شبکه های عصبی به همراه فایل ارائه پاورپوینت

اختصاصی از اس فایل شبکه های عصبی به همراه فایل ارائه پاورپوینت 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

• : تعریف 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

دانلود پاورپوینت ارائه SQL Server

اختصاصی از اس فایل دانلود پاورپوینت ارائه SQL Server دانلود با لینک مستقیم و پر سرعت .

به خودی خود، یک سیستم مدیریت بانک اطلاعاتی با یک محصول مجزا نیست، بلکه جزء لاینفک یک سیستم مدیریت بانک اطلاعاتی است، به طوری که با قرار دادن دستورات SQL در برنامه‌های کاربردی می‌توان قابلیت برنامه‌ها را افزایش داد.

SQL وسیله‌ای است برای سازماندهی، مدیریت و بازیابی داده‌هایی که توسط بانک اطلاعاتی در کامپیوتر ذخیره شدهٍ‌اند. SQL یک زبان کامپیوتری است که برای کار با یک بانک اطلاعات از آن استفاده می‌شود. SQL در حقیقت با یک بانک اطلاعاتی موسوم به بانک اطلاعاتی رابطه‌ای کار می‌کند. شکل زیر کارهای مربوط به SQL را نشان می‌دهد. در این شکل، سیستم کامپیوتری دارای یک بانک اطلاعاتی است که اطلاعات مهمی را ذخیره می‌کند. اگر سیستم کامپیوتر مربوط به یک کار تجاری باشد، بانک اطلاعاتی داده‌های مربوط به انبارداری، تولید، فروش و یا حقوق و دستمزد را نگهداری می‌کند.

در یک کامپیوتر شخصی، بانک اطلاعاتی معمولاً داده‌های مربوط به چک‌های صادره، لیست پرسنلی و شماره تلفن آنها و یا داده‌های استخراج شده از یک سیستم کامپیوتری بزرگتر را نگهداری می‌کند. برنامه کامپیوتری که بانک اطلاعاتی را کنترل می‌کند، سیستم مدیریت بانک اطلاعاتی یا DBMS نامیده می‌شود.

شامل 39 اسلاید powerpoint

پایان نامه ارائه الگوی ارزیابی چابکی در زنجیره های تامین در شرکت ایساکو (ایران خودرو)

اختصاصی از اس فایل پایان نامه ارائه الگوی ارزیابی چابکی در زنجیره های تامین در شرکت ایساکو (ایران خودرو) دانلود با لینک مستقیم و پر سرعت .

فصل اول کلیات تحقیق

مقدمه

بیان مساله

ضرورت تحقیق

سوالات

اهداف

تعریف واژ ه ها

فصل دوم ادبیات تحقیق

مدیریت زنجیره تامین

تعاریف زنجیره تامین

انواع زنجیره تامین

مشخصه های کارکرد

چابکی در مدیریت زنجیره تامین

سیر تکاملی پارادایم های عملیاتی

پارادایم چابکی

تدوین و توسعه زنجیره چابک

زنجیره تایمن ناب و چابک

استتناج

مدل سازی ریاضی سیستم های کنترلی

پیشینه تحقیق

مقدمه

از آنجایی که هیچ شرکتی تمامی منابع لازم برای وضع هر گونه فرصتی در بازار را ندارد، بنابراین برای کسب مرز رقابتی در بازار جهانی، شرکتها باید با تأمین‌کنندگان و مشتریان جهت یکپارچگی عملیات همگام شده، برای کسب سطحی قابل قبول از چابکی با یکدیگر مشارکت کنند. ترکیب مدیریت زنجیره تأمین (SCM) و چابکی یکی از منابع مهم دستیابی به قله رقابت بوده که زنجیره تأمین چابک (ASC) لقب گرفته است (لین و همکاران، 2005). از نظر ساختاری، زنجیره تأمین چابک (ASC) مجزا و مستقل حرکت می‌کند،‌اما از لحاظ عملیاتی با بخش‌های نظیر تأمین‌کنندگان، طراحان، سازندگان، خدمات، توزیع و غیره به صورت به هم وابسته گام بر می‌دارد. با اتصال جریان حرکتی مواد و جریان بازخوردی اطلاعات، ASC به قابلیت سازگاری و انعطاف‌پذیری توجه دارد و قادر است تا سریعاً به صورت اثربخش به بازارهای در حال تغییر واکنش نشان دهد. در مجموع، یک زنجیره تأمین برای دستیابی به چابکی، باید تعدادی از ویژگی‌های متمایز را دارا باشد. یوسف در سال 1999 از زنجیره تأمین چابک به عنوان یک استراتژی برنده برای جهانی شدن سازمان‌ها یاد می‌کند. پاوروسوهال در سال 2005 عوامل کلیدی موفقیت و حفظ زنجیره تأمین چابک را این گونه بر می‌شمارند: سبک رهبری مشارکت، فناورهای مبتنی بر کامپیوتر، مدیریت منابع، توانمندسازهای بهبود مستمر، ارتباط با تأمین‌کنندگان، روش تولید به موقع و استفاده از فناوری. سازمان‌ها می‌توانند مبتنی بر ارزشیابی محیط کار (نیازهای مشتریان، رقبا، بازار/ نوآوری‌ها) سطح چابکی لازم را برای زنجیره تأمین معین کنند، از آنجا که زنجیره تأمین چابک به تغییر، عدم اطمینان و عدم پیش‌بینی‌پذیری موجود در محیط کسب و کار پرداخته و واکنش‌ها وعکس‌العمل‌های مناسبی را در مقابل تغییرات انجام می‌دهد، به قابلیت‌های متمایز و متنوعی (پاسخگویی، شایستگی، انعطاف‌پذیری و قابلیت سازگاری و سرعت) نیاز دارد (شهائی و رجب زاده،1384). این قابلیت‌ها باید در راستای اهداف زنجیره تأمین که همانا ارج نهادن به مشتری بر حسب هزینه، زمان، فعالیت‌ها و استحکام یا ثبات رویه است قرار گیرند. از طرفی دیگر نیز توانمندسازهای چابکی نیز می‌توانند قابلیت‌ها را بهبود بخشند تا زنجیره‌های تأمین به اهداف نهایی خود برسند. فقدان تحقیقات سیستماتیک جهت ارزیابی چابکی در زنجیره تأمین محقق را بر آن داشت که در پژوهش حاضر با در نظر گرفتن قابلیتها و توانمندسازهای چابکی زنجیره تأمین اقدام به ارزیابی آن نماید. بدون شک این ارزیابی مدیران را در دستیابی به زنجیره تأمین چابک اثربخش یاری می‌رساند و این هدف با تجزیه و تحلیل شکاف موجود بین سطح چابکی موجود و مطلوب میسر می‌گردد.

بیان مسأله

اولین بار در کنفرانسی که در دانشگاه لی‌های توسط موسسه یاکوکای به نام «استراتژی بنگاههای تولیدی قرن بیست و یکم» برگزار شد، واژه چابکی مطرح گردید. تعریفی که از چابکی در این تحقیق مدنظر می‌باشد، تعریفی است که محقق به آن رسیده است که عبارت است از: «دارا بودن مجموعه‌ای از توانمندی‌ها و شایستگی‌ها که باعث بقاء و پیشرفت سازمان در محیط کسب و کاری با عدم اطمینان و تغییرات دائمی می‌گردد». صنعت تولید هموار در شرف تغییر پارادایم بوده است. این تغییر از تولید دستی به تولید انبوه و سپس به تولید ناب و در عصر حاضر به تولید چابک در حال گذار بوده است مفهوم چابکی در سال‌های اخیر به عنوان استراتژی موفق پذیرفته شده است. دوو چابکی را توانایی سازمان جهت بقاء و پیشرفت در یک محیط کسب و کار غیر قابل پیش‌بینی و دائماً در حال تغییر می‌داند. امروزه سازمان‌ها دریافته‌اند که چابکی برای بقاء و رقابتی بودن آنها امری حیاتی است، در این راستا سازمان‌ها برای سازگار شدن با محیط رقابتی در حال تغییر بایستی با تأمین‌کنندگان و مشتریان در جهت دستیابی به سطوح بالاتر چابکی متحد شوند، به بیان دیگر زنجیره تأمین چابک (Asc) به عنوان یک استراتژی برنده برای رهبران سازمان محسوب می‌گردد. یوسف و همکارانش در سال 2004 از ترکیب مفهوم چابکی در زنجیره تأمین به عنوان مزیت عمده رقابتی جهان امروز یاد می‌کنند. در سال 2000 کریستوفر در مورد زنجیره‌های تأمین چابک مدلی ارائه داد؛ نکاتی که در این مدل حائز اهمیت هستند، قابلیت‌های چابکی زنجیره تأمین (پاسخگویی، شایستگی، انعطاف و سرعت) و توانمند‌سازهای چابکی (روابط مشارکتی، یکپارچگی اطلاعات، حساسیت مشتری) می‌باشند که در اکثر تحقیقات بنایی برای ارزیابی چابکی زنجیره تأمین قرار گرفته‌اند (جعفرنژاد، 1386). بدیهی است دستیابی به سطح چابکی مورد نظر بدون پرداختن به توانمندسازهای چابکی در زنجیره تأمین امری غیر ممکن به نظر می‌رسد، که در ارزیابی‌های صورت گرفته لحاظ نشده است. محقق در این رساله بر آن است که با در نظر گرفتن روابط بین توانمندسازها و قابلیت‌ها، چابکی را در زنجیره‌های تأمین ارزیابی نماید. بدیهی است برای در نظر گرفتن تأثیر توانمندسازها بر چابکی زنجیره تأمین ناگزیر به لحاظ کردن بعد زمان نیز خواهیم بود. با توجه به بررسی صورت گرفته در خصوص مطالعات پیشین مشخص گردیده که تاثیر توانمندسازها در ارزیابی چابکی زنجیره تامین مدنظر قرار نگرفته است. همچنین شایان ذکر است که مقیاسهای در نظر گرفته شده جهت تجمیع قابلیتهای چابکی دارای محدودیتهای عمده‌ای می‌باشند، از جمله در نظر نگرفتن ابهام و چند امکانی بودن متغیرها در نگاشت قضاوتهای فردی و تاثیرگذاری قضاوتهای ذهنی بر مدلهای طراحی شده. سیستم‌های استنتاج فازی در شرایط عدم قطعیت و در مواجه با مقادیر نادقیق، دانش کیفی و تلفیق دانش کیفی و کمی ابزار مناسبی به نظر می‌رسد. استنتاج فازی در تصمیم‌های مدیریت به علت افزایش میزان انعطاف در تصمیم‌گیری‌ کاربردهای فراوانی دارد. سیستم‌های خبره به عنوان یکی از کاربردی‌ترین شاخه‌های هوش مصنوعی به مجموعه‌ای از دانسته‌ها و قواعد در یک زمینه خاص دخالت دارند که در نهایت بتوان به کمک آن توانایی‌های خبره را در آن زمینه شبیه‌سازی کرد. در رساله حاضر به دلیل امکان استفاده همزمان از داده‌های سخت و نرم و تجمیع نظرات خبرگان و قواعد حاصل از داده‌ها و همچنین دارا بودن قابلیت آموزش (Train) از سیستمهای استنتاج فازی انطباق‌پذیر مبتنی بر شبکه ANFIS استفاده شده است که سیستمهای مذکور امکان به روز رسانی توابع عضویت را نیز بصورت اثربخش دارا می‌باشند. موارد ذکر شده علاوه بر پایین بودن تعمیم‌پذیری مدلهای ارائه شده و همچنین ابهام موجود در مولفه‌های چابکی زنجیره تامین ما را بر آن داشت که با استفاده از سیستم استنتاج فازی و در نظر گرفتن توانمندسازها و قابلیتهای چابکی مدلی جهت ارزیابی چابکی زنجیره تامین ارائه دهیم.

ضرورت انجام تحقیق

فقدان رویکردی سیستماتیک جهت ارزیابی چابکی زنجیره‌های تامین این امکان را به سازمانها نمی‌دهد تا به صورت حرفه‌ای در مقابل تغییرات محیط عکس‌العمل نشان دهند که البته این یکی از مهمترین پیش‌نیازها چابکی محسوب می‌شود (لین و همکاران، 2006). زنجیره تامین چابک برای تمام سازمانهایی که به صورت ملی و بین‌المللی مشغول به فعالیت هستند استراتژی برنده محسوب می‌گردد (یوسف، 1999). اگرچه تا کنون توانایی چابک شدن نسبت به آنچه پیش‌بینی می‌شد کمتر توسعه یافته است و همچنین تلاشهای بسیار کمی در جهت ارائه متدولوژی ارزیابی چابکی زنجیره تامین در سالهای اخیر ارائه گردیده است. همچنین شایان ذکر است بکارگیری مدل ارائه شده به عنوان سیستمهای پشتیبان تصمیم‌گیری (DSS) می‌تواند مدیران را در راستای تجزیه و تحلیل شکاف موجود بین سطح چابکی موجود و سطح چابکی مطلوب یاری رسانیده و اطلاعاتی معتبرتر جهت تصمیم‌گیری در اختیار آنها قرار می‌دهد.

فرمت ورد قابل ویرایش تعداد صفحات 100

مقاله ارائه روشی برای بهبود بخشیدن به ساختار وب سایتها

اختصاصی از اس فایل مقاله ارائه روشی برای بهبود بخشیدن به ساختار وب سایتها دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : pdf (قابل مطالعه)

چکیده/مقدمه/اصطلاحات/کلمات کلیدی/روش ها و اصول ها/نتیجه گیری/منابع

شبکه های عصبی به همراه فایل ارائه پاورپوینت

اختصاصی از اس فایل شبکه های عصبی به همراه فایل ارائه پاورپوینت 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

• : تعریف 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