شبکه های عصبی مصنوعی
کامپیوتر شبکه های عصبی مصنوعی
537 reviews

شبکه های عصبی مصنوعی

این محصول به صورت فایل می باشد و پس از پرداخت موفق توسط شما بلافاصله قابلیت دانلود دارد. پس از خرید محصول بلافاصله لینک دانلود برای شما نمایش داده شده و به نشانی ایمیل شما نیز ارسال می گردد.

قیمت قبلی : 150,000 ریال
قیمت : 70,000 ریال
مقدار تغییر قیمت : 80,000 ریال (53%)


فرمت پروژه : Word
تعداد صفحات : 36
سایز فونت : 12
خرید پروژه

چکیده
مقدمه
شبکه عصبی چیست؟
شبکه عصبی چه قابلیتهائی دارد؟
الهام ازطبیعت
مسائل مناسب برای یادگیری شبکه های عصبی
Perceptron
یادگیری یک پرسپترون
توانائی پرسپترون
توابع بولیو پرسپترون
آموزش پرسپترون
الگوریتم یادگیری پرسپترون
قانون پرسپترون
قانون دلتاDelta Rule
الگوریتم gradient descent
بدست آوردن قانون gradient descent
قانون دلتا Delta Rule
محاسبه گرادیان
خلاصه یادگیری قانون دلتا
مشکلات روش gradient descent
تقریب افزایشی gradient descent
شبکه های چندلایه
یک سلول واحد
تابع سیگموئید
الگوریتم Back propagation
الگوریتم BP
انتشار به سمت جلو
انتشار به سمت عقب
شرط خاتمه
مرور الگوریتمBP
برای پرهیز از مینیمم محلی روشهای مختلفی وجود دارد
قدرت نمایش توابع
فضای فرضی هوبا یا ساستقرا
قدرت نمایش لایه پنهان
قدرت تعمیم و overfitting
شرط پاین الگوریتم BP چیست؟
دلایل رخ دادن overfitting
راه حل
روشهای دیگر
شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی در واقع مثلثی هستند که 3 ضلع مفهومی دارند
1- سیستم تجزیه و تحلیل داده ها
2- نورون یا سلول عصبی
3- شبکه یا قانون کار گروهی نورونها.
مقایسه مدلسازی کلاسیک در مقایسه با مدلسازی شبکه عصبی
الف سناریوی مدلسازی کلاسیک
ب سناریوی مدلسازی شبکه عصبی
طرز کار مدل سلول عصبی
طرز کار شبکه عصبی
?) معرفی
?) منحنی طول – کشش
?) شبکه های عصبی
?-?) ساختار برگشتی
?-? ) مقایسه با مدل های دیگر
?) نتایج تجربی
?-?) نمودار دوشاخه شدن
?-? ) حساسیت به شرط اولیه
?-?) تغییرات طیف
نتیجه گیری
مرجع


پروژه‌های مرتبط :
بازگشت به ابتدای صفحه