هدف هوش مصنوعی را می توان در این جمله خلاصه کرد که می خواهد در نهایت به کامپیوترهایی دست یابد که اغلب در فیلم های سینمایی مشاهده می شود، ماشین‌های بسیار توانمند تر از انسان – هدفی که بسیار از دنیای واقعی به دوراست . دنیایی که اغلب به خاطراشتباهات فاحش کامپیوترها هزینه‌های بسیار زیادی را متحمل می شود .
مشخصات:
نوع پروژه : فایل Word
تعداد صفحات : 96
حجم فایل پیوست : 280 KB
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 ساده45
4-4 الگوریتم فراگیری پرسپترون48
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
شبکه‌های عصبی کامپیوتر
