با دانلود پاور پوینت آشنایی
با شبکه های عصبی زیستی
درخدمت شما عزیزان هستیم .
فرمت فایل powerpointوقابل ویرایش وبا قیمت مناسب در خدمت شما عزیزان قرار دادیم .
جهت دانلود فایل موارد زیرا بخوانید .
نام فایل : آشنایی با شبکه های عصبی زیستی
فرمت فایل:powerpointوقابل ویرایش
تعداد اسلاید:24
قسمتی از فایل :
آشنایی
با شبکه های عصبی زیستی
معرفی
شبکه های عصبی مصنوعی(ANNها)
مبانی
شبکه های عصبی مصنوعی
توپولوژی
شبکه
نرم
افزارهای شبکه های عصبی
مقایسه
ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
فرآیند
یادگیری شبکه
تجزیه
و تحلیل داده ها توسط 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
vاین
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 ها(ارتباط های
الکترومغناطیسی)اطلاعات 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.
vاین
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.back propagation of error))
vیادگیری
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.
vیک
سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی
پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی
با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.
v
vدر
این شبکه ها به کمک د انش برنامه نویسی ، ساختا
ر داده ای طراحی می شود که می تواند هما نند نورون
عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای
بین این node ها و اعمال یک الگوریتم آموزشی به آ ن، شبکه را آموزش می دهند .
v
vدر
این حافظه یا شبکه ی عصبی node ها
دارای دو حالت فعال(on
یا
1) وغیرفعال( off
یا 0) اند و هر یال (سیناپس یا ارتباط بین node
ها)دارای یک وزن می باشد.یالهای با وزن مثبت
،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن
منفی node متصل
بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.
کاربردهای
شبکه های عصبی مصنوعی
vANN ها در واقع مثلثی هستند با سه ضلع
مفهومی :
.Iسیستم
تجزیه و تحلیل داده ها
.IIنورون
یا سلول عصبی
.IIIقانون
کار گروهی نورونها (شبکه)
●
vANN 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.
vهوش
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 .
برچسب ها:
به طور خلاصه یک شبکه عصبی باید خصوصیات زیر را داشته باشد: بتواند الگوها را طبقه بندی کند به اندازه کافی کوچک باشد تا از نظر فیزیکی واقع گرایانه باشد با به کار گیری آموزش قابل برنامه ریزی باشد و قدرت یادگیری داشته باشد یعنی توانایی تنظیم پار