی

86 صفحه قابل ویرایش 

قیمت فقط 8000 تومان 

چکیده

          امروزه شبکه‌های عصبی کاربردهای مختلف و دارای دامنه‌ی کاربرد وسیعی می‌باشند و می‌توان کاربردهای شبکه‌های عصبی را به صورت زیر دسته بندی کرد :

تناظر (شبکه الگوهای مغشوش و به هم ریخته را بازشناسی می‌کند)، خوشه‌یابی، دسته بندی، شناسایی، بازسازی الگو، تعمیم دهی (به دست آوردن یک پاسخ صحیح برای محرک ورودی که قبلاً به شبکه‌ی آموزش داده نشده)، بهینه سازی. در این فصل چند مورد از این کاربردها را بررسی می‌کنیم و از ایده‌هایی که افراد، درباره‌ی شبکه‌های عصبی داشته‌اند استفاده می‌کنیم.

فهرست مطالب

فصل اول شبکه‌های عصبی مصنوعی و شبکه‌های عصبی 1

مقدمه. 2

1-1 شبکه عصبی.. 2

1-2 شبکه‌های عصبی زیستی.. 3

1-3 ساختار مغز. 3

1-3-1 از ویژگی‌های چشمگیر شبکه‌ی عصبی مغز می‌توان به موارد ذیل اشاره نمود 4

1-4 چگونه مغز انسان می‌آموزد؟ 4

1-5 معرفی شبکه‌ی عصبی مصنوعی 5

1-6 معنای شبکه‌های عصبی 6

1-7 تاریخچه‌ی شبکه‌های عصبی.. 8

1-8 سلول عصبی مصنوعی.. 10

1-9 از سلول‌های عصبی انسانی تا سلول‌های عصبی مصنوعی.. 10

1-10 رویای جایگزینی ویژگی‌های مغز در یک سیستم مصنوعی چقدر ممکن گردیده؟ 11

1-11 انگیزه‌های بیولوژیکی 12

1-12 تشابهات شبکه‌ی عصبی مصنوعی و طبیعی 14

1-13 انتظارات، از شبکه‌ی عصبی مصنوعی.. 14

1-14 قابلیت یادگیری 14

1-15 قابلیت تعمیم 15

1-16 پردازش موازی ............................................................................................................................................ 15

1-17 مقاوم بودن 15

1-18 چرا از شبکه‌های عصبی مصنوعی استفاده می‌کنیم؟ 16

1-19 مزایا و محدودیت‌های شبکه‌ی عصبی.. 17

1-20 معایب شبکه‌های عصبی.. 17

1-21 چه کسانی به شبکه‌ی عصبی علاقه‌مند هستند؟ 18

1-22 شبکه‌های عصبی در مقابل کامپیوترهای معمولی 18

1-23 نرم‏افزارها و سخت افزارهای شبکه‏های عصبی 19

1-23-1 معرفی نرم افزارهایی برای شبیه سازی، مطالعه و تحقیق سیستم‌های عصبی زیستی و گسترش شبکه‌های عصبی مصنوعی و Adaptive system‌ ها 19

1-23-2 سخت افزار شبکه‌های عصبی مصنوعی 21

فصل دوم کاربرد شبکه‌های عصبی.. 23

مقدمه 24

2-1 کاربرد شبکه‌های عصبی.. 24

2-1-1 طبقه بندی، شناسایی و تشخیص الگو: 25

2-1-2 پردازش سیگنال.. 26

2-1-3 پیش بینی سری‌های زمانی 26

2-1-4 مدل‌سازی و کنترل 26

2-1-5 بهینه سازی 27

2-1-6 سیستم‌های خبره و فازی 27

2-1-7 مسایل مالی، بیمه، امنیتی، بازار بورس و وسایل سرگرم کننده 27

2-1-8 ساخت وسایل صنعتی، پزشکی و امور حمل و نقل 72

2-2 یکپارچگی منطق فازی و شبکه‌های عصبی.. 28

 جمع بندی 32

فصل سوم مفاهیم شبکه‌های عصبی مصنوعی.. 33

مقدمه 34

3-1 ساختار نرون 34

3-1-1 اجزای تشکیل دهنده‌ی نرون های بیولوژیکی 34

  3-1-2 نرون McCulloch-Pitts. 35

  3-2 شبکه‌های عصبی مصنوعی 36

3-3 مدل سازی 37

3-4 مدل ریاضی یک نرون.. 37

3-5 یک نرون ساده 38

3-5-1 قوانین برانگیختگی.. 39

3-5-2 یک مثال- شناسایی الگو 40

3-6 یک نرون پیچیده‌تر 14

3-7 ساختار شبکه‌های عصبی 14

3-8 مراحل طراحی شبکه. 43

3-9 اهداف شبکه‌های عصبی 44

3-9-1 طبقه بندی ……………………………………………………………………….. 44

3-9-2 تخمین تابع.. 44

3-9-3 پیشگویی 44

3-9-4 خوشه کردن 45

جمع بندی 45

فصل چهارم آموزش و یادگیری شبکه‌های عصبی مصنوعی 46

 مقدمه 47

4-1 تقسیم بندی شبکه‌های عصبی.. 47

4-1-1 وزن ثابت 48

4-1-2 آموزش بدون سرپرست... 48

4-1-3 آموزش با سرپرست... 48

4-1-4 آموزش تقویت یافته 49

4-2 انواع یادگیری برای شبکه‌های عصبی 50

4-2-1 یادگیری با ناظر. 50

4-2-2 یادگیری تشدیدی 51

4-2-3 یادگیری بدون ناظر 51

4-2-4 یادگیری رقابتی 52

4-3 قانون دلتا 52

4-4 قوانین آموزش هب 52

4-5 برنامه و آموزش شبکه‌های عصبی مصنوعی به روش پس انتشار خطا 54

4-6 قدرت تفکیک شبکه‌های عصبی مصنوعی 54

4-7 مثالی برای شبکه عصبی مصنوعی 56

جمع بندی 57

فصل پنجم الگوهای مختلف شبکه‌های عصبی مصنوعی.. 58

مقدمه 59

5-1 توپولوژی شبکه‌های عصبی 59

5-1-1 شبکه‏های پیش‏خور 59

5-1-2 شبکه‏های برگشتی 60

5-2 چند نوع از الگوهای شبکه‌های عصبی 61

5-2-1 مدل مک کلاچ-پیتز 61

5-2-2 مدل پرسپترون 61

5-2-2-1 پرسپترون چند لایه 62

5-2-2-2 پرسپترون های ساده 62

5-2-2-3 قدرت پرسپترون 63

5-2-2-4 دنباله‌های پرسپترون 63

5-2-2-5 قضیه بنیادی دنباله‌ها 64

5-2-3 آموزش پرسپترون 65

5-2-3-1 قانون پرسپترون 66

5-2-3-2 قانون دلتا 66

جمع بندی 67

فصل ششم تشخیص شماره‌ی پلاک خودرو توسط تکنیک‌های پردازش تصویر و شبکه‌های عصبی   68

مقدمه. 69

6-1 تشخیص محل پلاک 72

6-2 جداسازی نویسه‌ها و آماده‌سازی ورودی‌های شبکه‌ی عصبی 75

6-3 شناسائی نویسه‌های پلاک... 76

6-3-1 تشخیص نویسه‌ها توسط شبکه‌ی عصبی 77

6-3-2 پس پردازش و تشخیص نهایی حروف.. 80

جمع بندی 82

نتیجه گیری 83

منابع و مأخذ 85

فهرست اشکال

فصل اول

شکل 1-1 ساختار مغز 3

 شکل 1-2 سلول‌های عصبی مصنوعی 11

 شکل 3-1 مقاوم بودن 15

فصل سوم

شکل 3-1 اجزای تشکیل دهنده‌ی نرون های بیولوژیکی 1. 35

شکل 3-2 اجزای تشکیل دهنده‌ی نرون های بیولوژیکی 2. 35

شکل 3-3 نمایی از یک شبکه عصبی مصنوعی 36

شکل 3-4 ساختار یک نرون مصنوعی 38

شکل 3-5 یک نرون ساده 38

شکل 3-6 شناسایی الگو. 40

شکل 3-7 یک نرون پیچیده‌تر. 41

 شکل 3-8 ساختار شبکه‌های عصبی.. 42

شکل 3-9 پیشرو 43

فصل چهارم

شکل 4-1 آموزش بدون سرپرست... 49

شکل 4-2 آموزش با سرپرست... 49

شکل 4-3 شبکه تک لایه 56

فصل پنجم

شکل (5-1) مدل مک کلاچ-پیتز 61

فصل ششم

شکل 6-1 چند پلاک استاندارد. 70

شکل 6-2 تنوع پلاک‌ها در کشور 70

شکل 6-3 الگوریتم پیشنهاد. 71

شکل 6-4 تکنیک tophat-bothar 74

شکل 6-5 تصویر یک پلاک نویزگیری شده 75

شکل 6-6 حروف.. 77

شکل 6-7 نمودار اختلاف انحراف استاندارد الگوهای حروف فارسی.. 78

شکل 6-8 :نمودار اصلاح میزان تابع بهینگی MSE مربوط به آموزش شبکه عصبی تشخیص الگوهای حروف.. 80

فهرست جداول

فصل سوم

جدول 3-1 قبل از اعمال قوانین برانگیختگی.. 39

جدول 3-2 با اعمال قوانین برانگیختگی.. 40

فصل ششم

جدول 6-1 مقادیر تعیین شده برای برخی از پارامترها 78

جدول 6-2 تأثیر تعداد نرون های لایه‌ی نهان در میزان دقت تشخیص شبکه. 79

جدول 6-3 تأثیر توابع انتقال لایه‌های نهان و خروجی در میزان دقت تشخیص شبکه. 79

جدول 6-4 تأثیر قاعده‌ی یادگیری در میزان دقت شبکه. 80