عصبی های شبکه

اگر در تو حس روییدن باشد، حتی درکویر هم سبز خواهی شد.

” دکتر علی شریعتی“

تنظیم :معصومه آزاده

استاد محترم :جناب آقای مهندس بهرامی زاده

دانشگاه علم و صنعت خراسان

شیوه ارائه مطالب فنی و تخصصی

شبکه های عصبی مصنوعی

Artificial Neural Networkیک شبکه عصبی مصنوعی )•(ANN) ایده ای برای پردازش اطالعات است که از )

سیستم عصبی زیستی الهام گرفته و مانند مغز به پردازش اطالعات می پردازد .

الهام از طبیعت :

اگر بگوييم كه شبكه هاي عصبي مصنوعي مانند مغز

بشر عمل ميكنند اغراغ آميز مي باشد.

البته:

سیستم عصبی ما از شمار زیادی عناصر پردازشی فوق

العاده بهم پیوسته تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می کند.

به هر يك از اين عناصر پردازشی فوق العاده يك

گفته (neurons)نرونميشود.

عناصر پردازشی:

عصبی های شبکه

نرون 10^11 گمان میرودکه مغز انسان از تعدادتشکیل شده باشد.

.نرون دیگر در ارتباط است10^4 هر نرون با تقریبا

ثانیه است .10-^3 سرعت سوئیچنگ نرونها درحدود

تصویر یک انسان را ثانیه0.1 آدمی قادر است در.بازشناسائی نماید

چند نکته:

هر نرون طبيعي از سه قسمت اصلي تشكيل شده است :(dendrite)دندريت (some)بدنه سلول (axonاكسون )

ساختار نرون:

عصبی های شبکه

دندريت ها به عنوان مناطق دريافت سيگنال هاي الكتريكي هستند كه داراي سطح نامنظم و شاخه هاي انشعابي بي

شمار مي باشند.

دندريت ها :

عصبی های شبکه

بدنه سلول ، وظیفه تامین انرژی مورد نیاز جهت فعالیت های نرون را به عهده دارد.

(some):بدنه سلول

عصبی های شبکه

اكسون بر خالف دندريت ها از سطحي هموارتر و تعداد شاخه هاي كمتري برخوردار مي باشد. اكسون سيگنال هاي

الكتروشيميايي دريافتي از هسته سلول را به نرون هاي ديگر منتقل مي كند.

اكسون :

عصبی های شبکه

محل تالقي يك اكسون از يك سلول به دندريت هاي سلول هاي ديگر را سيناپس مي گويند.

توسط سيناپس ها ارتباطات ما بين نرون ها برقرار مي شود. به فضاي مابين اكسون و دندريت ها فضاي سيناپسي گويند.

سيناپس :

عصبی های شبکه

بخشهاي جزئي تر از يك شبكه عصبي:

ساده مصنوعی عصبی شبکه

عصبی های شبکه

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر؟

نوع آدرس دهی نوع آدرس دهی•

مسیر حل یک مسئلهمسیر حل یک مسئله •

شبكه عصبي مصنوعي چيست؟

شبکه از تعداد دلخواهی سلول یا گره یا واحد و یا نرون تشکیل میشود که مجموعه ورودی ها را به

خروجی ربط میدهد.

عصبی های شبکه

* قابلیت قابل توجه شبکه های عصبی در استنتاج معانی از داده های پیچیده یا مبهم

* قابلیت بکارگیری به عنوان یک متخصص

چرا از شبکه های عصبی استفاده می کنیم؟

عصبی های شبکه

:شبکه عصبی مصنوعی ساده

نوعی از شبکه عصبی برمبنای يک واحد محاسباتی به :شود نام پرسپترون ساخته مي

. پرسپترون برداری از وروديهای را در يافت می کندترکيب خطی از اين وروديها را محاسبه ميکند. اگر حاصل از يک مقدار آستانه بيشتر بود آتش می

.کند

عصبی های Artificial NeuralشبکهNetwork

معادل سيگنال ها ي عصبي Xn تا X1سيگنال هاي ورودي معادل مقادير اتصاالت Wn تا W1ورودي و وزن هاي

سيناپسي ورودي هاي نرون مي باشند كه جمعا ورودي هاي نرون را تشكيل داده است.

)ادامه(شبکه عصبی مصنوعی ساده

عصبی های شبکه

: خروجی پرسپترون توسط رابطه زیر مشخص میشود

11 if w0 + w1x1 + w2x2 + … + wnxn > 0if w0 + w1x1 + w2x2 + … + wnxn > 0

--11 otherwiseotherwise

عصبی های شبکه

مثال:

عصبی های شبکه

:نقش تابع در خروجي شبكه

عصبی های شبکه

یادگیری یک پرسپترون ؟

:است از یادگیری پرسپترون عبارت

W پیدا کردن مقادیردرستی برای

شبكه هاي پرسپترون از يك اليه ورودي ، تعدادي اليه پنهان و يك اليه خروجي تشكيل شده است. در

شكل زير يك شبكه پرسپترون با يك اليه پنهان نشان داده شده است.

شبكه هاي پرسپترون چند اليه :

در شبكه هاي پرسپترون چند اليه ، تعداد اليه هاي پنهان مي تواند هر تعداد باشد. البته در بيشتر كاربردها يك

اليه پنهان كفايت مي كند . در بعضي مواقع نيز دو اليه پنهان يادگيري شبكه را ساده تر مي كند.

یک نکته :

عصبی های شبکه

یادگیری انطباق پذیر• سازماندهی توسط خود• انجام محاسبات بصورت موازی• تحمل اشتباه بدون ایجاد وقفه•

هاANNمزایای

ها ANNمعایب

دستورات مشخصی برای طراحی شبكه جهت یك كاربرد اختیاری دستورات مشخصی برای طراحی شبكه جهت یك كاربرد اختیاری •وجود ندارد.وجود ندارد.

دقت نتایج بستگی زیادی به اندازه مجموعه آموزش دارد.دقت نتایج بستگی زیادی به اندازه مجموعه آموزش دارد.•

موزش شبكه ممكن است مشكل یا حتی غیرممكن باشد.موزش شبكه ممكن است مشكل یا حتی غیرممكن باشد. آ آ•

بینی عملكرد آینده شبكه ) عمومیت یافتن ( آن به سادگی بینی عملكرد آینده شبكه ) عمومیت یافتن ( آن به سادگی پیش پیش•یست.یست.پذیر نپذیر ن امكانامكان

عصبی های Artificial NeuralشبکهNetwork

تشخیص بیماریتشخیص چهره

انواع جدید سنسورهاپیگیری هدف

هدایت جنگ افزارهاشناسایی تصویر /سیگنال

بینایی ماشین مدل کردن غیر خطی

ترکیب صداکنترل فرآیند ساخت

آنالیز مالی

کاربردهای شبکه های عصبی :

عصبی های Artificial NeuralشبکهNetwork

اختصار سخنبازبینی امضا

ارزیابی سرمایهپیش بینی فروشهای آینده و نیازهای

محصولکالسه بندی نمودارهای مشتری/بازار

پیش بینی هواپیش بینی محصول

مدل کردن کنترل فرآیندتشخیص هدف

شبیه سازی مسیر

کاربردهای شبکه های عصبی :

براي مدلسازي شبكه هاي عصبي مصنوعي ابزارهاي زيادي وجود دارد از اين جمله :

SNN(Stuttgart Neural Network Simulator)Matlab Standard NN ToolboxNetlab Toolbox For Matlab

ابزارهای مدلسازي

http://www.ncrg.aston.ac.uk/netlab/index.php

Source:

www.rsh.irhttp://en.wikipedia.org/wiki/Neural_networkhttp://www.neuralnetworksolutions.com/resources.phphttp://www.tandf.co.uk/journals/titles/0954898X.asp

 http://www.30sharp.com

کتاب:منهاج – مبانی شبکه های عصبی

Sites:

عصبی های شبکه

با تشکر از توجه شما

THE END