کنخ دانلودستان

 


چکیده مقاله: شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای  داده های آموزشی مصون بوده  و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار،  شناسائی و  تعبیر تصاویر،  و یادگیری روبات  اعمال شده است.

 

 

 

عناوین مورد بحث:

 

شبکه عصبی چیست؟

 

شبکه  عصبی چه قابلیتهائی دارد؟

 



مسائل مناسب برای یادگیری شبکه های عصبی

الهام از طبیعت

Perceptron


یادگیری یک پرسپترون


توانائی  پرسپترون


توابعی که پرسپترون قادر به یادگیری آنها میباشد


توابع بولی و پرسپترون


آموزش پرسپترون


قانون پرسپترون

قانون دلتا Delta Rule

الگوریتم gradient descent

بدست آوردن قانون gradient descent

محاسبه گرادیان

مشکلات روش gradient descent

تقریب افزایشی gradient descent

شبکه های چند لایه

تابع سیگموئید

الگوریتم  Back propagation

فضای فرضیه و بایاس استقرا

دلایل رخ دادن overfitting

اعمال Backpropagation به تشخیص اشیا

Softmax

...

 

 

 

 

 

فرمت فایل: PPT (پاورپوینت)

 

تعداد صفحات: 85


برای دانلود فایل اینجا کلیک کنید

 





نظرات شما عزیزان:

نام :
آدرس ایمیل:
وب سایت/بلاگ :
متن پیام:
:) :( ;) :D
;)) :X :? :P
:* =(( :O };-
:B /:) =DD :S
-) :-(( :-| :-))
نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه:





+نوشته شده در یک شنبه 24 دی 1391برچسب:,ساعت16:12توسط عبدالله کارب | |