دانلود پاورپوینت شبکه های عصبی مصنوعی

بخشی از پاورپوینت

اسلاید 1 :

 اولین سلول عصبی در سال 1943 ساخته شد.

(نروفیزیولوژیست‌ )Warren Mc Culloch

(منطق دان )Walter Pits

:پیشگامان شبکه عصبی

Minskyو Papert

اسلاید 2 :

اسلاید 3 :

 اولین سلول عصبی در سال 1943 ساخته شد.

(نروفیزیولوژیست‌ )Warren Mc Culloch

(منطق دان )Walter Pits

:پیشگامان شبکه عصبی

Minskyو Papert

اسلاید 4 :

 اولین سلول عصبی در سال 1943 ساخته شد.

(نروفیزیولوژیست‌ )Warren Mc Culloch

(منطق دان )Walter Pits

:پیشگامان شبکه عصبی

Minskyو Papert

اسلاید 5 :

1- کامپیوتر های معمولی یک مسیر الگوریتمی را استفاده می کنند به این معنی که کامپیوتر یک مجموعه از دستور العمل ها را به قصد حل مسئله پی می گیرد. بدون اینکه، قدم های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست.

2-شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن استنادرست کار کند.

3- به طور کلی کامپیوترها قابل پیش بینی هستند و اگر چیزی به خطا انجام شود به یک اشتباه سخت افزاری یا نرم افزاری بر می گردد.

4-امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل .کند ، عملکرد آن غیر قابل پیش بینی  است

اسلاید 6 :

یادگیری انطباق پذیر:

- قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده شده برای تمرین وتجربه های مقدماتی

:سازماندهی توسط خود

- یک شبکه عصبی می تواند سازماندهی یا ارائه اش را ، برای اطلاعاتی که در طول دوره یادگیری در یافت می کندایجاد کند

  : عملکرد بهنگام

- محاسبات به طور موازی انجام شده و موجب بالا رفتن سرعت میشود.

برای این منظور سخت افزارهای مخصوصی طراحی شده است.

اسلاید 7 :

حساسيت بالا به رخداد اشتباه :

- بروز اشتباه در فرمت و علائم برنامه نویسی منجر به اتلاف ساعتها وقت در ردیابی، شناسایی و اصلاح برنامه ميگردد. در حالی که عدم عملکرد صحيح قسمتی از نرون ها منجر به از کارافتادگی کامل مغز نميگردد و امکان اتخاذ تصميم صحيح در اين حالت نيز وجود دارد.

-  رایانه ها و نرم افزارهای موجود قادر نيستند از تجربيات گذشته استفاده نمايند.

اسلاید 8 :

1.داده پردازی در اجزای ساده به نام نرون صورت می گیرد.

2.اطلاعات از طریق ارتباط نرون ها ردو بدل می شود. 

مختص به خود است که در مقدارW 3. هر رابطه دارای وزن

اطلاعات رد وبدل شده با سایر نرون ها ضرب می شود.

4. هر نرون برای محاسبه خروجی خود دارای یک تابع عملیاتی

است که روی ورودی ها اعمال می شود.

اسلاید 9 :

انواع شبکه های عصبی

1.پرسپترون

2.هاپفیلد

3.همینگ

اسلاید 10 :

1.شبکه پرسپترون جوابها را کد می کند و خروجی از ورودی بدون هیچگونه فیدبکی محاسبه می گردد.

2. شبکه همینگ به پاسخ مناسب منتهی شده و همواره به یکی ازالگوهای مرجع همگرا می شود، والگویی را که بیشترین تشابه را با ورودی مرجع دارد انتخاب می کند(به نوعی بهترین جواب ممکن را می دهد).
3. در شبکه هاپفیلد تمامی نورونها همانند یکدیگر عمل می‌کنند و تقسیم بندی نورونهای ورودی و خروجی وجود ندارد. در واقع شبکه هاپفیلد، شبکه‌ای کاملا برگشتی است که در آن خروجی هر نورون، به ورودی تمام نورون‌های دیگر متصل است. این عمل آنقدر تکرار می‌شود تا خروجی شبکه به یک نقطه ثابت همگرا شود.شبکه هاپفیلد به الگویی همگرا می شود که ممکن است جزو الگوهای ذخیره شده نباشد.