ادبیات و مبانی نظری شبکه های عصبی مصنوعی

شبکه­های عصبی مصنوعی:  شبكه عصبي مصنوعي (ANN) ی ک سامانه ی پردازش اطلاعات است که به دنبال تقلید از رفتار سیستم­های بیولوژیکی عصبی، مانند مغز انسان می­باشد. یک شبکه ­عصبی از تعداد زیادی نرون به هم پیوسته تشکیل شده که به صورت متحد برای حل مشکلات خاص با یکدیگر کار و تعامل می­کنند. کامپیوتر­های معمولی برای حل مسأله، از رویکرد الگوریتمي‌‌ تحت مجموعه­ای از دستورالعمل­ها استفاده می­کنند. این بدان معنی است که آنها فقط می­توانند مشکلاتی را حل کند که در حال حاضر به­خوبی درک شده است. با این حال، شبکه­­های­ عصبی مصنوعی بیشتر شبیه انسانها‌‌ هستند که برای حل مشکل می­توانند از طریق استفاده از مثال­ها، حتی زمانی که داده­ها پیچیده یا مبهم هستند، آموزش ببینند (بوهمن 1993). تاكنون از شبكه‌هاي عصبي در بسیاري از زمینه‌ها نظیر تجارت، صنعت و علوم تجربي استفاده شده است. سیستم عصبي انسان از يک سري عناصر پردازش ساده به نام نرون يا گره تشکیل شده است (زراءنژاد و همكاران، 1387).  هركدام از اين نرون‌ها يک سیگنال اولیه را كه اطلاعاتی از يک نرون ديگر و يا محرک خارجي است، دريافت مي‌كند و آن را با استفاده از يک تابع فعال‌سازي يا تبديل، پردازش و يک خروجي پردازش شده را تولید مي‌كند.

در مرحله بعد، خروجي مربوط را، به نرون‌هاي داخلي‌تر يا نرون‌هاي ديگر مي‌فرستد. اين ويژگي، يعني پردازش اطلاعات، شبكه‌هاي عصبي مصنوعي را به يک روش محاسباتي قدرتمند، براي يادگیري از مثال‌ها و تعمیم اين يادگیري به مثال‌هايي كه تاكنون مشاهده نشده است، تبديل مي‌كند )هیكین 1999). یک شبکه ­عصبی می­تواند برای تبدیل شدن به یک نوع سیستم هوشمند، بر اساس داده­های قبلی و یا   داده­های نمونه­های دیگر که به دقت توسط کارشناسان متخصص انتخاب می­شوند، آموزش ببیند. در واقع، یک شبکه­ عصبی پس از یک بار آموزش دیدن، به سرعـت به یک متخصـص تبدیل می­شود که قادر به حل مسائل مشابه می­باشد. همان­طور که لی و اویانگ (2009) بیان کردند، «شبکه ­عصبی می­تواند از مثال­ها یاد بگیرد و در میان داده­ها، روابط دقیق عملکردی را متوجه شود. حتی اگر روابط اساسی مجهول، و توصیف آن ها مشکل باشد».مشخصه دیگر شبکه­های­ عصبی این است که در عمل پردازش اطلاعات مانند جعبه سیاه عمل می­کند. کاربران متوجه نمی­شوند، و البته نیاز نیست که بدانند، چه اتفاقی داخل سیستم می­افتد. کاربران تنها باید در ساخت و آموزش شبکه­های­عصبی بر اساس اهداف و داده­ها خود تمرکز کنند در این روش از یک نقاد که به نتایج نامربوط اعتراض مي‌‌ کند، استفاده مي‌‌ شود و برمبنای اطلاعات انتقادی، شبکه خود را تصحیح مي‌‌ کند .

مشخصات

نوشتار حاضر حاصل مطالعه گروه تخصصی بوبوک می باشد که به منظور مطالعه و آشنایی بیشتر پژوهشگران عزیز با ادبیات نظری موضوع ارائه شده در اختیار آنها قرار گرفته شده است.

تعداد صفحات: 37 صفحه فایل WORD

مقدمه: دارد

مبانی نظری: دارد
بحث و نتیجه گیری: دارد

منابع: دارد

در صورت بروز هر گونه مشکل می توانید در هفت روز هفته و 24 ساعت شبانه روز با تیم پشتیبانی بوبوک از طریق راه های ارتباطی زیر ارتباط برقرار کنید.

Site: www.bobook.ir

Phone number: 09194448186 – 09059793565

Telegram number: 09059793564

Email: bobook.team@gmail.com