فهرست مطالب فصل اول
1-1- مقدمه
2-1- تاريخچه شبكه هاي عصبي مصنوعي
1-2-1 – سير تحولات در شكل گيري شبكه هاي عصبي
3-1- كاربرد شبكه هاي عصبي
4-1- الهام از بيولوژي
..........................
فهرست مطالب فصل 2 :
مدل نرون و معماري شبكه
1-2- اهداف فصل
2-2- مدل نرون
1-2-2- نرون تك ورودي
2-2-2- توابع انتقال
3-2-2- نرون چند ورودي
3-2- معماري شبكه (ساختارهاي شبكه)
1-3-2- شبكه تك لايه از نرون ها
2-3-2-شبكه چند لايه از نرون ها
3-3-2- شبكه بازگشتي
4-2- مسائل حل شده
5-2- تمرينات
....................................
فصل 3 :
حل يك مسئله شناسايي الگو
فهرست مطالب
1-3- هدف فصل
2-3- شناسايي الگو
3-3- بيان صورت مسئله
1-3-3- پرسپترون
2-3-3- شبكه همينگ
1-2-3-3- لايه پيشخوردي
2-2-3-3- لايه بازگشتي
3-3-3- شبكه هاپفيلد
4-3- خلاصه فصل
5-3- تمرين
.....................................
فصل چهارم:
پرسپترون و قانون يادگيري هب
1-4 هدف فصل
2-4 قوانين يادگيري
1-2-4 يادگيري با ناظر
2-2-4 يادگيري تشديدي
3-2-4 يادگيري بدون ناظر
3-4 ساختار پرسپترون
4-4 پرسپترون تك نروني
5-4 پرسپترون چند نروني
6-4 قانون يادگيري پرسپترون
7-4 آموزش پرسپترون هاي چند نروني
8-4 همگرايي قانون يادگيري پرسپترون و محدوديت هاي پرسپترون تك لايه
9-4 شبكه حافظه انجمني خطي
1-9-4 قانون يادگيري هب
2-9-4 آناليز عملكرد قانون هب
3-9-4 قانون شبه معكوس
4-9-4 كاربرد قانون هب
5-9-4 تغييرات قانون يادگيري هب
10-4 خلاصه نتايج
11-4 مسائل حل شده
12-4 تمرينات
1-4 هدف فصل
پيوست فصل چهار
..............................................
فصل پنجم
شبكه آدالاين و الگوريتم LMS
فهرست
1,5 – شبكه آدالاين
11,2 – حالت تك نروني
2,1,1 – متوسط مربع خطا
3,1,2- الگوريتم
LMS 4,1,2-آناليز همگرايي
2,4-كاربرد شبكه آدالاين در فيلترهاي تطبيقي
خلاصه فصل
مسائل حل شده
تمرين
پيوست
................................................
فصل ششم:
الگوريتم BP و بعضي از بهبودهايش
فهرست
هدف
1,6 شبكه پرسپترون چند لايه
1,16 – شناسايي الگو
2,1,6- تقريب تابع
2,6-الگوريتم پس انتشار
1,2,6- شاخص عملكرد
2,2,6- قانون زنجيره اي
3,2,6- پس انتشار حساسيت ها
3,6- خلاصه الگوريتم
BP 4,6- استفاده از شبكه پس انتشار
1,4,6- انتخاب معماري شبكه
2,4,6-همگرايي
3,4,6-تعميم
5,6- الگوريتم BP از نوع دسته اي
7,6- بهبود بر
BP 1,7,6-انتخاب مقادير اوليه پارامترها
2,7,6- روش ممنتم براي BP
خلاصه نتايج
مسائل حل شده
تمرين ها
شكل ها
......................................
فصل هفتم
قوانين يادگيري بدون ناظر
هدف
1-7 شبكه انجمني ساده
2-7 قانون يادگيري هب بدون ناظر
1-2-7 قانون يادگيري هب با ضريب ميرايي
3-7 شبكه شناسايي ساده
1-3-7 قانون يادگيري اينستا
4-7 قانون كوهنن.
5-7 شبكه بازيابي ساده
1-5-7 قانون يادگيري اوتستار
6-7 شبكه همينگ
1-6-7 لايه اول
2-6-7 لايه دوم
7-7 لايه رقابتي
1-7-7 يادگيري رقابتي
2-7-7 مشكلات لايه هاي رقابتي
8-7 نگاشت هاي شاخص خود سازمانده (SOMF)
1-8-7 بهبود نگاشتهاي شاخص
9-7 يادگيري كوانتيزه نموده برداري (LVQ)
1-9-7 يادگيري LVQ
2-9-7 بهبود LVQ
خلاصه
نتايج
تمرين ها
.........................................
فصل 8
فهرست مطالب
عنوان
هدف
بخش اول
1-8 شبكه هاپفيلد
2-1-8 طراحي هاپفيلد
3-1-8 استفاده از قانون هب
خلاصه
مسائل حل شده
تمرين ها
شكل ها
بخش دوم
2-8 كاربرد عملي شبكه هاي عصبي چند لايه
1-2-8 شبكه MLP و كنترل بهينة حلقه بسته در موشكهاي آشيانه ياب
مقدمه
2-2-8 معادلات حركت در تعقيب صفحه اي و حل بهينه حلقه باز
3-2-8 به دست آوردن قانون هدايت و ناوبري
4-2-8 شبيه سازي و آموزش شبكه عصبي
نتيجه گيري
فصل ۹ : کنترل فازی
فصل ۱۰ طراحی سستم کنترل فازی
فصل ۱۱ الگوریتم ژنتیک
فایل zip شامل ۱۰ فایل pdf است که شامل ۳۵۲ صفحه است
برچسب ها:
الگوریتم ژنتیک کنترل فازی آموزش شبكه عصبي