1-1 شبکه های عصبی................................. 2
2-1 تاریخچه شبکه ی عصبی........................... 2
3-1 ساختار شبکه های عصبی.......................... 3
4-1 شبکه ی عصبی چیست؟............................. 4
5-1 شبکه های عصبی در مقابل کامپیوترهای معمولی..... 5
6-1 تقسیم بندی شبکه های عصبی...................... 6
7 7-1 شباهت با مغز..................................
9 8-1 خلاصه سازی با شبکه ی عصبی......................
13 9-1 چگونه مغز انسان می آموزد ومعایب شبکه عصبی.....
14 10-1 بخشهای جزئی تر از یک شبکه عصبی...............
15 11-1 معایب شبکه های عصبی..........................
12-1 چرا از شبکه ی عصبی استفاده می کنیم؟.......... 15
1-12-1 کاربردهای شبکه ی عصبی...................... 17
2-12-1 کاربردهای حرفه ای و بازرگانی.............. 19
3-12-1 جو زمین و فضای ماورای زمین................ 19
4-12-1 خودرو و مسایل مربوط به خودرو سازی......... 20
20 5-12-1 بانکداری..................................
6-12-1 کنترل سازی فعالیت......................... 20
20 7-12-1 پزشکی.....................................
20 8-12-1 نفت و گاز.................................
9-12-1 ماشین آلات و دستگاه خودکار................. 20
10-12-1 تأمین امنیت و آسایش...................... 21
21 11-12-1 مخابرات تلفنی و ارتباط با دور برد........
21 12-12-1 حمل و نقل................................
21 13-12-1 خلاصه.....................................
فصل دوّم: شبکه ی عصبی زیستی و مصنوعی
23 1-2 شبکه های عصبی زیستی..........................
2-2 تاریخچه شبکه های عصبی مصنوعی................. 23
25 3-2 شبکه های عصبی مصنوعی.....................
27 4-2 شبکه ی عصبی مصنوعی ساده.......................
5-2 شبکه های پرسپترون چند لایه 29
فصل سوّم: نرون و ساختار آن
1-3 روش کار نرون.................................. 33
35 1-1-3 ساختار نرون.................................
2-1-3 نرون با چندین ورودی......................... 36
3-1-3 یک لایه از نرون ها........................... 36
4-1-3 شبکه های چند لایه ای......................... 37
5-1-3 شبیه سازی شبکه عصبی......................... 37
6-1-3 مدل نرون.................................... 39
40 7-1-3 نرون مصنوعی.................................
8-1-3از نرون‌های انسان تا نرون مصنوعی.............. 40
فصل چهارم :
1-4 ایجاد و آموزش شبکه ی عصبی.................... 42
2-4 شبیه سازی.................................... 43
43 3-4 روش پس انتشار خطا............................
فصل پنجم: تابع ها ی تصمیم گیری
55 1-5 انواع تابع تصمیم گیری........................
2-5 تابع hard limit................................. 55
3-5 تابع خطی..................................... 55
4-5 تابع log-sigmoid................................ 56
5-5 تابع tan-sigmoid................................ 57
فصل ششم : عملکردهای شبکه عصبی در مطلب
1-6 دستورالعمل جعبه ابزار شبکه عصبی مطلب MATLAB.. 59
62 2-6 تغذیه شبکه عصبی...............................
3-6 اطلاعات و داده های پردازش...................... 62
1-3-6 شبکه پایه ای و بنیادین شعاعی( محوری)........ 68
2-3-6 شبکه در حال جریان یا به اصطلاح recurrent....... 70
3-3-6 یادگیری در خصوص کوانتیزه نمودن برداری (LVQ). 72
4-6 مدل و الگوی عصبی ............................ 75
5-6 عملکردهای انتقال دهنده....................... 77
1-5-6 رشته با بردار وروردی....................... 80
2-5-6 طراحی و ساختارهای شبکه..................... 82
3-5-6 لایه های ضرب شده (مضاعف) رشته ها............ 86
4-5-6 طراحی و ساختارهای داده و اطلاعات............ 88
5-5-6 ظاهرسازی و تشابه با ورودی های متقارن در یک شبکه ایستا 89
6-5-6 مشابه سازی با ورودی های متقارن در یک شبکه حرکتی 91
فصل هفتم: پیوستگی ها
1-7 حالات پیوستگی................................. 97
2-7 پیوستگی در حال توسعه و ترقی.................. 97
3-7 پیوستگی رو به افزایش و ترقی با شبکه های ایستا 97
4-7 پیوستگی رو به ترقی و توسعه با شبکه های حرکتی 99
5-7 پیوسته سازی دسته با شبکه های ایستا.......... 101
6-7 پیوستگی سازی در یک دسته..................... 100
7-7 پیوستگی دسته ای با شبکه های حرکتی........... 103
فصل هشتم : بلوک ها
1-8 بلوک یا ساختار تنظیم........................ 108
2-8 بلوک های سنگین.............................. 110
3-8 بلوک های ساختاری در سیستم های کنترل 111
111 4-8 تولید وایجاد یک بلوک
فصل هشتم :شکل ها و معادلات
منابع
فصل اوّل:
10-1 بخشهای جزئی تر از یک شبکه عصبی
فصل دوّم:
شکل 1-2: نمایش ساختاری نرون
شکل 2-2: نمایش شبکه ی عصبی مصنوعی ساده
شکل 3-2: مثال خروجی پرسپترون
شکل 4-2: نقش تابع در خروجی شبکه
شکل 5-2: نمایش شبکه های پرسپترون از یک لایه ورودی
فصل سوّم:
شکل 1 -3: نمایش نرون
شکل 2-3: نمایش ساختار نرون
شکل 3-3: نمایش ساختار نرون پیچیده
شکل 4-3: نمایش شکل یک نرون با چندین ورودی
شکل 5-3: نمایش یک لایه شبکه با R ورودی و S نرون
شکل 6-3: نمایش بلوک دیاگرام شبکه
شکل 7-3: نمایش یک نرون ساده با R ورودی
فصل چهارم:
شکل 1-4: نمودار تابع performance برحسب epoch
شکل 2-4: نمودار تابع performance برحسب epochبرای آموزش با نرخ آموزش متغیر
شکل 3-4: نمودار تابع performance برحسب epochآموزش به روش flctcher
شکل 4-4: نمودار تابع performance برحسب epochآموزش به روش polak-update
فصل پنجم:
شکل 1-5: نمایش تابع hard limit
شکل 2-5: نمایش تابع خطی
شکل 3-5: نمایش تابع log-sigmoid
شکل 4-5: نمایش تابع tan-sigmoid
فصل ششم:
شکل 1-6: یک رشته با یک ورودی بدون بایاس
شکل 2-6: عملکردهای انتقال دهنده خروجی صفر
شکل 3-6: نمایش عملکرد و تابع خطی انتقال دهنده
شکل 4-6: نمایش تابع و عملکردهای انتقال دهنده حلقوی
شکل 5-6:تولید و ایجاد نقطه (یا ردیف تکی) در ماتریس w و بردار f
شکل 7-6: نمایش جریان های ضرب شده و مضاعف رشته ها
شکل 8-6: لایه عصبی با عناصر ورودی R و رشته های S
شکل 9-6: نمایش شبکه تک لایه ای
شکل 11-6: نمایش نمادسازی در شبکه های سه لایه ای
شکل 13-6: نمایش مشابه سازی با ورودی های متوالی در یک شبکه حرکتی
فصل هشتم:
شکل 1-8: نمایش سه بلوک ساختاری
شکل 2-8: نمایش بلوک انتقال دهنده
شکل 3-8: نمایش مشتمل بر 4 بلوک ساختاری
فصل نهم:
شکل 1-9: رشته ساده
شکل 2-9: محدوده سخت در عملکرد انتقال دهنده
شکل 3-9: عملکرد انتقال دهنده خط تنزل یافته (purelin)
شکل 4-9: لگاریتم s مانند (خط s مانند) در عملکرد انتقال دهنده
شکل 5-9: رشته با بردار وردی
شکل 6-9: رشته تکی در حال استفاده کردن از نمادسازی خلاصه شده
شکل 7-9: آیکون ها برای عملکردها و توابع انتقال دهنده
شکل 8-9: لایه های رشته ها که
شکل 9-9: یک لایه رشته ها
شکل 10-9: لایه های رشته ها – نمادسازی خلاصه شده
شکل 11-9:لایه رشته ها که در اندیس ها نشان داده شده است که
شکل 12-9: سه لایه رشته ها
شکل 13-9:سه لایه ها با نمادسازی خلاصه شده
شکل 14-9:رشته های خطی با دو عنصر در بردار ورودی
شکل 15-9:شبکه های حرکتی با تأخیر و تعلل
