دانلود مقاله مقدمه ای بر شبکه های عصبی مصنوعی و کاربردهای آن

اختصاصی از یارا فایل دانلود مقاله مقدمه ای بر شبکه های عصبی مصنوعی و کاربردهای آن دانلود با لینک مستقیم و پرسرعت .

امروزه با شکسته شدن پی در پی استقلال ، شاخه های مختلف علوم و بهره وری شاخه ای از شاخه ی دیگر و پیشبرد مسائل پیچیده خود، پیوستگی و لاینفک بودن تمامی شاخه های علوم را نمایان تر می سازد که سرمنشأ تمامی آنها از یک حقیقت نشأت گرفته و آن ذات باری تعالی است.اولین تلاش ها به منظور ارائه ی یک مدل ریاضی برای سیستم عصبی انسان در دهه 40 توسط Mcculloch , pitts انجام شد ، که حاصل آن یک نورون ساده ی تک لایه ویک روش برای آموزش آن بود . در ادامه ی این کار Hebb نتایج آزمایشات پاولف را در مورد شرطی شدن ،گسترش داد و یک روش برای یادگیری ارائه کرد . در سال 1958 ،Rossonblatt شبکه ی پرسپترون را ارائه کرد . بعد از مدتی اثبات شد شبکه ی عصبی پرسپترون تک لایه نمی تواند تابع ساده ای مانند EX-OR را بیاموزد .بنابراین تقریباً تا دهه ی 80 تلا ش ها برای گسترش شبکه ی عصبی بسیار کم بود. سپس در طی یک مقاله اثبات شد که شبکه ی عصبی پرسپترون چند لایه می تواند به عنوان یک تخمین گر جهانی مطرح شود . بدین معنی که این شبکه قابلیت دارد هر تابع غیرخطی را با دقت دلخواه مدل سازی کند . از آن به بعد شبکه های عصبی مصنوعی گسترش یافتند و در زمینه های بسیاری از آنها استفاده شد .

سیستم شبکه ی عصبی مصنوعی از مغز وسیستم عصبی انسان الهام گرفته شده و مانند مغز انسان از تعداد زیادی نورون تشکیل شده است . این شبکه ها مانند مغز انسان دارای قابلیت یادگیری هستندکه از مزیت های عمده ی این سیستم هاست در مواردی که نتوانیم یک الگوریتم حل به صورت فرمولی بیابیم یا تعداد زیادی مثال از ورودی و خروجی سیستم موردنظرمان در اختیار داشته باشیم و بخواهیم برای آن سیستم ، مدل ارائه کنیم یا اینکه یک ساختار از اطلاعات موجود بدست آوریم ، استفاده از شبکه های عصبی مصنوعی سودمند است . تاکنون برای شبکه های عصبی توپولوژی های مختلف همراه با کاربردهای متنوع ارائه شده است که طیف وسیعی از موضوعات را پوشش می دهد . 

الهام از نورون واقعی :

سیستم عصبی انسان و مغز وی متشکل از ترکیب و به هم پیوستن تعداد زیادی سلول به نام نورون می باشد . تعداد نورون های مغز انسان به طور متوسط حدود 100 تریلیون می باشد . یک نورون دارای تعداد زیادی ورودی و یک خروجی است . خروجی می تواند دو حالت فعال یا غیرفعال را اختیار کند . در یک نورون ورودی ها تعیین می کنند که خروجی نرون فعال یا غیرفعال باشد . یک نرون از یک حجم سلولی ، تعداد زیادی « دنوریت » به عنوان ورودی و یک « اکسون » به عنوان خروجی تشکیل شده است.

به محل اتصال اکسون یک سلول به دنوریت های یک سلول دیگر نیز «سیناپس » می گویند که نقش بسزایی در سیستم عصبی ایفا می کند . سیناپس می تواند در طول دوره ی یادگیری نسبت به سیگنال های ورودی تغییر کند .در این قسمت به قانون یادگیری «هبی» اشاره می کنیم . این قانون به طور ساده به این صورت می باشد که اگر ورودی های یک نرون به طور مکرر منجر به فعال شدن خروجی شود ، یک تغییر متابولیک در سیناپس اتفاق می افتد که در طی آن مقاومت سیناپس نسبت به آن ورودی خاص کاهش می یابد. 

مدل ریاضی نرون :

یک نرون مجموع وزن های ورودی را حساب کرده و براساس یک تابع فعالیت ( که در حالت ساده می تواند یک Threshold باشد ) خروجی را تعیین می کند . اگر این مجموع از ترشلد بیشتر باشد خروجی نرون  « یک » می شود در غیر این صورت خروجی نرون منفی یک ( 1- ) خواهد شد . 

به عنوان مثال یک شبکه عصبی ساده به نام perceptron را در نظر می گیریم این شبکه در شکل زیر نشان داده شده است در این شبکه چند ورودی وجود دارد که یکی از آنها مربوط به بایاس است . تابع فعالیت نورون نیز به صورت یک ترشلد خطی می باشد و شبکه دارای یک خروجی است . در این شبکه سیناپس ها به صورت وزن های اتصالات در نظر گرفته شده است . به عنوان مثال فرض کنید که می خواهیم یک OR منطقی را به وسیله ی این شبکه مدل کنیم. هدف از الگوریتم یادگیری ، بدست آوردن وزن های مناسب برای حل مسئله ی مورد نظر ما می باشد .

شامل 141 صفحه فایل word

دانلود پایان نامه شبکه های عصبی مصنوعی و تجزیه و تحلیل طراحی سازه

اختصاصی از یارا فایل دانلود پایان نامه شبکه های عصبی مصنوعی و تجزیه و تحلیل طراحی سازه دانلود با لینک مستقیم و پرسرعت .

چکیده

       شبکه های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ، برق ، سازه ، و بیو لوژی اند . از موارد کاربرد شبکه ای عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکلها ، برآورد توابع و غیره اشاره کرد .

کاربرد شبکه های عصبی در مهندسی عمران و به خصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود . از موارد استفاده شبکه های عصبی در مهندسی عمران می توان به بهینه سازی ، تحلیل ، طراحی و پیش بینی خیز و وزن سازه ها ، تحلیل و طراحی اتصالات ، پیش بینی نتایج آزمایشات بتنی و خاکی ، کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره کرد .

این مقاله حاوی پنج بخش است :

بخش اول به مفاهیم بنیادی شبکه های عصبی مصنوعی می پردازد و بعضی از موضوعات برای آشنایی مقدماتی به اختصار در این بخش توضیح داده شده است و شامل مدل بیولوژیکی شبکه های عصبی می باشد و همچنین سلول عصبی مصنوعی توضیح داده شده است که به منظور تقلید از خصوصیات مرتبه اول ( First order ) سلول عصبی بیولوژیکی طراحی شده است .سطح تحریک سلول عصبی که توسط جمع ورودی های وزن دار معین شده است ، در این بخش توضیح داده شده است .

شبکه های عصبی مصنوعی تک لایه و چند لایه نیز به طور مفصل مورد بحث قرار گرفته است که ساده ترین شبکه به صورت گروهی از سلول های عصبی است که در یک لایه مرتب شده اند و شبکه های چند لایه تواناییها و قابلیت های محاسباتی بیشتری را ارائه می کنند . شبکه های بازگشتی که شامل ارتباطات تغذیه برگشتی هستند ، در این شبکه ها ، خروجی های قبیل دوباره به سمت عقب به طرف ورودی ها منتشر می شوند و خروجی شان هم با استفاده از ورودی جاری و هم خروجی قبلیشان تعیین می شو د.

بخش دوم :شامل الگوریتم های آموزشی می باشد و هدف از آموزش شبکه را توضیح می دهد که یک شبکه به گونه ای آموزش داده می شود که با به کار بردن یک دسته از ورودی ها ، دسته خروجی های دلخواه تولید شود .

شامل 146 صفحه فایل word

ترجمه مقاله تابع هدف جدیدConvex برای آموزشSupervised شبکه‌های عصبی تک لایه‌‌‌

اختصاصی از یارا فایل ترجمه مقاله تابع هدف جدیدConvex برای آموزشSupervised شبکه‌های عصبی تک لایه‌‌‌ دانلود با لینک مستقیم و پرسرعت .

« تابع هدف جدیدConvex برای آموزشSupervised شبکه‌های عصبی تک لایه‌‌‌»:

چکیده:در این مقاله روش آموزشSupervised جدید برای ارزیابی چگونگی شبکه‌های Feed Forward عصبی تک‌لایه ارائه می‌شود. این روش از تابع‌هدفی بر مبنایMSE  استفاده می‌کند، که خطاها را به جای این‌که پس ازActivation Function غیرخطی نرون‌ها ارزیابی کند قبل از آن‌ها بررسی می‌کند. در این گونه موارد، راه‌حل را می‌توان به سهولت از طریق حل معادلات در سیستم‌های خطی به‌دست آورد یعنی در این روش نسبت به روش‌های معین و مرسوم پیشین به محاسبات کمتری نیاز است. تحقیقات تئوری شامل اثبات موازنه‌های تقریبی بینGlobal Optimum تابع هدف بر مبنای معیارMSE و یک تابع پیشنهادی دیگر می‌باشد. بعلاوه مشخص شده است که این روش قابلیت توسعه و توزیع آموزش را دارا می‌باشد. طی تحقیقات تجربی جامع نیز تنوع صحت در انرمان این روش مشخص شده است. این تحقیق شامل 10 دسته‌بندی  (  (Classificationو 16 مسئله‌ی بازگشتی می‌باشد. بعلاوه، مقایسه‌این روش با دیگر الگوریتم‌های آموزشی با عملکرد بالا نشان می‌دهد که روش مذکور بطور متوسط بیشترین قابلیت اجرایی را داشته و به حداقل محاسبات در این روش نیاز می‌باشد.

دانلود با لینک مستقیم

دانلود مقاله دستگاه عصبی

اختصاصی از یارا فایل دانلود مقاله دستگاه عصبی دانلود با لینک مستقیم و پرسرعت .

جانوران پرسلولی، برای ایجاد هم آهنگی بین اعمال سلول ها و اندام های مختلف بد ن خود ، نیازبه عوامل و د ستگاه های ارتباطی دارند. دستگاه عصبی با ساختار و کار ویژه ای که دارد ، د ر جهت ایجاد این هم آهنگی به وجودآمده وتکامل حاصل کرده است. خواص ویژه ی آ ن عبارت از تاثیرپذیری نسبت به محرکهای خارجی ، ایجاد یک جریان عصبی که نماینده ی تاثیر محرک است،هدایت جریان عصبی از یک نقطه ی دستگاه به نقطه ی دیگر و سرا نجام انتقا ل آن ازیک واحدعصبی به یک واحد د یگر ا ست .

تنظیم عصبی و ا نواع آ ن :

فعا لیت ها ی عصبی جانوران،به طورکلی، در د وجهت انجام می شوند:

1-تنظیم فعا لیت ها ی درونی بد ن

2- تنظیم موقعیت جانورنسبت به محیط خا رجی  

چند مثا ل به روشن شد ن ا ین مطلب کمک می کند. هنگا می که لقمه ی غذا درون دها ن قرار می گیرد ، حرکا ت آ روا ره ها ، د هان و زبان ، ا بتدا موجب جویده شدن غذامی شود و سپس حرکات هم آهنگ زبان وماهیچه های گلو سبب بلع لقمه ی جویده شد ه، می شوند

در هما ن هنگا م ، تر شحا ت غده های بزا قی و شیره ی معد ه ا فزا یش می یابد . کلیه ی

این فعا لیت ها نیا ز به نظم د ا رد. ا ین عمل با کمک گیرنده ها یی صورت می گیرد که وجود غذ ا را در نقا ط مختلف دها ن حس کنند، ا عصا بی که ا ین خبر را به مرا کز تنظیم کننده درمغزببرند واعصابی که ازاین مرا کز به عضلا ت و غده ها ی گوا رشی بروند

دانلود پروژه شبکه های عصبی

اختصاصی از یارا فایل دانلود پروژه شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

چکیده پروژه :

در همین لحظه که‌ شما این کلمات را می‌خوانید از مجموعه پیچیده‌ای از شبکه‌های عصبی در مغز و سیستم عصبی خود استفاده می‌کنید. این مجموعه به هم پیوسته از 10 به توان 11 نورون عصبی زنده تشکیل میشود که یک ساختار باشکوه از بافت‌ها و انفعالات شیمیایی را تشکیل می‌دهند.برخی از ساختارهای عصبی از همان ابتدای تولد با شما همراه هستند و برخی دیگر با توجه به تجربیات شما در طول زندگیشکل پیدا می‌کنند.
امکانات : فایل ورد ، پی دی اف و تصاویر با قایلیت ویرایش