دانلود با لینک مستقیم و پر سرعت .
شبکه های عصبی
47 صفحه در قالب word
به همراه 17 اسلاید پاورپوینت
چکیده:
به موازات گسترش کاربرد شبکه عصبی نیاز به فراگیری آن و آشنایی با توانایی ها و قابلیت های آن رخ می نماید.
در این راستا تالیفات زیادی وجود دارد که می توان به آن ها استناد نمود اما در اکثر قریب به اتفاق این خود آموزها مبانی این شبکه ها با تفاضیل و جزئیات بسیار بیان شده است و مسلما بعنوان قدم اول برای آشنایی حجیم و وقت گیر به نظر می رسد. لذا بر آن شدیم تا با درنظر گرفتن نیاز دانشجویان به ویژه در کاربرد های پروژه ای که خود نیز دانشجو هستیم مقدماتی را جهت آشنایی با این شبکه ها بطور مختصر جمع آوری کنیم تا نیازهای مقدماتی جهت آشنایی با این شبکه ها را برطرف کند.
در این پروژه سعی کردیم تعریفی نسبتا جامع و کامل از شبکه های عصبی ، انواع آن ، کاربرد ها ، ساختار ها ، مقایسه ی آن با ساختارها و نرم افزارهای دیگر و ... پرداخته شود. با توجه به گستردگی مطالب در این پروژه سعی کردیم که از پرداختن به جزئیات غیر ضروری پرهیز شود. ما در فصل اول این تحقیق ابتدا به تعریف شبکه عصبی میپردازیم سپس به بررسی شباهت شبکه های عصبی با مغز و بعد از آن به بررسی انواع شبکه های عصبی و در آخر به چند مورد از کاربرد های شبکه های عصبی میپردازیم.
در فصل دوم به کاربردهای شبکه عصبی در OCR و در فصل سوم به انواع شبکه های عصبی ، فصل چهارم به مقایسه شبکه های عصبی و در فصل پنجم به بررسی شبکه های عصبی و الگوریتم های ژنتیک در تجارت میپردازیم و در آخر به نتیجه گیری موضوع میرسیم.
فهرست مطالب
مقدمه. 7
فصل 1 : 8
شبکه عصبی.. 8
2-1 : شباهت شبکه های عصبی با مغز. 10
1-2-1 : ساختار نورون. 11
1-2-2 : روش کار نورون ها 12
1-3 : انواع شبکه های عصبی.. 12
1-3-1 : شبکه عصبی یک لایه ای : 12
1-3-2 : شبکه عصبی دو لایه ای : 13
1-3-3 : شبکه عصبی رقابتی : 13
1-4 : کاربرد شبکه های عصبی.. 13
فصل 2 : 18
کاربردهای شبکه عصبی در OCR.. 18
2-1 : پیشپردازش... 19
2-1-1 : بهبود تصویر. 20
2-1-2 : اصلاح چرخش... 21
2-1-3 : باریکسازی.. 21
2-2 : بخش بندی.. 22
2-3 : دسته‌بندی.. 24
2-3-1 : بازنمایی الگو و رمزگذاری.. 24
2-3-2 : استخراج ویژگی مبتنی بر بردار. 25
2-3-3 : رمزگذاری ویژگی‌های ساختاری.. 26
2-3-4 : ساختارهای ترکیبی.. 27
فصل 3 : 28
انواع شبکه های عصبی.. 28
3-1 : شبکه‌های عصبی زیستی.. 29
3-2 : شبکه عصبی مصنوعی.. 29
فصل 4 : 31
مقایسه شبکه های عصبی.. 31
4-1 : شبکه های عصبی در مقابل کامپیوتر های معمولی.. 32
4-2 : تفاوت‌های شبکه‌های عصبی با روشهای محاسباتی متداول (سیستم‌های خبره) 34
فصل 5 : 36
شبکه های عصبی و الگوریتم های ژنتیک در تجارت.. 36
5-1 : فناوری الگوریتم ژنتیک... 37
5-2 : مروری بر کاربردهای تجاری.. 38
5-2-1 : رفتار مصرف کننده. 39
5-2-2 : بخش بندی،انتخاب بازار هدف، جایگاه یابی.. 39
5-2-3 : مدیریت عناصر آمیخته بازاریابی.. 40
5-3 : سایر حوزه های تجاری.. 43
5-4 : مزایای استفاده از این فناوریهای هوش مصنوعی.. 43
نتیجه گیری.. 45
منابع. 46
مقدمه
این تحقیق با هدف اصلی درک اولیه ای از شبکه های عصبی آغاز شده است. در این تحقیق از منابع و سایت های متنوعی استفاده شده است و راهنمایی های استاد ارجمند سرکار خانم اعظم ایرجی چراغ راه ما بوده است.
شبکه های عصبی نوعی مدل ساده انگارانه از سیستم های عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف در علوم دارند. حوزه کاربرد این شبکه ها آن چنان گسترده است که از کاربردهای طبقه بندی گرفته تا کاربرد هایی نظیر درون یابی و تخمین و آشکارسازی و ... را شامل می شود. شاید مهمترین مزیت این شبکه ها توانایی وافر آن ها در کنار سهولت استفاده از آن ها باشد. به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.
فصل 1
شبکه عصبی
شبکه‌های عصبی را میتوان با اغماض زیاد، مدل‌های الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدل‌های الکترونیکی شبکه‌های عصبی طبیعی نیز بر اساس همین الگو بنا شده‌اند و روش برخورد چنین مدل‌هایی با مسائل، با روشهای محاسباتی که به‌طور معمول توسط سیستم‌های کامپیوتری در پیش گرفته شده‌اند، تفاوت دارد.
می‌دانیم که حتی ساده‌ترین مغز‌های جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می‌شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه‌ای از مواردی هستند که روشهای معمول محاسباتی برای حل آنها به نتیجه مطلوب نمی‌رسند. درحالی‌که مغز ساده‌ترین جانوران به‌راحتی از عهده چنین مسائلی بر می‌آید.
مفهوم بنیادی شبکه های عصبی ، ساختار سیستم پردازش اطلاعات است که از تعداد زیادی واحد های پردازش (نورون) مرتبط با شبکه ها تشکیل شده اند. سلول عصبی بیولوژیکی یا نورون ، واحد سازنده ی سیستم عصبی در انسان است.
و در ادامه میتوان گفت که شبکه عصبی یک برنامه نرم افزاری یا تراشه نیمه هادی است که بتواند همانند مغز انسان عمل نماید طوری که :
1)به مرور زمان و تعامل بیشتر با محیط کارآزموده تر گردد.
2)علاوه بر انجام محاسبات قادر به نتیجه گیری منطقی باشد.
3)در شرایط جدید راهکار مناسب را ارائه دهد.(قابلیت تعمیم داشته باشد.)
2-1 : شباهت شبکه های عصبی با مغز
اگرچه مکانیسم‌های دقیق کارکرد مغز انسان (یا حتی جانوران) به طور کامل شناخته شده نیست، اما با این وجود جنبه‌های شناخته شده‌ای نیز وجود دارند که الهام بخش تئوری شبکه‌های عصبی بوده‌اند. به‌عنوان مثال، یکی ازسلول‌های عصبی، معروف به نرون (Neuron) است که دانش بشری آن را به‌عنوان سازنده اصلی مغز می‌انگارد. سلول‌های عصبی قادرند تا با اتصال به یکدیگر تشکیل شبکه‌های عظیم بدهند. گفته می‌شود که هر نرون می‌تواند به هزار تا ده هزار نرون دیگر اتصال یابد (حتی در این مورد عدد دویست هزار هم به عنوان یک حد بالایی ذکر شده است).
قدرت خارق‌العاده مغز انسان از تعداد بسیار زیاد نرون‌ها و ارتباطات بین آنها ناشی می‌شود.
ساختمان هر یک از نرون‌ها نیز به‌تنهایی بسیار پیچیده است. هر نرون از بخش‌ها و زیر‌سیستم‌های زیادی تشکیل شده است که از مکانیسم‌های کنترلی پیچیده‌ای استفاده می‌کنند. سلول‌های عصبی می‌توانند از طریق مکانیسم‌های الکتروشیمیایی اطلاعات را انتقال دهند. برحسب مکانیسم‌های به‌کاررفته در ساختار نرون‌ها، آنها را به بیش از یکصدگونه متفاوت طبقه‌بندی می‌کنند. در اصطلاح فنی، نرون‌ها و ارتباطات بین آنها، فرایند دودویی(Binary)، پایدار (Stable) یا همزمان (Synchronous) محسوب نمی‌شوند.
در واقع، شبکه‌های عصبی شبیه‌سازی شده یا کامپیوتری، فقط قادرند تا بخش کوچکی از خصوصیات و ویژگی‌های شبکه‌های عصبی بیولوژیک را شبیه‌سازی کنند. در حقیقت، از دید یک مهندس نرم‌افزار، هدف از ایجاد یک شبکه عصبی نرم‌افزاری، بیش از آنکه شبیه‌سازی مغز انسان باشد، ایجاد مکانیسم دیگری برای حل مسائل مهندسی با الهام از الگوی رفتاری شبکه‌های بیولوژیک است.
ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است
متن کامل را می توانید در ادامه دانلود نمائید
چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است
