پاورپوینت شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی یادگیری یک پرسپترون توابع بولی و پرسپترون قانون پرسپترون قانون دلتا شبکه های چند لایه تابع سیگموئید الگوریتم Back propagatio

دسته بندی	کامپیوتر و IT
فرمت فایل	ppt
حجم فایل	385 کیلو بایت
تعداد صفحات فایل	46

دریافت فایل

فروشنده فایل

کد کاربری 12271

تمام فایل ها

مقدمه

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری 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.

شبکه عصبی چیست؟

روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.

شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.

شبکه عصبی چه قابلیتهائی دارد؟

محاسبه یک تابع معلوم

تقریب یک تابع ناشناخته

شناسائی الگو

پردازش سیگنال

یادگیری انجام موارد فوق

مسائل مناسب برای یادگیری شبکه های عصبی

خطا در داده های آموزشی وجود داشته باشد. مثل مسائلی که داده های آموزشی دارای نویز حاصل از دادهای سنسورها نظیر دوربین و میکروفن ها هستند.

مواردی که نمونه ها توسط مقادیر زیادی زوج ویژگی-مقدار نشان داده شده باشند. نظیر داده های حاصل از یک دوربین ویدئوئی.

تابع هدف دارای مقادیر پیوسته باشد.

زمان کافی برای یادگیری وجود داشته باشد؛ این روش در مقایسه با روشهای دیگر نظیر درخت تصمیم نیاز به زمان بیشتری برای یادگیری دارد.

نیازی به تعبیر تابع هدف نباشد؛زیرا به سختی میتوان اوزان یادگرفته شده توسط شبکه را تعبیر نمود.

شبکه های عصبی مصنوعییادگیری یک پرسپترونتوابع بولی و پرسپترونقانون پرسپترونقانون دلتاشبکه های چند لایهتابع سیگموئیدالگوریتم Back propagatio