رفتار آشوبگونه مدل شبکه عصبی و هماهنگ سازی نمایی آن

رفتار آشوبگونه مدل شبکه عصبی و هماهنگ سازی نمایی آن - این پایان نامه مقدمه ای بر شبکه های عصبی مصنوعی است گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است

---

دانلود پایان نامه رشته هوش مصنوعی
رفتار آشوبگونه مدل شبکه عصبی و هماهنگ سازی نمایی آن
*ضمیمه شدن پاورپوینت پایان نامه در قالب 85 اسلاید و بصورت رایگان:)

چکیده:
این پایان نامه مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت می پردازیم.


کلمات کلیدی:
شبکه عصبی
شبکه عصبی مصنوعی
الگوریتمهای ژنتیک در تجارت
رفتار آشوبگونه مدل شبکه عصبی
هماهنگ سازی نمایی شبکه های عصبی آشوبگونه


مقدمه:
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 بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلاً با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده از مثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورون‌ها) است که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب) نشأت گرفته‌است که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده «نورون»)، «نورون‌ها»، «PEها» (عناصر پردازش) یا واحدها برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده‌اند. به همین دلیل به آن «شبکه‎های عصبی» اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگاری‌پذیر باشد، استفاده عملی از آن بواسطه الگوریتم‌هایی امکان‌پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.





فهرست مطالب
مقدمه 2
فصل اول: شبکه عصبی 3
یک شبکه عصبی مصنوعی چیست؟ 3
چرا از شبکه های عصبی استفاده می کنیم ؟ 4
شبکه های عصبی در مقابل کامپیوتر های معمولی 5
انسان و سلول های عصبی مصنوعی- در جستجوی شباهت ها 6
چگونه مغز انسان می آموزد ؟ 6
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی 7
انواع یادگیری برای شبکه های عصبی 7
زمینه‌ای در مورد perceptron 10
Perceptron های ساده: 10
قدرت Perceptron 10
دنباله‌های Perceptron 11
قضیه بنیادی دنباله‌ها: 12
هوش جمعی 14
(Particle Swarm Optimitation(PSO: 15
Particle swarm Optimitation Algorithm: 16

فصل دوم: یک شبکه عصبی جدید و کاربرد آن 17
یک شبکه عصبی جدید و کاربرد آن 17
معرفی 17
- نورون با خاصیت آشوبگونه : 18
- شکل شبکه: 19
-قانون آموزش شبکه: 21
- مدلسازی ژنراتور سنکرون دریایی 24
5-1 روش مدلسازی دینامیک 24
شکل 4. سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی 26
شکل 5. توان گشتاور ورودی و فرکانس خروجی ژنراتور 27
نتایج مدلسازی 27
شکل 6. جریان تحریک ورودی و ولتاژ خروجی پایانه 28
شکل8. فرکانس خروجی ژنراتور، شبکه و خطای بین آن ها 29
نتیجه فصل 29
شکل 9. ولتاژخروجی ژنراتور، شبکه و خطای بین آن ها 29

فصل سوم : آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله 30
۱) معرفی 30
- منحنی طول - کشش 31
- شبکه های عصبی 32
ساختار برگشتی 32
شکل ۲. شبکه برگشتی. 33
مقایسه با مدل های دیگر 33
نتایج تجربی 33
نمودار دوشاخه شدن 33
شکل ۳. نمودار دو شاخه شدن. 34
شکل ۵. نمودار دو شاخه شدن ۱&#۹۴۵; نسبت ۲&#۹۴۵; 35
تغییرات طیف 35
شکل ۶. حساسیت به شرط اولیه.(a : ۰.۲ نسبت به ۰.۲۰۰۱( 36
- نتیجه فصل 37

فصل چهارم: هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی 38
1- معرفی 38
2- نمادها و مقدمات 39
3- نتایج مهم 44
اثبات تئوری 1 : 47
شکل 5. نرخ هماهنگ سازی نمایی سیستم با خطای دینامیک. 56
شکل 6. دینامیک های سنکرون نشده در فضای حالت. 56

فصل پنجم : شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون 57
2- شبکه های feedforward رگولاریزاسیون 58
3- طراحی شبیه سازی 60
3-1 سیستم آشوبگونه مورد بررسی 60
3-2 تولید دیتا 60
3-3 روش های ارزیابی شبکه آموزش یافته 61
4- شبیه سازی ها 62
شکل 3. منحنی رگولاریزاسیون (α = 0.5) 64
شکل4. جذب کننده شبکه آموزش یافته (α = 0.5) 64
6- نتیجه 64

فصل ششم : شبکه های عصبی و الگوریتم های ژنتیک در تجارت 64
فناوری شبکه عصبی 67
فناوری الگوریتم ژنتیک 71
مروری بر کاربردهای تجاری 72
بازاریابی 73
بانکداری و حوزه های مالی 75
سایر حوزه های تجاری 78
مزایای استفاده از این فناوریهای هوش مصنوعی 78
نتایج 79
منابع 80

قیمت فقط75,000 تومانپرداخت و دانلود

مشخصات فروشنده

نام و نام خانوادگی : محمد همتی

شماره تماس : [phone]

ایمیل :[e-mail]

سایت :fileina.com

مشخصات فایل

فرمت : doc

تعداد صفحات : 82

قیمت : 75,000 تومان

حجم فایل : 5287 کیلوبایت

برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...

پرداخت و دانلودگزارش خرابی و شکایت از فایل

دانلود فایل ورد Word پایان نامه بررسی شبکه های عصبی مصنوعی

دانلود فایل ورد Word پایان نامه بررسی شبکه های عصبی مصنوعی - دانلود فایل ورد Word پایان نامه بررسی شبکه های عصبی مصنوعی

---

مشخصات مقاله:عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعیدسته: فناوری اطلاعات و کامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات تحقیق: ۱۲۱
چکیده ای از مقدمه آغازین ” تحقیق بررسی و معرفی شبکه های عصبی مصنوعی” بدین شرح است:
.
هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، وجه‌المصالحه مقاوم بودن، منعطف‌بودن و سهولت پیاده‌سازی قرار می‌گیرد.مولفه‌های مهم و اساسی CI ، شبکه‌های عصبی )محاسبات نورونی(، منطق فازی) محاسبات تقریبی( و الگوریتم ژنتیک) محاسبات ژنتیکی(است، که هر یک به نوعی مغز را الگو قرار داده‌اند. شبکه‌های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می‌کنند. ‍‍‌هوش مصنوعی:در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند.جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون)به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
بخشی از فهرست مقاله:
مقدمه هوش مصنوعی به سوی آینده تاریخچه تعریف تاریخچه و تعاریف سیستم‌های خبره بعضی از تعاریف سیستم های خبره تاریخچه سیستم های خبره الگوریتم ژنتیک تابع سازگاری(FitnessFunction) Mutation(جهش ژنتیکی) مقدمه ای بر سیستم های فازی وکنترل فازی سیستم‌های فازی چگونه سیستم‌هایی هستند؟ سیستم‌های فازی کجا و چگونه استفاده می‌شوند؟ زمینه‌های تحقیق عمده در تئوری فازی تاریخچه مختصری از تئوری و کاربردهای فازی فصل دوم
شبکه های عصبی مقدمه ساختار مغز ساختار نرون چگونه مغز انسان می آموزد ؟ معنای شبکه های عصبی قوانین هب از سلول های عصبی انسانی تا سلول های عصبی مصنوعی رویای جایگزینی ویژگی های مغز در یک سیستم مصنوعی چقدر ممکن گردیده؟ تاریخچه شبکه‌های عصبی چرا از شبکه های عصبی استفاده می کنیم؟ شبکه های عصبی در مقابل کامپیوتر های معمولی مزایا و محدودیت های شبکه عصبی چه کسانی به شبکه عصبی علاقه‌مند هستند؟ نرم‏افزارها و سخت افزارهای شبکه‏ های عصبی کاربرد شبکه های عصبی یکپارچگی منطق فازی و شبکه های عصبی مدل ریاضی یک نرون
یک نرون ساده
قوانین برانگیختگی
یک نرون پیچیده تر
ساختار شبکه های عصبی
مراحل طراحی شبکه
اهداف شبکه های عصبی
تقسیم بندی شبکه های عصبی
انواع یادگیری برای شبکه های عصبی
توپولوژی شبکه های عصبی
شبکه‏های پیش‏خور (Feed Forward)
شبکه‏ های برگشتی(Recurrent)
پرسپترون چند لایه
Perceptronهای ساده
قدرت Perceptron
دنباله‌های Perceptron
آموزش پر سپترون
الگوریتم یادگیری پرسپترون
قانون پرسپترون
قانون دلتا
روشهای دیگر
شبکه های هاپفید
شبکه‌های دارای پس‌خور
شبکه عصبی ترکیبی المن- جردن
پس انتشار خطا
چند بررسی از کاربرد های شبکه های عصبی
فصل سوم
نتیجه گیری
منابع ومأخذ



مشخصات مقاله:عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعیدسته: فناوری اطلاعات و کامپیوترفرمت فایل: WORD (قابل ویرایش)تعداد صفحات تحقیق: ۱۲۱

قیمت فقط7,000 تومانپرداخت و دانلود

مشخصات فروشنده

نام و نام خانوادگی : جعفر علی بیگلو

شماره تماس : [phone]

ایمیل :[e-mail]

سایت :sidonline.ir

مشخصات فایل

فرمت : doc

تعداد صفحات : 121

قیمت : 7,000 تومان

حجم فایل : 1502 کیلوبایت

برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...

پرداخت و دانلودگزارش خرابی و شکایت از فایل