برق,الکترونیک,مخابرات,دانلود,رایگان,پایان نامه,پروژه,مقاله,مقالات, تحقیق آماده, پاورپوینت,کارآموزی,ترجمه,ورد,شبکه توزیع,ماشین,الکتریکی,نوسانات,قدرت,موبایل,آنتن,شبیه سازی,بار,ترانسفورماتور,جریان هجومی, - شبكه هاي عصبي Neural Network Genetec Algoritm

فهرست مطالب: شبكه هاي عصبي Neural Network Genetec Algoritm

تاریخ ایجاد 1390/06/03 تعدادبرگ: 200 قیمت: 20000 تومان حجم فایل:7516 kb

تعدادمشاهده 1979

پيش گفتار1
سازماندهي2
فصل اول : آشنايي با سيستمهاي هوشمند مصنوعي3
1-1 - شبكه‌هاي عصبي5
2-1 - منطق فازي6
3-1 - الگوريتم‌هاي ژنتيكي8
4-1 - ساختار اين كتاب9
خلاصه12
فصل دوم بخش اساسي شبكه عصبي
1-2 - مفاهيم اساسي شبكه‌هاي عصبي14
2-2 - مغز انسان15
3-2 - مدل مصنوعي عصب17
عملكرد Signum19
عملكرد Sigmoidal20
4-2 - معماري شبكه‌هاي عصبي21
1-4-2 - شبكه پيش خورد تك قشري22
2-4-2- شبكه پيش خورد چند قشري23
3-4-2- شبكه‌هاي متناوب (پس خورد)24
5-2- مشخصات شبكه‌هاي عصبي24
6-2 - روشهاي يادگيري25
7-2 - طبقه‌بندي معماري شبكه عصبي27
تاريخچه تحقيقات شبكه عصبي28
9-2 - معماري شبكه عصبي اوليه30
1-9-2 - پرسيترن زرنبلاتس30
پرسپترن و فعاليتهاي مجزاي خطي32
مسئله XOR33
الگوريتم 1-234
2-9-2 - شبكه ADALINE36
10-2 - برخي از كاربردهاي اين زمينه38
تشخيص نمونه (PR) پردازنده تصوير38
بهينه سازي / رضايت ناگزير39
پيش بيني كردن و برآورد خطر39
سيستم‌هاي كنترل39
خلاصه39
تكنيكهاي برنامه‌دار41
مطالعات بعدي پيشنهاد شده41
فصل سوم شبكه‌هاي پيش تكثير
1-3 - معماري شبكه پيش تكثير44
1-1-3 مدل پرسپترن44
2-1-3 - راه حل45
3-1-3 - شبكه عصبي مصنوعي تك قشري48
4-1-3 - مدلي براي پرسپترن چند قشري51
2-3- يادگيري باز تكثير53
1-2-3 - محاسبه قشر ورودي54
2-2-3 - محاسبه قشر مخفي54
3-2-3 محاسبه قشر خروجي56
4-2-3 - محاسبه خطا56
5-2-3 - آموزش شبكه عصبي57
6-2-3 - روش شيب استيپست59
7-2-3 - تأثير نرخ يادگيري 64
8-2-3 - افزودن اصطلاح شتاب65
9-2-3- الگوريتم بازتكثير66
الگوريتم 1-3 (الگوريتم يادگيري باز تكثير)67
الگوريتم BPN67
پايان الگوريتم BPN70
3-3- مثال70
4-3- كاربردها73
1-3-4- طراحي ژورنال ياتاقان73
2-4-3- طبقه‌بندي خاك79
3-4-3- فشار كاري فولاد داغ82
تأثير پارامترهاي تنظيم شده شبكه عصبي پيش تكثير85
دستيابي Sigmoidal 87
ارزش آستانه88
3-6 - انتخاب پارامترهاي مختلف در BPN90
3-6-1- تعداد گره هاي مخفي90
3-6-2- ضريب سرعآلفا91
3-6-3- دستيابي sigmoidal لاندا 92
3-6-4- محلي local Minima92
ضريب يادگيري 93
7-3- نوسانهاي استاندارد الگوريتم پيش تكثير93
1-7-3 - روال تكرار Decremental 93
3-7-2- پيش تكثير متناسب شده (يادگيري با سرعت)94
3-7-3- الگوريتم ژنتيكي بر پايه پيش تكثير بودن96
3-7-4- آموزش پروانه سريع96
شبكه BP افزايش يافته96
3-7-6- شيوه يادگيري متداولي براي شبكه عصبي تك قشر مخفي100
3-8 - جهت تحقيق101
1-8-3- توپولوژيهاي جديد101
2-8-3- الگوريتمهاي بهتر يادگيري101
3-8-3- استراتژيهاي بهتر آموزشي102
4-8-3 - اجزاي سخت‌افزار102
5-8-3 شبكه‌هاي هوشمند102
خلاصه103
فصل چهارم حافظه مرتبط
1-4 - خود همبسته‌ها110
شناسايي مدلهاي شلوغ112
2-4 - نا همبسته كاسكو BAM مجزا113
1-2-4 - افزايش و حذف مدلهاي جفت114
2-2-4- عملكرد انرژي براي BAM114
3-4 - استراتژي رمزگذاري آموزشي متعدد ونگ اتال118
الگوريتم 1-4 - (استراتژي رمزگذاري آموزشي متعدد ونگ اتال)119
4-4 - BAM نمايي124
1-4-4 تساويهاي توسعه يافته124
5-4 - حافظه مرتبط براي جفت مدلهايي كه به صورت حقيقي كدگذاري شده‌اند126
1-5-4 - نرمال كردن ورودي127
2-5-4 - تساويهاي توسعه يافته127
الگوريتم 2-4 (حافظه مرتبط دوجهتي ساده شده)128
6-4 – كاربردها131
1-6-4 - تشخيص نشانه‌ها132
فراخواني نشانه‌هاي نويزي134
2-6-4 - شناسايي نقص ساختار134
7-4 - گرايش جديد138
خلاصه138
تكليفهاي برنامه‌ريزي140
فصل پنجم تئوري رسنانس تنظيم شونده
1-5 – پيشگفتار144
1-1-5 - ساختار گروه144
2-1-5 -كميت سازي بردار145
3-5-1 - شبكه ART سنتي156
4-1-5 - ساده سازي معماري ART159
2-5 - 1ART 160
1-2-5 - معماري 1ART 161
2-2-5 - مشخصه ويژه مدل 1ART 163
3-2-5- الگوريتمَ ART 167
3-5- 2ART175
3-5معماري2ART175
2-3-5- الگوريتم 2ART177
الگوريتم 2-5 ( الگوريتم 2ART )177
4-5 –كاربردها181
1-4-5- شناسايي مشخصه با استفاده از 1ART 181
2-4-5 - طبقه بندي خاك (راجاسكاران اتال2001) 182
نمونهIS 183
4-4-5 - شناسايي مشخصه چيني- بعضي بيانات188
5-5 - حساسيت ترتيب اطلاعات189
خلاصه190
مطالعات اضافي پيشنهاد شده191
واژه نامه201
منابع
فهرست اشكال
شكل 1-1 تعامل تكنولوژيهاي عصبي، منطق امكان و الگوريتم ژنتيكي4
شكل 1-2 ساختار فيزيكي مغز انسان – نهاي چند بعدي15
شكل 2-2 ساختار عصب17
شكل 3-2 مدل ساده‌اي از يك عصب مصنوعي18
شكل 4-2 عملكرد ورودي19
شكل 5-2 عملكرد Signum19
شكل 6-2 عملكرد sigmaidal20
شكل 7-2 يك مثال دي‌گراف21
شكل 8-2 شبكه پيش خورد تك قشري22
شكل 9-2 شبكه پيش خورد چند قشري ( آرايش l- m-n)23
شكل 10-2 شبكه عصبي متناوب24
شكل 11-2 طبقه‌بندي الگوريتمهاي يادگيري27
شكل (12-2) مدل اصلي پرسپترن رزنبلاتس30
شكل 13-2 مدل ساده پرسپترن31
شكل 14-2 مدل پرسپترن پيش خورد چند قشري31
شكل 15-2 مدلهاي مجزاي خطي و مدلهاي مجزاي غير خطي32
جدول 3-2 جدول واقعي XOR33
شكل 16-2 مدل مجزاي غير خطي مسئله XOR33
شكل 17-2 مدل پرسپترن با دو ورودي x2,x134
شكل18-2خط مستقيم به عنوان حدودتصميم‌گيري جداگانه‌براي‌مسئله‌دو،طبقه‌بندي‌شده34
شكل 22-2 تصميم‌هاي اتخاذ شده براي مسئله‌ XOR38
شكل 1-3 تركيب پرسپترها براي حل مسئله XOR44
شكل 2-3 عملكرد آستانه سخت – ضربه45
شكل 3-3 يك عصب مصنوعي46
شكل الف 4-3 شبكه عصبي پيش خورد تك قشري49
شكل ب 4-3 شبكه عصبي پيش خورد تك قشري از دياگرام دستگاه49
شكل الف 5-3 عملكرد S اسكواش براي ارزشهاي مختلف 50
شكل ب 5-3 ضريب زاويه S اسكواش50
شكل الف 6-3 پرسپترن چند قشري52
شكل ب 6-3 دياگرام دستگاه نشانگر ANN سه قشري52
شكل 7-3 شبكه باز تكثير پيش خورد چند قشري53
شكل 8-3 آستانه در قشر مخفي55
شكل 9-3 آستانه قشر خروجي56
شكل 10-3 تشابه ميان اطلاعات جديد و دانش گذشته58
شكل 11-359
شكل 12-3 قاعده اقليد سي خطاها59
شكل 13-3 نمونه سطح خطا براي شبكه‌هاي MLFF با عملكرد فعالسازي غير خطي60
شكل 14-3 جهت ضريب زاويه حالت دوبعدي61
شكل 15-3 روشهاي همگرايي براي ضريب مختلف يادگيري65
شكل 16-3 معماري MFNN براي نمونه71
شكل الف 17-3 نمونه‌هاي مختلف ياتاقان74
شكل ب 17-3 ژورنال ياتاقان75
شكل الف 18-3 مقايسه ارزشهاي خروجي pct0 (p*200)=1 76
شكل ب 18-3 مقايسه ارزشهاي خروجي p/pmax=276
شكل الف 19-3 مقايسه ارزشهاي خروجي pct0 (p*200)=1 78
شكل ب 19-3 مقايسه ارزشهاي خروجي p/pmax*=278
شكل 20-3 طبقه‌بندي خاك80
شكل 21-3 ايده‌آل سازي عنصر محدود82
شكل 22-3 قدرت سرعت در مقايسه با بار پتك كاري84
شكل 23-3 نرخ يادگيري در مقايسه با نرخ خطا87
شكل 24-3 فاكتور سرعت در مقايسه در نرخ خطا88
شكل 25-3 تكرار در مقايسه با نرخ خطا89
شكل 26-3 گرههاي مخفي در مقايسه با نرخ خطا89
شكل 27-3 گرههاي مخفي در مقايسه با نرخ خطا90
شكل 28-3 تأثير سرعت بر تغيير وزن91
شكل 29-3 معماري شبكه عصبي افزايش يافته97
شكل 30-3 انتقال عصب افزايش يافته يا قشر ورودي98
شكل 31-3 عملكرد انتقال عصبي افزايش يافته يا قشر خروجي98
شكل 1-3 P104
شكل 2-3 P فنيك تراس106
شكل 1-4 كار كردن حافظه مرتبط108
شكل 2-4109
شكل 3-4 حافظه‌هاي مرتبط ديناميك و استاتيك 110
شكل 4-4 نشانه‌هاي حك شده در يك صفحه132
شكل 5-4 معادل قطبي جفت مدلها133
شكل 6-4 نشانه‌هاي نويزي134
شكل الف 7-4135
شكل ب 7-4135
شكل ج 7-4136
شكل د 7-4136
شكل 1-4 P140
شكل 2-4 P141
شكل 3-4 p142
شكل الف 1-5147
شكل ب1-5147
شكل پ1-5148
شكل 2-5 ساده سازي معماري ART159
شكل 3-5شبكه 1ART162
شكل 4-5 را در نظر بگيريد163
شكل 5-5 قشر مقايسه‌اي 1ART164
شكل6-5 مرحله1)1 =G1 بردار ورودي از قشر مقايسه اي به قشر شناسايي عبور مي كند165
شكل 7-5 مرحله 2بهترين عصب قشر شناسايي به عنوان برنده انتخاب مي شود165
شكل 8-5 مرحله 3 بردار ورودي x وبردار p در قشر شناسايي مقايسه مي شود . 166
شكل9-5 مرحله4عصب برنده شده پيشين ناتوان مي‌شوندوبرنده جديدي انتخاب مي شود.166
شكل 10-5 معماري 2ART176
شكل11-5 نمايش دوتايي حروف182
شكل 12-5186
شكل 13-5187
شكل 14-5 الف189
شكل 14-5 ب189
فهرست جداول
جدول1-2طبقه‌بندي برخي‌ازسيستمهايNN به‌ترتيب‌شيوه‌هاي‌يادگيري‌ونمونه‌هاي معماري28
جدول 2-2 برخي نقطه‌هاي عطف در تحقيق NN29
جدول (2- P2)41
جدول 1-3 - عملكرد فعالسازي غير خطي معمولي47
جدول 2-3 - اطلاعات خروجي و ورودي « مجموعه n»53
جدول 3-3 - مجموعه‌هاي آموزشي71
جدول 4-3 - اطلاعات آزمايشي (مسئله ژورنال ياتاقان)79
جدول 5-3 - اطلاعات آزمايشي (مسئله ژورنال ياتاقان)79
جدول 6-381
جدول 7-381
جدول 8-3 - اطلاعات آموزشي (فشار كاري داغ فولاد)84
جدول 9-3- اطلاعات آزمايشي (فشار كاري داغ فولاد)85
جدول 10-3- نرخ خطا براي مقادير مختلف 94
جدول 11-3 -اجراي شبكه‌هاي مختلف BP100
جدول 1-3 P - اطلاعات براي مسئله ورقه104
جدول 2-3 P105
جدول 3-3p105
جدول 4-3 P106
جدول 1-4137
جدول 2-4137
جدول 1-4 P140
جدول 2-4 P141
جدول 1-5146
جدول2-5 اطلاعات خاك182

Label

مقالات مرتبط