دسته: کامپیوتر و IT انسان ها از كامپیوترها باهوش ترند چرا چنین گفته می‌شود؟ درست است كه بعضی از اعمالی را كه ما به سختی انجام می دهیم یك كامپیوتر به سرعت و به راحتی انجام می دهد ،مانند جمع چندصد عدد ، اما این مطلب باعث نمی شود كه ما یك كامپیوتر را باهوشتر از انسان بدانیم چون این سیستم هرگز قادر نمی باشد كه اعمالی را كه نیاز یه استدلال دارد و یا حل آنها از طریق
قیمت فایل فقط 7,500 تومان
آشنایی با شبكه‌های عصبی مصنوعی
1-1 انسان و كامپیوتر
انسان ها از كامپیوترها باهوش ترند. چرا چنین گفته می‌شود؟
درست است كه بعضی از اعمالی را كه ما به سختی انجام می دهیم یك كامپیوتر به سرعت و به راحتی انجام می دهد ،مانند جمع چندصد عدد ، اما این مطلب باعث نمی شود كه ما یك كامپیوتر را باهوشتر از انسان بدانیم چون این سیستم هرگز قادر نمی باشد كه اعمالی را كه نیاز یه استدلال دارد و یا حل آنها از طریق شهودی و حدس و گمان می باشد را به طور مطلوب انجام دهد. شاید بهتر است بگوییم آن‌هاموجودات منطقی ای هستند و تنها اعمال منطقی را به خوبی انجام می دهند.
مسئله دیگر شاید این باشد كه یك كامپیوتر می تواند بعضی كارها را كه ما در مدت زمان قابل ملاحظه ای انجام می دهیم را در زمان بسیار كوتاه تری انجام می دهد.ویا بعضی از اطلاعات را پس از گذشت ماه ها ویا سالها به خاطر می آورد .
به همین دلیل از كامپیوتر ها انتظار داریم در زمینه های دیگر نیز چنین رفتاری را از خود نشان دهند و چون نمی توانند تمام انتظارات ما را بر آورده كنند ما مایوس می شویم.در واقع این هدفی است كه دست اندركاران هوش مصنوعی دنبال می كنند اما هنوز پس از گذشت 30 سال تحقیقات گسترده نمی توانند این ادعا را داشته باشند كه به چنین كامپیوتری دست پیدا كرده اند.
هدف هوش مصنوعی را می توان در این جمله خلاصه كرد كه می خواهد در نهایت به كامپیوترهایی دست یابد كه اغلب در فیلم های سینمایی مشاهده می شود، ماشین‌های بسیار توانمند تر از انسان – هدفی كه بسیار از دنیای واقعی به دوراست . دنیایی كه اغلب به خاطراشتباهات فاحش كامپیوترها هزینه‌های بسیار زیادی را متحمل می شود .
اگر به داخل یك كامپیوتر نگاه كنیم چیزی جز تعدادی تراشه های الكترونیكی ، مدارها ،مقاومتها و سایر قطعات الكترونیكی نخواهیم دید. اما اگر به درون مغز نگاه كنیم ، به هیچ صورت چنین ساختاری را مشاهده نخواهیم كرد. بررسی اولیه ما چیزی جزمجموعه ای گره خورده از ماده‌ای خاكستری رنگ نشان نمی دهد. بررسی بیش‌تر و روشن می كند كه مغز از اجزایی ریز تشكیل شده است .
لیكن این اجزاء به شیوه‌ای بی نهایت پیچیده، مرتب شده‌اند و هز جزء به هزاران جزء دیگر متصل است. شاید این تفاوت در شیوه ساختار ، علت اصلی اختلاف بین مغز و كامپیوتر است. كامپیوترها طوری طراحی شده اند كه یك عمل را بعد از عمل دیگر باسرعت بسیار زیاد انجام دهند . لیكن مغز ما با تعداد اجزای بیش‌تر اما با سرعتی بسیار كم‌تر كار می‌كند .
در حالی كه سرعت عملیات در كامپیوترها به میلیون‌ها محاسبه در ثانیه بالغ می شود، سرعت عملیات در مغز تقریباً بیش‌تر از ده بار در ثانیه نمی‌باشد. لیكن مغز در یك لحظه با تعداد زیادی اجزاء به طور هم زمان كار می كند، كاری كه از عهده كامپیوتر بر نمی‌آید .
كامپیوتر ماشینی سریع اما پیاپی كار است در حالی كه مغز شدیداً ساختاری موازی دارد. كامپیوترها می توانند عملیاتی را كه با ساختار آنها سازگاری دارند به خوبی انجام دهند. برای مثال شمارش و جمع‌كردن اعمالی پیاپی است كه یكی بعد از دیگری انجام می شود . لیكن دیدن و شنیدن، اعمالی شدیداً موازی‌اند كه در آنها داده‌های متضاد و متفاوت هر كدام باعث اثرات و ظهور خاطرات متفاوتی در مغز می شوند وتنها از طریق تركیب مجموعه این عوامل متعدد است كه مغز می‌تواند چنین اعمال شگفتی را انجام دهد .
فهرست:
| 1 | فصل 1 : مقدمه |
| 1 | 1-1 انسان و كامپیوتر1 |
| 4 | 1-2 ساختار مغز |
| 7 | 1-2-1 یادگیری در سیستم‌های بیولوژیك |
| 7 | 1-3 تفاوت ها |
| 10 | فصل 2 : نگرش كلی به شبكه های عصبی مصنوعی |
| 10 | 2-1 تعریف شبكه های عصبی |
| 11 | 2-2 مفاهیم اساسی شبكه های عصبی |
| 13 | 2-3 معرفی اصطلاحات و علائم قراردادی |
| 15 | 2-4 كاربردهای محاسبات عصبی |
| 16 | 2-5 كاربردهای نمونه شبكه های عصبی مصنوعی |
| 17 | 2-6 فواید و معایب شبكه های عصبی مصنوعی |
| 18 | 2-7 معیارهای مهندسی به منظور محاسبات عصبی |
| 19 | 2-8 مراحل مهندسی سیستم ANN |
| 21 | 2-9 توپولوژی شبكه و خصوصیات |
| 22 | فصل 3 : بازشناسی الگو |
| 22 | 3-1 چشم انداز طرح شناسی |
| 22 | 3-2 تعریف بازشناسی الگوها |
| 23 | 3-3 بردارهای مشخصات و فضای مشخصات |
| 24 | 3-4 توابع تشخیص دهنده یا ممیز |
| 25 | 3-5 فنون طبقه بندی |
| 25 | 3-6 روش طبقه بندی «نزدیكترین همسایه» |
| 27 | 3-7 میزان های اندازه گیری فاصله |
| 31 | 3-8 دستگاه های طبقه بندی خطی |
| 38 | فصل 4 : نرون پایه |
| 38 | 4-1 مقدمه |
| 38 | 4-2 مدل سازی نرون |
| 42 | 4-3 فراگیری در نرون‌های ساده |
| 45 | 4-4 الگوریتم فراگیری پرسپترون |
| 48 | 4-5 یك مثال ساده برای پرسپترون ساده. |
| 61 | قصل 5 : نرون چند لایه |
| 61 | 1-5 مقدمه |
| 63 | 2-5 مدل جدید |
| 64 | 3-5 قاعده جدید فراگیری |
| 65 | 5-4 الگوریتم پرسپترون چند لایه |
| 67 | 5-5 بررسی مجدد مساله XOR |
| 70 | 5-6 لیه های شبكه |
| 71 | 5-7 معرفی چند شبكه |
| 71 | 5-8 معرفی نمونه ای از توابع كلیدی |
| 81 | 5-9 بررسی یك مثال عملی |
قیمت فایل فقط 7,500 تومان
برچسب ها : دانلود و خرید مقاله آشنایی با شبكه‌های عصبی مصنوعی , دانلود رایگان مقاله آشنایی با شبكه‌های عصبی مصنوعی , دانلود رایگان تحقیق آشنایی با شبكه‌های عصبی مصنوعی , دانلود رایگان پروژه آشنایی با شبكه‌های عصبی مصنوعی , خرید و دانلود مقاله آشنایی با شبكه‌های عصبی مصنوعی , خرید مقاله آشنایی با شبكه‌های عصبی مصنوعی , دانلود مقاله آشنایی با شبكه‌های عصبی مصنوعی