لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 43 اسلاید
قسمتی از متن .ppt :
شبکههای عصبی مصنوعی
مقدمه
شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.
یادگیری شبکه عصبی در برابر خطاهای دادههای آموزشی مقاوم بوده و اینگونه شبکهها با موفقیت به مسایلی نظیر شناسایی گفتار، شناسایی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.
شبکه عصبی چیست؟
روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.
شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.
شبکه عصبی چه قابلیتهایی دارد؟
محاسبه یک تابع معلوم
تقریب یک تابع ناشناخته
شناسایی الگو
پردازش سیگنال
یادگیری انجام موارد فوق
فهرست مطالب و اسلایدها
شبکه عصبی چیست؟
شبکه عصبی چه قابلیتهایی دارد؟
الگوریتم یادگیری پرسپترون
آیا تمامی مثالهای آموزشی درست ارزیابی میشوند:
قاعده دلتا Delta Rule
الگوریتم Gradient descent
بدست آوردن قاعده Gradient descent
خلاصه یادگیری قاعده دلتا
مشکلات روش Gradient descent
تقریب افزایشی Gradient descent
الگوریتم Back propagation
الگوریتم BP
انتشار به سمت جلو
شرط خاتمه
استفاده از .Stochastic gradient descent
قدرت نمایش توابع
فضای فرضیه و بایاس استقرا
روشهای دیگر