دانلود تحقیق شبکه عصبی مصنوعی

تحقیق شبکه عصبی مصنوعی

فرمت فایل دانلودی: .docx
فرمت فایل اصلی: docx
تعداد صفحات: 24
حجم فایل: 199 کیلوبایت
قیمت: 60000 تومان

توضیحات:
تحقیق با موضوع شبکه های عصبی مصنوعی، در قالب فایل Word و در حجم 24 صفحه، همراه با فهرست منابع.

بخشی از متن:
در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد. اتصالات، که به آن‌ها سیناپس گفته می‌شود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند. هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هایشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدل‌های ریاضی سامانه‌های نورونی زیستی است. روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود. شبکه از تعداد دلخواهی نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند. هر نورون می‌تواند به تعداد بسیار زیادی از نرون‌ها وصل باشد و تعداد کل نرون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد.(Hagan, Demuth, & Beale, 1996)

فهرست مطالب:
مقدمه‌   
هوش‌ مصنوعی‌ و هوش‌ انسانی‌   
شبکه‌های عصبی زیستی   
تاریخچه شبکه‌های عصبی مصنوعی   
شبکه عصبی   
نورون مصنوعی   
شبکه عصبی مصنوعی(ANN)   
ساختار شبکه‌های عصبی   
تقسیم بندی شبکه‌های عصبی   
قابلیت های شبکه عصبی   
کاربرد شبکه‌های عصبی   
انواع شبکه عصبی   
شبکه عصبی پرسپترون   
پرسپترون تک لایه   
یادگیری یک پرسپترون   
توابع بولی و پرسپترون   
شبکه عصبی هاپفیلد   
شبکه عصبی همینگ   
شبکه عصبی تأ خیر زمانی   
شبکه انتشار رو به عقب   
معایب شبکه‌های عصبی   
استفاده از شبکه های عصبی مصنوعی در تکمیل، انگیزش و طراحی مخازن نفت و گاز   
روشهای شبکه عصبی برای پیش بینی تولید چاه نفت   
شبکه های عصبی و کاربرد آنها در مهندسی کنترل
References

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود تحقیق شبکه های عصبی

تحقیق شبکه های عصبی

فرمت فایل دانلودی: .doc
فرمت فایل اصلی: doc
تعداد صفحات: 113
حجم فایل: 2236 کیلوبایت
قیمت: 47500 تومان

توضیحات:

پروژه رشته کامپیوتر با موضوع شبکه های عصبی، در قالب فایل word و در حجم 113 صفحه.

بخشی از متن:

در این نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه میپردازیم. در ابتدا نورون های شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعی این نورون ها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است. تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه می باشد. ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

فهرست مطالب:

چکیده 

مقدمه 

شکل 1 ساختار یک نورون طبیعی 

شکل 2 ساختار نورون مصنوعی 

تعریف شبکه‌های عصبی مصنوعی 

تاریخچه 

انواع شبکه‌های عصبی مصنوعی 

شبکه عصبی زیستی 

معرفی شبکه عصبی مصنوعی 

تاریخچه شبکه عصبی مصنوعی 

چرا از شبکه های عصبی استفاده می‌کنیم؟ 

مقایسه‌ی شبکه های عصبی با کامپیوتر سنتی 

نورون مصنوعی 

ساختار شبکه‌های عصبی 

تقسیم بندی شبکه‌های عصبی 

کاربرد شبکه‌های عصبی 

معایب شبکه‌های عصبی 

نظریه‌ی تشدید انطباقی 

مدل یادگیری 

روش‌های تعلیم شبکه عصبی 

مدل نرون ساده‌ی خطی 

شکل 3 نرون ساده خطی 

شکل 4 مدل نرون خطی به همراه تابع فشرده‌سازی 

تکنیک های تعیین پارامترهای نرون خطی 

شبکه‌های پرسپترون چندلایه 

شکل5 نمونه ازشبکه پرسپترون 

الگوریتم یادگیری شبکه های پرسپترون (انتشاربه عقب) 

انتشار به عقب خطا 

تصحیح اوزان وبایاسها 

شبکه های عصبی مصنوعی 

مغزانسان 

سلولهای عصبی 

سلول عصبی مصنوعی 

شبکه عصبی مصنوعی 

شناخت حروف توسط شبکه های عصبی 

تشکیل شبکه عصبی 

ایجادلایه file input 

ایجادیک لایه خطی 

ایجادلایه winery take all 

تقسیم بندی الگوهابه سه دسته 

آموزش شبکه 

تست کردن شبکه 

امتحان با مثالهای جدید 

تشخیص دیجیتال با استفاده ازشبکه عصبی 

نتیجه گیری 

کلمات کلیدی 

مقدمه 

کار مرتبط 

شکل 1 مثالهای شکلهای مختلف درعدد 4 

شکل 2 سناریوی تشخیص عددبا شبکه مصنوعی 

زیر ساخت 

اجزای سیستم 

مواد و روشها 

پیش پردازش 

نرمالسازی قیاس بندی 

نازی سازی و چارچوب بندی 

جداسازی 

استخراج مشخصه 

تشخیص و کلاس بندی 

شکل 4 شبکه دولایه،یک لایه مخفی،ویک لایه خروجی 

کد الگوریتم 

شکل 5 شبکه سه لایه، 2 لایه مخفی ویک لایه خروجی 

آموزش شبکه 

مرحله تغذیه جلویی 

شکل 6 تابع راندمان اموزش 

نتایج و مباحث 

جدول 1 مقایسه بین شبکه ها 

جدول 2 دقت تشخیص 

شکل 7 مثالی برای تصویرکشیدن مراحل مختلف 

شکل 8 مقایسه بین نظریه هاوسیتم مان برحسب دقت تشخیص 

شبکه عصبی برپایه معماری تنظیم پایگاه داده 

کلمات کلیدی 

مقدمه 

شکل 1 ساختار پایه شبکه عصبی 

شکل 2 معماری تنظیم برپایه شبکه عصبی 

جدول 1 سری داده های آموزش نمونه 

شکل 3 تاثیراندازه بافربر زمان اجرای 

داخل کردن کلاس بندی و پیوند درمدل تعمیم شبکه عصبی جمعی 

نتایج 

کلمات کلیدی 

مقدمه 

شکل 1 لایه کلی مدل شبکه جمعی مطرح 

شکل 2 ساختارکلی مدل شبکه جمع 

شکل 3 طرح لایه بندی دوگانه 

شکل 4 نمودارجریان سازگاری ساختاری مدل مطرح شده 

جدول 2 بخشهای میانگین مربع خطا 

شکل 1 نمادهای مدلهای سه بعدی کشتی 

شکل 2 ساختارسیستم کلاس سازکشتی 

شکل 3 ساختارشبکه عصبی 

پانوشت ها 

فهرست منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود تحقیق شبکه های عصبی

تحقیق شبکه های عصبی

فرمت فایل دانلودی: .doc
فرمت فایل اصلی: doc
تعداد صفحات: 113
حجم فایل: 2236 کیلوبایت
قیمت: 47500 تومان

توضیحات:

پروژه رشته کامپیوتر با موضوع شبکه های عصبی، در قالب فایل word و در حجم 113 صفحه.

بخشی از متن:

در این نوشتار به معرفی شبکه های عصبی مصنوعی و ساختارهای آنها به صورت خلاصه میپردازیم. در ابتدا نورون های شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعی این نورون ها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است. تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه می باشد. ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

فهرست مطالب:

چکیده 

مقدمه 

شکل 1 ساختار یک نورون طبیعی 

شکل 2 ساختار نورون مصنوعی 

تعریف شبکه‌های عصبی مصنوعی 

تاریخچه 

انواع شبکه‌های عصبی مصنوعی 

شبکه عصبی زیستی 

معرفی شبکه عصبی مصنوعی 

تاریخچه شبکه عصبی مصنوعی 

چرا از شبکه های عصبی استفاده می‌کنیم؟ 

مقایسه‌ی شبکه های عصبی با کامپیوتر سنتی 

نورون مصنوعی 

ساختار شبکه‌های عصبی 

تقسیم بندی شبکه‌های عصبی 

کاربرد شبکه‌های عصبی 

معایب شبکه‌های عصبی 

نظریه‌ی تشدید انطباقی 

مدل یادگیری 

روش‌های تعلیم شبکه عصبی 

مدل نرون ساده‌ی خطی 

شکل 3 نرون ساده خطی 

شکل 4 مدل نرون خطی به همراه تابع فشرده‌سازی 

تکنیک های تعیین پارامترهای نرون خطی 

شبکه‌های پرسپترون چندلایه 

شکل5 نمونه ازشبکه پرسپترون 

الگوریتم یادگیری شبکه های پرسپترون (انتشاربه عقب) 

انتشار به عقب خطا 

تصحیح اوزان وبایاسها 

شبکه های عصبی مصنوعی 

مغزانسان 

سلولهای عصبی 

سلول عصبی مصنوعی 

شبکه عصبی مصنوعی 

شناخت حروف توسط شبکه های عصبی 

تشکیل شبکه عصبی 

ایجادلایه file input 

ایجادیک لایه خطی 

ایجادلایه winery take all 

تقسیم بندی الگوهابه سه دسته 

آموزش شبکه 

تست کردن شبکه 

امتحان با مثالهای جدید 

تشخیص دیجیتال با استفاده ازشبکه عصبی 

نتیجه گیری 

کلمات کلیدی 

مقدمه 

کار مرتبط 

شکل 1 مثالهای شکلهای مختلف درعدد 4 

شکل 2 سناریوی تشخیص عددبا شبکه مصنوعی 

زیر ساخت 

اجزای سیستم 

مواد و روشها 

پیش پردازش 

نرمالسازی قیاس بندی 

نازی سازی و چارچوب بندی 

جداسازی 

استخراج مشخصه 

تشخیص و کلاس بندی 

شکل 4 شبکه دولایه،یک لایه مخفی،ویک لایه خروجی 

کد الگوریتم 

شکل 5 شبکه سه لایه، 2 لایه مخفی ویک لایه خروجی 

آموزش شبکه 

مرحله تغذیه جلویی 

شکل 6 تابع راندمان اموزش 

نتایج و مباحث 

جدول 1 مقایسه بین شبکه ها 

جدول 2 دقت تشخیص 

شکل 7 مثالی برای تصویرکشیدن مراحل مختلف 

شکل 8 مقایسه بین نظریه هاوسیتم مان برحسب دقت تشخیص 

شبکه عصبی برپایه معماری تنظیم پایگاه داده 

کلمات کلیدی 

مقدمه 

شکل 1 ساختار پایه شبکه عصبی 

شکل 2 معماری تنظیم برپایه شبکه عصبی 

جدول 1 سری داده های آموزش نمونه 

شکل 3 تاثیراندازه بافربر زمان اجرای 

داخل کردن کلاس بندی و پیوند درمدل تعمیم شبکه عصبی جمعی 

نتایج 

کلمات کلیدی 

مقدمه 

شکل 1 لایه کلی مدل شبکه جمعی مطرح 

شکل 2 ساختارکلی مدل شبکه جمع 

شکل 3 طرح لایه بندی دوگانه 

شکل 4 نمودارجریان سازگاری ساختاری مدل مطرح شده 

جدول 2 بخشهای میانگین مربع خطا 

شکل 1 نمادهای مدلهای سه بعدی کشتی 

شکل 2 ساختارسیستم کلاس سازکشتی 

شکل 3 ساختارشبکه عصبی 

پانوشت ها 

فهرست منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه

دانلود شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی

فرمت فایل دانلودی:
فرمت فایل اصلی: powerpoint
تعداد صفحات: 86
حجم فایل: 5278 کیلوبایت
قیمت: 37000 تومان

فایل دانلودی حاوی یک فایل پاورپوینتی قابل ویرایش در 86 اسلاید به صورت متنی همراه با عکس میباشد.
فهرست فایل دانلودی:
مقدمه
شبکه عصبی چیست؟
شبکه عصبی چه قابلیتهائی دارد؟
مسائل مناسب برای یادگیری شبکه های عصبی
الهام از طبیعت
Perceptron
توانائی پرسپترون
توابعی که پرسپترون قادر به یادگیری آنها میباشد
توابع بولی و پرسپترون
اضافه کردن بایاس
آموزش پرسپترون
قانون پرسپترون
الگوریتم gradient descent
بدست آوردن قانون gradient descent
محاسبه گرادیان
خلاصه یادگیری قانون دلتا
مشکلات روش gradient descent
تقریب افزایشی gradient descent
مقایسه آموزش یکجا و افزایشی
شبکه های چند لایه
یک سلول واحد
تابع سیگموئید
الگوریتم Back propagation
الگوریتم Back propagation
الگوریتم BP
شرط خاتمه
مرور الگوریتم BP
افزودن ممنتم
قدرت نمایش توابع
فضای فرضیه و بایاس استقرا
قدرت نمایش لایه پنهان
قدرت نمایش لایه پنهان
قدرت تعمیم و overfitting
دلایل رخ دادن overfitting
مثال: تشخیص ارقام
روشی که وزنها یاد گرفته میشوند
شبکه چه چیزی را یاد میگیرد؟
مثالی از تنوع ارقام دستنویس
انواع اتصالات شبکه
انواع مختلف یادگیری
اعمال Backpropagation به تشخیص اشیا

مقدمه:

lشبکه 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.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود سایر پروژه