پاورپوینت شبکه‌های عصبی مصنوعی
شامل 43 اسلاید درقالب پاورپوینت و قابل ویرایش
فهرست برخی از مطالب:
مقدمه
شبکه عصبی چیست؟
شبکه عصبی چه قابلیتهایی دارد؟
الهام از طبیعت
مسایل مناسب برای یادگیری شبکه‌های عصبی
Perceptron
یادگیری یک پرسپترون
توانایی پرسپترون
توابعی که پرسپترون قادر به یادگیری آنها می‌باشد
توابع بولی و پرسپترون
آموزش پرسپترون
قاعده پرسپترون
قاعده دلتا Delta Rule الگوریتم Gradient descent
بدست آوردن قاعده Gradient descent
قاعده دلتا Delta Rule
محاسبه گرادیان
خلاصه یادگیری قاعده دلتا
مشکلات روش Gradient descent
تقریب افزایشی Gradient descent
شبکه‌های چند لایه
مثال
یک سلول واحد
و... .
بخشی از متن فایل پاورپوینت:
مقدمه
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 داده‌های آموزشی مقاوم بوده و اینگونه شبکه‌ها با موفقیت به مسایلی نظیر شناسایی گفتار، شناسایی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.
| asabi-shabake_1681188909_59806_2413_1197.zip0.82 MB |
