دانلود پاورپوینت شبکه های عصبی مصنوعی
نوع فایل: power point
قابل ویرایش71 اسلاید
قسمتی از اسلایدها:مقدمهشبکه 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 داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار، شناسائی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.شبکه عصبی چیست؟وشی 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 قابلیتهائی دارد؟محاسبه یک تابع معلومتقریب یک تابع ناشناختهشناسائی الگوپردازش سیگنالیادگیری فهرست مطالب و اسلایدها:مقدمهشبکه عصبی چیست؟شبکه عصبی چه قابلیتهائی دارد؟الهام از طبیعتPerceptronیادگیری یک پرسپترونتوانائی پرسپترونتوابعی که پرسپترون قادر به یادگیری آنها میباشدتوابع بولی و پرسپتروناضافه کردن بایاسآموزش پرسپترونقانون پرسپترونقانون دلتا Delta Ruleالگوریتم gradient descentبدست آوردن قانون gradient descentقانون دلتا Delta Ruleمحاسبه گرادیانخلاصه یادگیری قانون دلتامشکلات روش gradient descentتقریب افزایشی gradient descentمقایسه آموزش یکجا و افزایشیشبکه های چند لایهیک سلول واحدتابع سیگموئیدالگوریتم Back propagationالگوریتم BPانتشار به سمت جلوانتشار به سمت عقبشرط خاتمهمحنی یادگیریمرور الگوریتم BPافزودن ممنتمقدرت نمایش توابعفضای فرضیه و بایاس استقراقدرت نمایش لایه پنهاننمودارخطاقدرت تعمیم و overfittingدلایل رخ دادن overfittingراه حلروشهای دیگرمثال: تشخیص ارقامروشی که وزنها یاد گرفته میشوندشکل گیری وزنهاشبکه چه چیزی را یاد میگیرد؟مثالی از تنوع ارقام دستنویسانواع اتصالات شبکهانواع مختلف یادگیریاعمال Backpropagation به تشخیص اشیا

---

برچسب ها: download-PowerPoint-Shabake-haye-asabi-masnooyi