پاورپوینت شبکه های عصبی

شبکه های عصبی

شبمکه های عصبی منابع طراحی شبکه عصبی، M. T. Hagan و H. B. Demuth & M. Beale PWS publishing company-1996. شبکه عصبی: یک بنیاد جامع، سیمون هیکین، Prentice Hall -1999 استفاده از شبکه های عصبی به کنترل انعطاف پذیر سیستم های غیر خطی، G. W. Ng، John Wiley & Sons Ltd، ۱۹۹۷٫

سایر موارد
کنترل شبکه هوشمند بر اساس شبکه های عصبی انعطاف پذیر، M. Teshnehlab، K. Watanabe، Kluwer Academic Publication، ۱۹۹۹٫ شبکه عصبی برای تشخیص الگو، کریستوفر اسقف، Clarendon مطبوعات آکسفورد -۱۹۹۵ شناسایی سیستم غیر خطی (از کلاسیک به شبکه های عصبی و مدل های فازی)، Oliver Nelles، Springer-2001. هوش محاسباتی، Andries P. Engelbercht، John Wiley & Sons Ltd، -۲۰۰۲٫

برنامه های آموزشی
مقدمه: اهداف، تاریخچه، برنامه های کاربردی، الهام بیولوژیک، الهام ریاضی! شبکه عصبی (NN) و مدل نورون: Feed ND، NN مجدد، NN Hamming، NN Hopfield، Perceptron Single Layer و Perceptron Multi Layer.
الگوریتم های یادگیری
نظارت بر یادگیری: الگوریتم های یادگیری سریع، روش های بارگیری مرتبه اول، روش های بارگیری مرتبه دوم، الگوریتم های LRLS و IGLS.
آموزش بی نظیر: یادگیری هببین، دستگاه بولتزمن، یادگیری خود سازمانی.
بهینه سازی جمعیت: الگوریتم ژنتیک،الگوریتم کلونی مورچه ها، بهینه سازی ذرات ذرات (PSO).

سمینارها ۲

NN قابل اجرا

NN مجدد: زیر اتصال NN، المن NN، اردن NN، المن-اردن NN، و NN مجدد انعطاف پذیر.

شبکه عصبی فازی: RBF، NRBF، GMDH (adline)، ANFIS، LLM.

پویا و حفظ NN: مدل های نئون پویا، گاما، CMAC.

این NN از کجا استفاده می شود؟

استراتژی کنترل NN

شناسایی

به رسمیت شناختن

شبکه های عصبی

تمرین ها

• همزمان با معرفی بخشهای مختلف درس ۷ سری تمرین در طول ترم داده خواهد شد. قسمتی از این تمرینات به فرم پروژه های کوچک (mini project) کامپیوتری، قابل انجام با نرم افزار MATLAB خواهد بود. هدف آشنایی بیشتر با الگوریتمهای آموزش، ساختارهای متفاوت شبکه های عصبی و کاربرد های گوناگون شبکه های معرفی شده، می باشد.

پروژه نهایی

• مهمترین قسمت درس و خروجی نهایی آن پروژه ای تحقیقاتی در زمینه کاربرد شبکه های عصبی است. پروژه به صورت تک نفره ویا حداکثر دو نفره تعریف و انجام می شود. محدودیتی در انتخاب موضوع پروژه وجود ندارد، به غیر از آنکه حتما باید از روشها و موضوعات مطرح شده در درس استفاده شود

امتحان میان ترم و پایان ترم

• در اواخر آذر ماه امتحان میان ترم برگزار می شود که بخش عمده آن به مباحث تئوری و نظری شبکه های عصبی مر بوط می شود و امتحان پایان ترم به صورت Take Home می باشد و معادل ۲ سری mini project است.

پیشنهادی ها ↵ پروژه ساختمان

طرح تاریخی

پیش از ۱۹۴۰: فون هایمولتز، ماخ، پاولف و غیره
نظریه های عمومی یادگیری، دید، تهویه
هیچ مدل ریاضی خاصی از عملکرد نورون وجود ندارد
۱۹۴۰s: هب، مک کلوخ و پیتز
مکانیسم یادگیری در نورون های بیولوژیک
شبکه های عصبی مانند هر محاسباتی ممکن است محاسبه کنند
دهه ۱۹۵۰: روزن بلات، ویدرو و هوف
اولین شبکه های عملی و قوانین یادگیری
۱۹۶۰s: Minsky و Papert
محدودیت های نشان داده شده از شبکه های عصبی موجود، الگوریتم های یادگیری جدید ارائه نمی شود، برخی از تحقیقات به حالت تعلیق درآمده است
۱۹۷۰s: Amari، Anderson، Fukushima، Grossberg، Kohonen
پیشرفت همچنان ادامه دارد، اگر چه در سرعت های پایین تر
۱۹۸۰s: Grossberg، Hopfield، Kohonen، Rumelhart، و غیره
تحولات مهم جدید موجب احیای در این زمینه می شود

برنامه های کاربردی

هوافضا
Autopilots هواپیما با کارایی بالا، شبیه سازی مسیر پرواز، سیستم های کنترل هواپیما، پیشرفت های Autopilot، شبیه سازی کامپوننت های هواپیما، آشکارسازهای گشتاور مؤلفه های هواپیما
خودرو
سیستم های هدایت خودکار اتوماتیک، تجزیه و تحلیل فعالیت های گارانتی
بانکداری
چک کنید و دیگر خوانندگان سند، ارزیابی درخواست اعتبار
دفاع
ردیابی سلاح، ردیابی هدف، تبعیض شی، تشخیص چهره، انواع جدید سنسورها، پردازش سونار، رادار و پردازش سیگنال تصویری از جمله فشرده سازی داده ها، استخراج ویژگی ها و سرکوب صدا، شناسایی سیگنال / تصویر
الکترونیک
پیش بینی توالی کد، چیپ مدار مجتمع، کنترل فرآیند، تجزیه و تحلیل شکست تراشه، چشم انداز ماشین، سنتز صدا، مدل سازی غیر خطی

 

 

 

 

 

 

برنامه های کاربردی

مالی
ارزیابی املاک و مستغلات، مشاور وام، نمایش وام مسکن، رتبه بندی اوراق قرضه شرکت، تجزیه و تحلیل استفاده از خط اعتباری، برنامه معاملات تجاری، تجزیه و تحلیل مالی شرکت، پیش بینی قیمت ارز
ساخت
کنترل فرآیند تولید، طراحی محصول و تجزیه و تحلیل، تشخیص فرآیند و ماشین، شناسایی ذرات در زمان واقعی، سیستم های بازرسی کیفیت تصویر، آزمون آبجو، تجزیه و تحلیل کیفیت جوشکاری، پیش بینی کیفیت کاغذ، تجزیه و تحلیل کیفیت تراشه کامپیوتر، تجزیه و تحلیل عملیات آسیاب، ، تجزیه و تحلیل خدمات تعمیر و نگهداری، پیشنهادات پروژه، برنامه ریزی و مدیریت، مدل سازی پویا از سیستم های شیمیایی شیمیایی
پزشکی
تجزیه و تحلیل سلول های سرطان پستان، تجزیه و تحلیل EEG و ECG، طراحی پروتز، بهینه سازی زمان پیوند، کاهش هزینه بیمارستانی، بهبود کیفیت بیمارستان، مشاوره آزمایش اتاق اورژانس پیشنهادی ↵ علائم دهانی در بیماران سرطان خون

روباتیک
کنترل مسیر، ربات کامیون، کنترل کننده دستکاری، سیستم های دید
سخنرانی – گفتار
تشخیص گفتار، فشرده سازی گفتار، طبقه بندی واژگان، ترکیب متن به گفتار
اوراق بهادار
تجزیه و تحلیل بازار، رتبه بندی خودکار باند، سیستم های مشاوره تجاری سهام
ارتباطات مخابراتی
فشرده سازی داده ها و داده ها، خدمات اطلاعات خودکار، ترجمه زمان واقعی زبان گفتاری، سیستم های پردازش پرداخت مشتری
حمل و نقل
سیستم تشخیص ترمز کامیون، برنامه ریزی خودرو، سیستم های مسیریابی

الهام زیست شناسی

• نورونها به آرامی پاسخ میدهند
– ۱۰-۳ ثانیه در مقایسه با ۱۰-۹ ثانیه برای مدارهای الکتریکی
• مغز با استفاده از محاسبات گسترده موازی استفاده می کند                                                               
– »۱۰۱۱ نورون در مغز
– »۱۰۴ ارتباط در هر نورون

سیستم عصبی انسانی از سلول های عصبی ساخته شده است. هر نورون می تواند سیگنال های الکتروشیمیایی را دریافت، پردازش و انتقال دهد. دندریت ها از سلول بدن به نورون های دیگر گسترش می یابند و نقطه اتصال سیگنال دریافت شده در میان دندریت ها در بدن سلول منتقل می شود و جمع می شود. تحریک تجمعی بیش از یک آستانه، آتش سوزی سلول است، که سیگنال را پایین آکسون به دیگر نورون ها می فرستد

الهام ریاضی

مدل پایه شعاعی به عنوان یک تقریب تابع کلی معرفی می شود:
اگر مورد نظر، تعصبات wko را می توان به جمع با اضافه کردن یک تابع پایه اضافی که فعال سازی به ۱ تنظیم شده است جذب می شود. برای مورد توابع پایه گاوسی ما
هارتمن و همکاران (۱۹۹۰) اثبات رسمی این ویژگی را برای شبکه هایی با توابع پایه گاوس ارائه می دهد که در آن عرض ها Gaussians به عنوان پارامترهای قابل تنظیم محسوب می شوند. یک نتیجه کلی تر از پارک و ساندبرگ (۱۹۹۱) بدست آمد که نشان می دهد که تنها محدودیت های خفیف در شکل توابع هسته، اموال تقریبی جهانی هنوز هم وجود دارد. تعاریف بیشتر این نتایج در پارک و سندبرگ (۱۹۹۳) ارائه شده است.

 

Abbreviated Notation

نحوه تصحیح ضرایب در شبکه های عصبی

feed-forward backpropagation network