فرمت فایل : power point (لینک دانلود پایین صفحه) تعداد اسلاید : 56 اسلاید
شبکه عصبی :
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.lشبکه از تعداد دلخواهی سلول یا گره یا واحد و یا نرون تشکیل میشود که مجموعه ورودی ها را به خروجی ربط میدهد.lساختار شبکه عصبی :
•یک شبکه عصبی شامل اجزای سازنده لایهها و وزنها میباشد. رفتار شبکه نیز وابسته به ارتباط بین اعضا است. در حالت کلی در شبکههای عصبی سه نوع لایه نورونی وجود دارد:•لایه ورودی: دریافت اطلاعات خامی که به شبکه تغذیه شدهاست.•لایههای پنهان: عملکرد این لایهها به وسیله ورودیها و وزن ارتباط بین آنها و لایههای پنهان تعیین میشود. وزنهای بین واحدهای ورودی و پنهان تعیین میکند که چه وقت یک واحد پنهان باید فعال شود.•لایه خروجی: عملکرد واحد خروجی بسته به فعالیت واحد پنهان و وزن ارتباط بین واحد پنهان و خروجی میباشد. انواع شبکه عصبی :•شبکه عصبی پرسپترون•شبکه عصبی هاپفیلد•شبکه عصبی همینگ•شبکه عصبی کوهنن•شبکه عصبی انتشار رو به عقب•شبکه عصبی تاخیر زمانی