تحقیق در مورد شبکه های عصبی زیستی و مصنوعی

دانشکده ها سایت دانلود مقاله ، تحقیق ، جزوه ، پروژه ، و پاورپوینت های دانشجویی و دانش آموزی در این مطلب قرار است یک نمونه تحقیق در مورد شبکه های عصبی زیستی و مصنوعی که با فرمت پاورپوینت جمع آوری شده است قرار دهیم . این تحقیق مناسب دانشجویان عزیز می باشد.این نمونه پاورپوینت در ۲۴ اسلاید قرار داده شده است . شما می توانید از این تحقیق نهایت استفاده رو ببرید این تحقیق از چندین منبع جمع آوری شده است و مناسب برای شما کاربران عزیز میباشد. در این مقاله ، ما نحوه یادگیری شبکه های عصبی زیستی  را به شما کاربران سایت دانشکده ها می آموزیم. نحوه یادگیری این مقاله درباره شبکه های عصبی زیستی و مصنوعی می توانید یک پله از یادگیری در تحقیقات علمی شما را از دیگر افراد که علاقه به خواندن یا نوشتن مقالات و تحقیق ها را ندارن بالا ببرد.

پاورپوینت دانلود تحقیق در مورد شبکه های عصبی زیستی و مصنوعی

بطور نمونه ما این پاورپوینت درباره شبکه های عصبی زیستی و مصنوعی‌‌ که در ۲۴ اسلاید تهیه و تنظیم شده است بطور نمونه در قسمت زیر  برای شما  قرار خواهیم داد.وبرای دانلود کامل این پاورپوینت باید خرید خود را کامل کنید تا بتوانید فایل کامل این تحقیق را دریافت کنید.

مباحث :

• آشنایی با شبکه های عصبی زیستی
• معرفی شبکه های عصبی مصنوعی(ANNها)
• مبانی شبکه های عصبی مصنوعی
• توپولوژی شبکه
• نرم افزارهای شبکه های عصبی
• مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
• فرآیند یادگیری شبکه
• تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی
• ایده ی اصلی شبکه های عصبی مصنوعی
• مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
• شبکه های عصبی در مقابل کامپیوترهای معمولی
• معایب شبکه های عصبی مصنوعی
• کاربردهای شبکه های عصبی مصنوعی

آشنایی با شبکه های عصبی  زیستی

این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند.

این شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.back propagation of error))

یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

معرفی ANN ها

• یک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.
• در این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node  ها و اعمال یک الگوریتم  آموزشی به آ ن،  شبکه را آموزش می دهند .
• در این حافظه یا شبکه ی عصبی node  ها دارای دو حالت فعال(on  یا ۱) وغیرفعال(   off یا ۰) اند و هر یال (سیناپس یا ارتباط  بین node  ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.
• ANN ها در واقع مثلثی هستند با سه ضلع مفهومی  :
• سیستم تجزیه و تحلیل داده ها
• نورون یا سلول عصبی
• قانون کار گروهی نورونها (شبکه)
• ANN ها دست کم از دو جهت شبیه مغز انسا ن اند:
• مرحله ای موسوم به  یاد گیری دارند.
• وزن های سیناپسی  جهت ذخیره ی دانش به کار می روند.

هوش مصنوعی و مدل سا زی شناختی سعی بر این دارند که بعضی خصوصیا ت شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سا زی شناختی ،ساخت مدلهای ریا ضی سیستم های نورونی زیستی می باشد .