پاورپوینت شبکه‌ مخابراتی NGN

اختصاصی از یارا فایل پاورپوینت شبکه‌ مخابراتی NGN دانلود با لینک مستقیم و پر سرعت .

پاورپوینت شبکه‌ مخابراتی NGN

NGN چیست؟

شبکه فعلی شامل سه شبـکه مجزا به نامهای PSTN ، شبکه Wireless (Mobile) ، شبکه دیتا(PSDN) و شبکه هوشمند (IN) می باشد.
NGN شبکه ای مبتنی بر IP و مولتی سرویس است که ساختار مدیریت وکنترل واحد دارد و سه شبکه فوق را در یک ساختار عمومیPacket-base یکپارچه می کند.
در NGN، شبکه موجود از یک معمـاری گسترده به شبکـه ای با لایه انتقال Packet Base برای صوت و دیتا تبدیـل می گردد.تمام ترافیک مخابراتی و ارتباطی نظیر صوت ، سرگرمی، آموزش و سرویسهای اطلاعاتی از یک شبکه مجزا حمل خواهند شد.
NGN باعث ایجاد شبکه ای با معماری ساده، هزینه کم و قدرت اجرایی بالا می گردد. هوشمندی و بازدهی بالای NGN قابلیت ارائه تمام سرویسهای موجود درآینده را بصورت Multi Service به شبکه می دهد...

، باید پذیرفت که ‌‌NGN و به‌کارگیری آن مستلزم تغییرات اساسی در ساختار عملیاتی شرکت‌های مخابراتی خواهد بود: تغییراتی که بر تمامی جوانب فعالیت این شرکت‌ها، اعم‌ از فرهنگ کاری کارکنان و مدیران، گردش سرمایه و ساختار شبکه موجود مؤثر خواهد بود. در واقع برای موفقیت ‌NGN نیازمند تفکر و نگرش جدیدی در میان مدیران میانیِ شرکت‌های مخابراتی خواهیم بود که سخت‌ترین قسمت این فرایند زودگذر را نیز تشکیل می‌دهد.

و...
در 12 اسلاید
قابل ویرایش

تحقیق در مورد آشنایی با شبکه‌های عصبی مصنوعی

اختصاصی از یارا فایل تحقیق در مورد آشنایی با شبکه‌های عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود در "پایین مطلب"

فرمت فایل: word (قابل ویرایش و آماده پرینت)

تعداد صفحات: 96

فهرست

1              فصل 1 : مقدمه

1              1-1    انسان و کامپیوتر1

4              1-2  ساختار مغز

7              1-2-1   یادگیری در سیستم‌های بیولوژیک

7              1-3   تفاوت ها

10           فصل   2 : نگرش کلی به شبکه های عصبی مصنوعی

10           2-1   تعریف شبکه های عصبی

11           2-2   مفاهیم اساسی شبکه های عصبی

13           2-3   معرفی اصطلاحات و علائم قراردادی

15           2-4   کاربردهای محاسبات عصبی

16           2-5   کاربردهای نمونه شبکه های عصبی مصنوعی

17           2-6   فواید و معایب شبکه های عصبی مصنوعی

18           2-7   معیارهای مهندسی به منظور محاسبات عصبی

19           2-8   مراحل مهندسی سیستم ANN

21           2-9   توپولوژی شبکه 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 «نزدیکترین 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   یک 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 شبکه

71           5-7   معرفی چند شبکه

71           5-8  معرفی نمونه ای از توابع کلیدی

81           5-9   بررسی یک مثال عملی

فصل 1 : مقدمه

• انسان و کامپیوتر

انسان ها از کامپیوترها باهوش ترند. چرا چنین گفته می‌شود؟

درست است که بعضی از اعمالی را که ما به سختی انجام می دهیم یک کامپیوتر به سرعت و به راحتی انجام می دهد ،مانند جمع چندصد عدد ، اما این مطلب باعث نمی شود که ما یک کامپیوتر را باهوشتر از انسان بدانیم چون این سیستم هرگز قادر نمی باشد که اعمالی را که 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 که یک کامپیوتر می تواند بعضی کارها را که ما در مدت زمان قابل ملاحظه ای انجام می دهیم را در زمان بسیار کوتاه تری انجام می دهد.ویا بعضی از اطلاعات را پس از گذشت ماه ها ویا سالها به خاطر می آورد .