دانلود فایل پاورپوینت مدلسازی سیستم های بیولو ژیکی توسط شبکه های عصبی بازگشتی

PowerPoint قابل ویرایش
42 صفحه
23700 تومان

لطفا به نکات زیر در هنگام خرید دانلود فایل پاورپوینت مدلسازی سیستم های بیولو ژیکی توسط شبکه های عصبی بازگشتی توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاورپوینت مدلسازی سیستم های بیولو ژیکی توسط شبکه های عصبی بازگشتی قرار داده شده است

2-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

 مقدمه :

آشنایی با شبکه های عصبی زیستی

معرفی شبکه های عصبی مصنوعی(ANNها)

مبانی شبکه های عصبی مصنوعی

ایده ی اصلی شبکه های عصبی مصنوعی

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر

شبکه های عصبی در مقابل کامپیوترهای معمولی

معایب شبکه های عصبی مصنوعی

کاربردهای شبکه های عصبی مصنوعی

فرآیند یادگیری شبکه

توپولوژی شبکه

اسلاید 2 :


آشنایی با شبکه های عصبی  زیستی

این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس هااطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند.

این شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.

یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

اسلاید 3 :

مبانی ANN ها

 شبکه های عصبی به طور کلی سیستمهای ریاضی یادگیر غیر خطی هستند. طرز کار این شبکه ها از روش کار مغز انسان الگو برداری شده است. در واقع شبکه های عصبی طبق تعریف ماشینی است برای ساخت یک مدل که می توان آن را بوسیله سخت افزار یا نرم افزار شبیه سازی کرد و عملکردی شبیه مغز انسان دارند.

 

یک شبکه عصبی بر خلاف کامپیوترهای رقومی که نیازمند دستورات کاملا صریح و مشخص است٬ به مدل های ریاضی محض نیاز ندارد بلکه مانند انسان قابلیت یادگیری به وسیله تعدادی مٽال مشخص را دارد.
هر شبکه عصبی سه مرحله آموزش٬ اعتبار سنجی و اجرا را پشت سر می گذارد. در واقع شبکه های عصبی را می توان در حل مسایلی که روابط دقیق ریاضی بین ورودی ها و خروجی های آن برقرار نیست بکار برد.

 

آموزش دیدن شبکه های عصبی در واقع چیزی جز تنظیم وزن های ارتباطی این نرون ها به ازائ دریافت مٽال های مختلف نیست تا خروجی شبکه به سمت خروجی مطلوب همگرا شود.

اسلاید 4 :

معرفی ANN ها(ادامه...)

ANN ها در واقع مثلثی هستند با سه ضلع مفهومی  :

.Iسیستم تجزیه و تحلیل داده ها

.IIنورون یا سلول عصبی

.IIIقانون کار گروهی نورونها (شبکه)

ANN ها دست کم از دو جهت شبیه مغز انسا ن اند:

.Iمرحله ای موسوم به  یاد گیری دارند.

.IIوزن های سیناپسی  جهت ذخیره ی دانش به کار می روند.

 

هوش مصنوعی و مدل سا زی شناختی سعی بر این دارند که بعضی خصوصیا ت شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سا زی شناختی ،ساخت مدلهای ریا ضی سیستم های نورونی زیستی می باشد .

اسلاید 5 :

مدل ریاضی یک نورون

همان گونه که ذکر شد نرون کوچکترین واحد یک شبکه عصبی مصنوعی است که عملکرد شبکه های عصبی را تشکیل می دهد.

بدنه هر سلول عصبی از دو بخش تشکیل می شود٬ بخش اول را تابع ترکیب می گویند. وظیفه تابع ترکیب این است که تمام ورودی ها را ترکیب و یک عدد تولید می کند. در بخش دوم سلول تابع انتقال قرار دارد که به آن تابع تحریک نیز می گویند.  درواقع همان گونه که یک سلول بیولوژیک باید به سطح آستانه تحریک خاصی برسد تا یک سیگنال تولید کند٬ توابع تحریک نیز تا زمانی که ورودی های ترکیب شده و وزن دار شده به یک حد آستانه ای خاص نرسند مقدار خروجی نظیر بسیار کوچکی تولید میکنند.

وقتی ورودی های ترکیب شده به حد آستانه ای خاصی برسند٬ سلول عصبی تحریک شده و سیگنال خروجی تولید می کند. با مقایسه جواب خروجی شبکه با مقدار مطلوب مورد نظر بردار خطا محاسبه شده و این بردار با استفاده از الگوریتم های مختلف از آخر به سمت ابتدای شبکه پخش شده٬ به طوری که درسیکل بعد خطا کاهش یابد. 

اسلاید 6 :


ایده ی اصلی عملکرد شبکه های عصبی مصنوعی

هر گره دارای دو وضعيت فعال و غيرفعال است(صفر يا يك) و هر يال نيز دارای يك وزن می‌باشد (شكل 2). يال‌های با وزن مثبت بين دو گره تا گره فعال ديگری را تحريك می‌كنند و يال‌های با وزن منفی بين دو گره، گره فعال ديگری را غير فعال می‌سازند.

   نحوه عملكرد شبكه بدين صورت است كه ابتدا يك گره به تصادف انتخاب میشود. اگر يك يا بيشتر از همسايههای آن گره فعال بودند جمع وزندار يالهای منتهی به آن گرهها حساب میشود. اگر اين جمع مثبت بود گره فعال می‌شود و در غير اين صورت گره مذكور غيرفعال باقی خواهد ماند. سپس مجددا يك گره ديگر به تصادف انتخاب شده و همين عمليات آنقدر تكرار می‌شود تا شبكه به يك حالت پايدار برسد.

تز اصلی هاپفيلد : از هر حالت ابتدايی و با هر وزنی از يال‌ها كه شروع كنيم، شبكه در نهايت به حالت پايدار خواهد رسيد.

اسلاید 7 :

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر

يكی از مهم‌ترين تفاوت‌های حافظه انسان با حافظه كامپيوتر در نوع آدرس دهی اين دو نوع حافظه می‌باشد. در حافظه كامپيوتر اساس كار بر پايه آدرس خانه‌های حافظه يا آدرس اطلاعات بر روی حافظه دائم می‌باشد. به عنوان مثال برای دستيابی به يك تصوير يا متن خاص، بايد آدرس حافظه يا فايل مربوط به آن تصوير يا متن را داشته باشيد. اما با داشتن خود تصوير يا متن نمی‌توانيد به سادگی آدرس حافظه مربوطه را بيابيد (البته به اين معنی كه اين كار با يك قدم قابل انجام نيست، وگرنه می‌توانيد تصوير يا متن مورد نظر را با تمام موارد موجود در حافظه مقايسه كرده و در صورت تطبيق آدرس را بيابيد. ناگفته پيداست كه انجام چنين كاری بسيار زمان بر و پر هزينه می‌باشد).

 

 

اما به سازوكار همين عمل در ذهن انسان دقت كنيد. با ديدن يك تصوير ناقص اغلب بلافاصله كامل آنرا به خاطر می‌آوريد يا با ديدن تصوير يك شخص سريعا نام او را می‌گوييد، يا با خواندن يك متن سريعا تمامی مطالب مربوط به آن را به ذهن می‌آوريد. در واقع ذهن انسان يك نوع حافظه آدرس‌دهی شده بر اساس محتواست (Content Addressable Memory). همانگونه كه از اين نام مشخص است در اين نوع حافظه، با دادن محتوای يك خانه حافظه، بلافاصله آدرس آن به عنوان خروجی داده می‌شود.

اسلاید 8 :

شبکه های عصبی در مقابل کامپیوترهای معمولی

از طرف دیگر ، کامپیوتر های معمولی از یک مسیر مشخص برای حل یک مسئله استفاده می کنند . راه حلی که مسئله از آن طریق حل می شود باید از قبل شناخته شود و به صورت دستورات کوتاه و غیر مبهمی شرح داده شود. این دستورات سپس به زبان های برنامه نویسی سطح بالا برگردانده می شود و بعد از آن به کدهایی که کامپیوتر قادر به درک آنها است تبدیل می شود. به طور کلی این ماشین ها قابل پیش گویی هستند و اگر چیزی به خطا انجام شود به یک اشتباه سخت افزاری یا نرم افزاری بر می گردد.

شبکه های عصبی و کامپیوتر های معمولی با هم در حال رقابت نیستند بلکه کامل کننده یکدیگرند . وظایفی وجود دارد که بیشتر مناسب روش های الگو ریتمی هستند نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند . حتی فراتر از این ، مسائلی وجود دارد که نیازمند به سیستمی است که از تر کیب هر دو روش بدست می آید (بطور معمول کامپیوتر های معمولی برای نظارت بر شبکه های عصبی به کار گرفته می شوند ) به این قصد که بیشترین کارایی بدست آید.

شبکه های عصبی معجزه نمی کنند اما اگر خردمندانه به کار گرفته شوند نتایج شگفت آوری را خلق میکنند.

اسلاید 9 :

معایب ANN ها

  با وجود برتری هایی که شبکه های عصبی نسبت به سیستم های مرسوم دارند، معایبی نیز دارند که پژوهشگران این رشته تلاش دارند که آن ها را به حداقل برسانند، از جمله:

قواعد یا دستورات مشخصی برای طراحی شبكه جهت یك كاربرد اختیاری وجود ندارد.

در مورد مسایل مدل‌سازی، نمی‌توان صرفاً با استفاده از شبكه عصبی به فیزیك مسأله پی برد. به عبارت دیگر مرتبط ساختن پارامترها یا ساختار شبكه به پارامترهای فرآیند معمولاً غیرممكن است.

دقت نتایج بستگی زیادی به اندازه مجموعه آموزش دارد.

آموزش شبكه ممكن است مشكل یا حتی غیرممكن باشد.

پیش‌بینی عملكرد آینده شبكه ( عمومیت یافتن ) آن به سادگی امكان‌پذیر نیست.

اسلاید 10 :


کاربردهای شبکه های عصبی مصنوعی

   امروزه شبكه‌های عصبی در كاربردهای مختلفی نظير مسائل تشخيص الگو(Pattern Recognition) كه خود شامل مسائلی مانند تشخيص خط(Character Recognition)  ، شناسايی گفتار(Speech Recognition)، پردازش تصوير(Image Processing)   و مسائلی ازاين دست می‌شود و نيز مسائل دسته‌بندي(Classification) مانند دسته‌بندی (Classification Problems)متون و يا تصاوير،به كار می‌روند.دركنترل يا مدل‌سازی سيستم‌هايی كه ساختار داخلی ناشناخته يا بسيار پيچيده‌ای دارند نيز به صورت روز افزون از شبكه‌های عصبی مصنوعی استفاده می‌شود .

مطالب فوق فقط متون اسلاید های ابتدایی پاورپوینت بوده اند . جهت دریافت کل ان ، لطفا خریداری نمایید .
PowerPoint قابل ویرایش - قیمت 23700 تومان در 42 صفحه
سایر مقالات موجود در این موضوع

دانلود فایل پاورپوینت مدلسازی سیستم های بیو لوژیکی و سیستم تنفسی

PowerPoint قابل ویرایش
46 صفحه
23700 تومان
دسته بندی : مقالات رشته پزشکی
--- پاورپوینت شامل تصاویر میباشد ---- اسلاید 1 : مقايسه سيستم تنفسي با سيستم گردش خون از نظر مداري سيستم تنفسي پيچيدگي کمتري دارد و داراي انشعابات کمتري است هوا بر خلاف خون قابل تراکم است که آناليز را مشکل تر مي کند در سيستم تنفسي بر خلاف گردش خون شير وجود ندارد ولي سيستم شديدا غير خطي است عبور جريان هو ...

مقاله پیش بینی تبخیرماهانه با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی – فازی ( مطالعه موردی : ایستگاه تمر گرگان )

word قابل ویرایش
11 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست *** پيش بيني تبخيرماهانه با استفاده از شبکه عصبي مصنوعي و سيستم استنتاج عصبي – فازي (مطالعه موردي :ايستگاه تمر گرگان ) چکيده امروزه در دنيا، آب و منابع آب ، يکي از پايه هاي اصلي توسعة پايدار به شمار مي رود. تغيير و تحول کمي و کيفي منابع آ ...

مقاله مدلسازی شبکیه چشم بوسیله شبکه های عصبی مصنوعی

word قابل ویرایش
13 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست *** مدلسازي شبکيه چشم بوسيله شبکه هاي عصبي مصنوعي چکيده : هدف اين مقاله ارائه مدل براي شبکيه چشم است . در اين مقاله ابتدا فيزيولوژي شبکيه چشم مورد بررسي قرار گرفته است . مدلي ارائه شده که به خاطر شباهت هر چه بيشتر رفتار مدل به رفتار سلول هاي ...

مقاله مدلسازی و شناسائی عوامل موثر در شدت تصادفات کامیونها در جادههای دوخطه برون شهری با استفاده از مدل لوجیت و شبکه عصبی

word قابل ویرایش
12 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست *** مدلسازی و شناسائـی عوامل موثر در شدت تصادفات کامیونها در جادههای دوخطه برون شهری با استفاده از مدل لوجیت و شبکه عصبی چکیده افزایش ابعاد و وزن کامیونها در چند دهه اخیر رشد قابل توجهی داشته است. عدم وجود استانداردها، قـوانین و نظارت کافی بر ...

مقاله ارزیابی عملکرد سیستم های توزیع شده : یک روش مدلسازی مبتنی بر مؤلفه بر اساس شبکه های پتری شئ گرا

word قابل ویرایش
33 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
ارزیابی عملکرد سیستم های توزیع شده: یک روش مدلسازی مبتنی بر مؤلفه بر اساس شبکه های پتری شئ گرا چکیده در این مقاله، ما روشی برای سیستم های توزیع شده با شبکه های پتری سطح بالا ارائه می کنیم که یک ابزار قدرتمند به ویژه ابفرمالیسم همزمان و توزیع اختصاص داده شده، اجازه مدلسازی هر دو پروتکل و مؤلفه های سرویس را ...

مقاله برآورد تبخیر و تعرق مرجع با استفاده از روش پنمن - مانتیث - فائو ، مدلسازی آن با شبکه عصبی مصنوعی و مقایسه آنها با دادههای لایسیمتری در ایستگاه کهریز ارومیه

word قابل ویرایش
9 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** اين فايل شامل تعدادي فرمول مي باشد و در سايت قابل نمايش نيست ***   برآورد تبخیر و تعرق مرجع با استفاده از روش پنمن- مانتیث- فائو، مدلسازی آن با شبکه عصبی مصنوعی و مقایسه آنها با دادههای لایسیمتری در ایستگاه کهریز ارومیه چکیده تبخیر و تعرق مرجع یکی از عوامل مهم سیکل هیدرولوژیکی است که باید د ...

مقاله مدلسازی سیستم عصبی‐عضلانی ساعد برای ارائه ساختاری جدید در کنترل پروتزهای سایبرنتیکی

word قابل ویرایش
11 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست *** مدلسازی سیستم عصبی‐عضلانی ساعد برای ارائه ساختاری جدید در کنترل پروتزهای سایبرنتیکی چکیده: یکی از مشکلات عمده پروتزهای ساعد سایبرنتیکی فعلی، سیستمهای کنترلی بهکار رفته در آنها میباشد که به حرکاتی روباتیکی و غیرطبیعی در پروتز منجر میگردند ...

مقاله شناسایی غیرخطی سیستم دینامیکی هواپیما بر پایه شبکه عصبی NNARX

word قابل ویرایش
9 صفحه
27700 تومان
دسته بندی : مقالات گوناگون
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***   شناسایی غیرخطی سیستم دینامیکی هواپیما بر پایه شبکه عصبی NNARX چکیده این مقاله اختصاص به شناسایی سیستم دینامیکی هواپیما به کمک شبکه عصبی NNARX دارد. ابتدا روش تولید داده های مناسب در امر آموزش ارائه شده، سپس نحوه بکارگیری داده های ...