جهت استفاده بهتر از گوگل کروم استفاده نمایید.
به نام خدا
این پایان نامه WORD و آماده پرینت میباشد
موضوع پایان نامه : آشنایی با شبکه های عصبی مصنوعی
فهرست
1 |
فصل 1 : مقدمه |
1 |
1-1 انسان و كامپيوتر1 |
4 |
1-2 ساختار مغز |
7 |
1-2-1 يادگيري در سيستمهاي بيولوژيك |
7 |
1-3 تفاوت ها |
10 |
فصل 2: نگرش كلي به شبكه هاي عصبي مصنوعي |
10 |
2-1 تعريف شبكه هاي عصبي |
11 |
2-2 مفاهيم اساسي شبكه هاي عصبي |
13 |
2-3 معرفي اصطلاحات و علائم قراردادي |
15 |
2-4 كاربردهاي محاسبات عصبي |
16 |
2-5 كاربردهاينمونه شبكه هاي عصبي مصنوعي |
17 |
2-6 فوايد و معايب شبكه هاي عصبي مصنوعي |
18 |
2-7 معيارهاي مهندسي به منظور محاسبات عصبي |
19 |
2-8 مراحل مهندسي سيستم ANN |
21 |
2-9 توپولوژي شبكه و خصوصيات |
22 |
فصل 3 : بازشناسي الگو |
22 |
3-1 چشم انداز طرح شناسي |
22 |
3-2 تعريف بازشناسي الگوها |
23 |
3-3 بردارهاي مشخصات و فضاي مشخصات |
24 |
3-4 توابع تشخيص دهنده يا مميز |
25 |
3-5 فنون طبقه بندي |
25 |
3-6 روش طبقه بندي «نزديكترين همسايه» |
27 |
3-7 ميزان هاي اندازه گيري فاصله |
31 |
3-8 دستگاه هاي طبقه بندي خطي |
38 |
فصل 4 : نرون پايه |
38 |
4-1 مقدمه |
38 |
4-2 مدل سازي نرون |
42 |
4-3 فراگيري در نرونهاي ساده |
45 |
4-4 الگوريتم فراگيري پرسپترون |
48 |
4-5 يك مثال ساده براي پرسپترون ساده. |
61 |
قصل 5 : نرون چند لايه |
61 |
1-5 مقدمه |
63 |
2-5 مدل جديد |
64 |
3-5 قاعده جديد فراگيري |
65 |
5-4 الگوريتم پرسپترون چند لايه |
67 |
5-5 بررسي مجدد مساله XOR |
70 |
5-6 ليه هاي شبكه |
71 |
5-7 معرفي چند شبكه |
71 |
5-8 معرفي نمونه اي از توابع كليدي |
81 |
5-9 بررسي يك مثال عملي |
1-1 انسان و كامپيوتر
انسان ها از كامپيوترها باهوش ترند. چرا چنين گفته ميشود؟
درست است كه بعضي ازاعمالي را كه ما به سختي انجام مي دهيم يك كامپيوتر به سرعت و به راحتي انجام مي دهد ،مانند جمع چندصد عدد ، اما اين مطلب باعث نمي شود كه ما يك كامپيوتر را باهوشتر از انسان بدانيم چون اين سيستم هرگز قادر نمي باشد كه اعمالي را كه نياز يه استدلال دارد و يا حل آنها از طريق شهودي و حدس و گمان مي باشد را به طور مطلوب انجام دهد.شايد بهتر است بگوييم آنهاموجودات منطقي اي هستند و تنها اعمال منطقي را به خوبي انجام مي دهند.
مسئله ديگر شايد اين باشد كه يك كامپيوتر مي تواند بعضي كارها را كه ما در مدت زمان قابل ملاحظه اي انجام مي دهيم را در زمان بسيار كوتاه تري انجام مي دهد.ويا بعضي از اطلاعات را پس ازگذشت ماه ها ويا سالها به خاطر مي آورد .
به همين دليل از كامپيوتر ها انتظار داريم در زمينه هاي ديگر نيز چنين رفتاري را از خود نشان دهند و چون نمي توانند تمام انتظارات ما را بر آورده كنند ما مايوس مي شويم.در واقع اين هدفي است كه دست اندركاران هوش مصنوعي دنبال مي كنند اما هنوز پس از گذشت 30 سال تحقيقات گسترده نمي توانند اين ادعا را داشته باشند كه به چنين كامپيوتري دست پيدا كرده اند.
هدف هوش مصنوعي را مي توان در اين جمله خلاصه كرد كه مي خواهد در نهايت به كامپيوترهايي دست يابد كه اغلب در فيلم هاي سينمايي مشاهده مي شود، ماشينهاي بسيار توانمند تر از انسان – هدفي كه بسيار از دنياي واقعي به دوراست . دنيايي كه اغلب به خاطراشتباهات فاحش كامپيوترها هزينههاي بسيار زيادي را متحمل مي شود .
اگر به داخل يك كامپيوتر نگاه كنيم چيزي جز تعدادي تراشه هاي الكترونيكي ، مدارها ،مقاومتها و ساير قطعات الكترونيكي نخواهيم ديد. اما اگر به درون مغز نگاه كنيم ، به هيچ صورت چنين ساختاري را مشاهده نخواهيم كرد. بررسي اوليه ما چيزي جزمجموعه اي گره خورده از مادهاي خاكستري رنگ نشان نمي دهد. بررسي بيشتر و روشن مي كند كه مغز از اجزايي ريز تشكيل شده است . ليكن اين اجزاء به شيوهاي بي نهايت پيچيده، مرتب شدهاند و هز جزء به هزاران جزء ديگر متصل است. شايد اين تفاوت در شيوه ساختار ، علت اصلي اختلاف بين مغز و كامپيوتر است. كامپيوترها طوري طراحي شده اند كه يك عمل را بعد از عمل ديگر باسرعت بسيار زياد انجام دهند . ليكن مغز ما با تعداد اجزاي بيشتر اما با سرعتي بسيار كمتر كار ميكند . در حالي كه سرعت عمليات در كامپيوترها به ميليونها محاسبه در ثانيه بالغ مي شود، سرعت عمليات در مغز تقريباً بيشتر از ده بار در ثانيه نميباشد. ليكن مغز در يك لحظه با تعداد زيادي اجزاء به طور هم زمان كار مي كند، كاري كه از عهده كامپيوتر بر نميآيد . كامپيوتر ماشيني سريع اما پياپي كار است در حالي كه مغز شديداً ساختاري موازي دارد. كامپيوترها مي توانند عملياتي را كه با ساختار آنها سازگاري دارند به خوبي انجام دهند. براي مثال شمارش و جمعكردن اعمالي پياپي است كه يكي بعد از ديگري انجام مي شود . ليكن ديدن و شنيدن، اعمالي شديداً موازياند كه در آنها دادههاي متضاد و متفاوت هر كدام باعث اثرات و ظهور خاطرات متفاوتي در مغز ميشوند وتنها از طريق تركيب مجموعه اين عوامل متعدد است كه مغز ميتواند چنين اعمال شگفتي را انجام دهد .
نتيجهاي كه مي توان گرفت اين است كه مسائل مورد نظر ما شديداً خاصيت موازي دارند. اين مسائل نيازمند پردازش حجم زيادي از اطلاعات متفاوت هستند كه بايد در تقابل با يكديگر به حل مسأله بيانجامد.
نتيجه مهم آن كه سرعت عامل مهمي نيست . آنچه مهم است موازي بودن است و مغز به خوبي براي اين كار مهيا شده است . شيوه برخورد روش محاسباتي شبكههاي عصبي، تسخير اصول راهبردي است كه زير بناي فرآيند مغز براي پاسخگويي به اين سؤالات و به كارگيري آنها در سيستمهاي كامپيوتري است .
در مدلسازي سيستمهاي اصلي مغز، بايد راه كاري را بيابيم كه بيشتر با ساختار موازي مغز سازگاري داشته باشد نه با ساختار پيدرپيآن .
به هر صورت ساختار طبيعتاً موازي سيستم هاي شبكه هاي عصبي آن ها را مناسب به كارگيري در ماشين هاي موازي مي كند. كه مي تواند مزاياي بيش تري از نظر سرعت و قابليت اطمينان داشته باشد.
يكي از بارزترين ويژگيهاي مغز توان فراگيري آنمي باشد. مغز ميتواند به خود آموزش دهد . يادگيري از طريق مثال همان شيوهاي است كه توسط آن اطفال زبان را فرا ميگيرند . نوشتن، خوردن و آشاميدن را مي آموزند و مجموعه معيارها و نكات اخلاقي را كسب مي كنند . چنين تحولي درسيستمهاي كامپيوتري متعارف مشاهده نمي شود . كامپيوترها معمولاً از برنامههاي از پيش نوشته شدهاي پيروي مي كنند كهقدم به قدم دستورات مشخصي را در كليه مراحل عملياتي به آن ها مي دهند هر مرحله از كار بايدبه وضوح شرح داده شود. روشن است كه انسان اين گونه عمل نمي كند.زيرا براي نوشتن چنين برنامه اي بايد ساعت ها وقت صرف كنيم و با دقت موضوع خود را به صورت بر نامه قابل فهم كامپيوتر بنويسيم .كه اين كار مشكلات خود را دارا مي باشد.حال آيا بهتر نيست كه به جاي برنامه هاي كامپيوتري ،كامپيوتر را رها كنيم كه خود از طريق مشاهده مثال ها آن كار را فرا گيرد؟ البته امكان دارد كه اين كامپيوتر نيز در ابتدا داراي BUGباشد وگاه اشتباه كند ،ليكن به تدريج به اشتباه خود پي خواهد برد و آنها را تكرار نخواهد كرد.
مغز انسان از واحدهاي كو چكي به نام نرون[1] تشكيل شده است.ميدانيم كه مغز تقريباً داراي 1010 واحد پايه به نام نرون است و هر نرون تقريباً به 104 نرون ديگر اتصال دارد.
نرون عنصر اصلي مغز است و به تنهايي مانند يك واحد پردازش منطقي عمل مي كند . نرونها دو نوع هستند . نرونهاي داخلي مغز كه در فاصلههاي حدود 100 ميكرون به يكديگر متصل اند و نرونهاي خارجي كه قسمتهاي مختلف مغز را به يكديگر و مغز را به ماهيچهها و اعضاي حسي را به مغز متصل ميكنند . نحوه عمليات نرون بسيار پيچيده است و هنوز در سطح ميكروسكوپي چندان شناخته شده نيست، هر نرون بسيار پيچيده است و هنوز در سطح ميكروسكوپي چندان شناخته شده نيست ، هر چند قوانين پايه آن نسبتاً روشن است .هر نرون وروديهاي متعددي را پذيراست كه با يكديگر به طريقي جمع ميشوند . اگر در يك لحظه وروديهاي فعال نرون به حد كفايت برسد نرون نيز فعال شده و آتش ميكند . در غير اين صورت نرون به صورت غير فعال وآرام باقي مي ماند. نمايشي از ويژگي هاي عمده نرون در شكل1-1 آمده است. بدنه نرون سوما[2] ناميده مي شود . به سوما رشتههاي نامنظم طولاني متصل است كه به آنها دندريت[3] ميگويند . قطر اين رشتهها اغلب از يك ميكرون نازكتر است و اشكال شاخهاي پيچيدهاي دارند.
دندريتها نقش اتصالاتي را دارند كه ورودي ها را به نرون ها مي رساند . اين سلول ها مي توانند