جزوه شبکه های عصبی مصنوعی
شبکههای عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان سادهتر شبکههای عصبی سیستمها و روشهای محاسباتی نوینی برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت پیشبینی پاسخهای خروجی از سامانههای پیچیده هستند. ایدهٔ اصلی این گونه شبکهها (تا حدودی) الهامگرفته از شیوهٔ کارکرد سیستم عصبی زیستی، برای پردازش دادهها و اطلاعات برای یادگیری و ایجاد دانش است. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوقالعاده بههمپیوسته با نام نورون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل میکنند و توسط سیناپسها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل میکنند.
فهرست مطالب برای شبکه های عصبی مصنوعی
- شبکه های عصبی زیستی
- شبکه های عصبی مصنوعی
- شبکه های عصبی در مقابل کامپیوتر های معمولی
- مزایای استفاده از شبکه های عصبی مصنوعی
- معایب استفاده از شبکه های عصبی مصنوعی
- کاربردهای شبکه های عصبی مصنوعی
- توپولوژی شبکه های عصبی مصنوعی
- انواع یادگیری شبکه های عصبی مصنوعی
- نحوه عملکرد شبکه های عصبی مصنوعی
- انواع شبکه های عصبی مصنوعی
- شبکه هاپفیلد
- ۲شبکه پروسپترون چند لایه
- خروجی پروسپترون
- نقش تابع در خروجی شبکه
- توانایی پروسپترون
- توابع بولی وپروسپترون
- اضافه کردن بایاس
- آموزش پروسپترون
- الگوریتم یادگیری پروسپترون
- به دنبال تکامل
- ایده اصلی استفاده از الگوریتم ژنتیک
- رابطه تکامل طبیعی باروشهای هوش مصنوعی
- الگوریتم جستجو
- الگوریتم های جستجو نا آگاهانه
- جستجوی لیست
- جستجوی درختی
- جستجوی گراف
- الگوریتم های جستجوی آگاهانه
- جستجوی خصمانه
- مسائل NP-HARD
- هیوریستیک
- انواع الگوریتم های هیوریستیک
- الگوریتم ژنتیک
- مکانیزم الگوریتم ژنتیک
- عملگرهای الگوریتم ژنتیک
- چارت الگوریتم بهمراه شبه کد آن
- تابع هدف
- کدینگ باینری
- انواع روش های تشکیل رشته
- جمعیت
- ایجاد جمعیت اولیه
- اندازه جمعیت
- محاسبه برازندگی (تابع ارزش)
- انواع روش های انتخاب
- حل مساله
- انتخاب
- ترکیب
- جهش
دیدگاه خود را بیان کنید