لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه:124
فهرست و توضیحات:
فصل اول
مقدمه...................................................................................................................................................7
هوش مصنوعی..................................................................................................................................7
به سوی آینده.....................................................................................................................................8
تاریخچه..............................................................................................................................................9
تعریف..................................................................................................................................................9
تاریخچه و تعاریف سیستم‌های خبره...........................................................................................13
بعضی از تعاریف سیستم های خبره............................................................................................14
تاریخچه سیستم های خبره............................................................................................................14
الگوریتم ژنتیک.................................................................................................................................16
تابع سازگاری(FitnessFunction)..........................................................................................20
Mutation(جهش ژنتیکی)............................................................................................................21
مقدمه ای بر سیستم های فازی وکنترل فازی.............................................................................25
سیستم‌های فازی چگونه سیستم‌هایی هستند؟.............................................................................26
سیستم‌های فازی کجا و چگونه استفاده می‌شوند؟......................................................................27
زمینه‌های تحقیق عمده در تئوری فازی.........................................................................................27
تاریخچه مختصری از تئوری و کاربردهای فازی........................................................................28
فصل دوم
شبکه های عصبی...........................................................................................................................32
مقدمه............................................................................................................................................... 32
ساختار مغز.....................................................................................................................................33
ساختار نرون.................................................................................................................................34
چگونه مغز انسان می آموزد ؟.....................................................................................................37
معنای شبکه های عصبی...............................................................................................................38
قوانین هب.......................................................................................................................................40
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی.................................................41
رویای جایگزینی ویژگی های مغز در یک سیستم مصنوعی چقدر ممکن گردیده؟..................................41
تاریخچه شبکه‌های عصبی............................................................................................................42
چرا از شبکه های عصبی استفاده می کنیم؟...............................................................................44
شبکه های عصبی در مقابل کامپیوتر های معمولی....................................................................46
مزایا و محدودیت های شبکه عصبی............................................................................................45
چه کسانی به شبکه عصبی علاقه‌مند هستند؟..............................................................................45
نرمافزارها و سخت افزارهای شبکه‌های عصبی..........................................................................47
کاربرد شبکه های عصبی...............................................................................................................49
یکپارچگی منطق فازی و شبکه های عصبی.................................................................................52
مدل ریاضی یک نرون................................................................................................................... 55
یک نرون ساده.................................................................................................................................56
قوانین برانگیختگی...........................................................................................................................57
یک نرون پیچیده تر.......................................................................................................................59
ساختار شبکه های عصبی...........................................................................................................60
مراحل طراحی شبکه.......................................................................................................................61
اهداف شبکه های عصبی..............................................................................................................62
تقسیم بندی شبکه های عصبی......................................................................................................63
انواع یادگیری برای شبکه های عصبی.........................................................................................65
توپولوژی شبکه های عصبی......................................................................................................67
شبکه‌های پیشخور (Feed Forward).....................................................................................67
شبکه‌های برگشتی(Recurrent)................................................................................................67
پرسپترون چند لایه.........................................................................................................................68
Perceptronهای ساده................................................................................................................69
قدرت Perceptron......................................................................................................................69
دنباله‌های Perceptron..............................................................................................................70
آموزش پر سپترون.......................................................................................................................72
الگوریتم یادگیری پرسپترون.....................................................................................................72
قانون پرسپترون.............................................................................................................................72
قانون دلتا.........................................................................................................................................73
روشهای دیگر.................................................................................................................................73
شبکه های هاپفید...........................................................................................................................74
شبکه‌های دارای پس‌خور..............................................................................................................76
شبکه عصبی ترکیبی المن- جردن...............................................................................................81
پس انتشار خطا..............................................................................................................................85
چند بررسی از کاربرد های شبکه های عصبی..........................................................................87
فصل سوم
نتیجه گیری....................................................................................................................................110
منابع ومأخذ.................................................................................................................................112
فصل اول
مقدمه
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
تحقیق درباره شبکه های عصبی مصنوعی
