1.
‌‫‌های‌عصبی‌و‌استفاده‌از‌جعبه‌ابزار‬‫ه‬‫شبک‬
‌‫آن‌در‌محيط‌متلب‬(MATLAB)
‫توسط‬:‫عباس‌جليلوند‬
‌‫‌هيئت‌علمی‌گروه‌کامپيوتر‌دانشگاه‌آزاد‌اسالمی‬
‫واحد‌هشتگرد‬

2.
‫مطالب‬ ‫ئوس‬‫ر‬
.1‫مقدمه‬
.2‫مصنوعی‬‫عصبی‬ ‫های‬‫شبکه‬‫ی‬‫نظر‬ ‫مبانی‬
.3‫بردهای‬‫ر‬‫کا‬‫عصبی‬ ‫های‬ ‫شبکه‬
.4‫متلب‬ ‫در‬‫عصبی‬ ‫های‬ ‫شبکه‬
.5‫متلب‬ ‫در‬‫عصبی‬ ‫های‬ ‫شبکه‬ ‫از‬ ‫مثال‬ ‫چندین‬‫حل‬

3.
‫مصنوعی‬ ‫هوش‬(AI)
-‫هدف‬:‫نما‬ ‫انسان‬‫بات‬‫ر‬ ‫ساختن‬
-‫مصنوعی‬ ‫هوش‬‫های‬‫شاخه‬:
•‫ی‬‫کاو‬ ‫داده‬
•‫تصویر‬ ‫ش‬‫ز‬‫پردا‬
•‫ماشین‬ ‫ی‬‫یادگیر‬
•‫گفتار‬ ‫ش‬‫ز‬‫پردا‬
•‫طبیعی‬‫بانهای‬‫ز‬ ‫ش‬‫ز‬‫پردا‬
•‫باتیک‬‫ر‬

4.
‫داده‌کاوی‬(Data Mining)

5.
‫روشهای‌داده‌کاوی‬

6.
‌‫عمليات،‌کاربردها‌و‬
‫تکنيکها‬

7.
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‫مطالعه‬‫شبکه‬‫های‬‫عصبی‬‫مصننوعی‬‫تنا‬‫حند‬‫زينادی‬
‫الهام‌گرفته‬‫از‬‫سيستم‬‫های‬‫يادگير‬‫طبيعی‬‫اسنت‬
‫که‬‫در‬‫آنها‬‫ين‬‫مجموعنه‬‫پيچينده‬‫از‬‌‫سنلولهای‬
‫عصبی‬(‫نرونهای‬)‫به‬‫هم‬‫متصن‬‫در‬‫کنار‬‫ينادگيری‬
‫دخي‬‫هستند‬.
‫گمان‬‫ميرود‬‫که‬‫مغز‬‫انسان‬‫از‬‫تعداد‬10 11‫نرون‬

8.
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‫سرعت‬‫سوئيچنگ‬‫نرونها‬‫در‬‫حدود‬10-3‫ثانيه‬‫است‬‫که‬
‫در‬‫مقايسه‬‫با‬‫کامپيوترها‬10 -10 )‫ثانيه‬(‫بسيار‬
‫ناچيز‬‫مينمايد‬.‫با‬‫اين‬‫وجود‬‫آدمی‬‫قادر‬‫است‬‫در‬
0.1‫ثانيه‬‫تصوير‬‫ي‬‫انسان‬‫را‬‫بازشناسائی‬
‫نمايد‬.‫اين‬‫قدرت‬‫فوق‬‫العاده‬‫بايد‬‫از‬‫پردازش‬
‫موازی‬‫توزيع‬‫شده‬‫در‬‫تعدادی‬‫زيادی‬‫از‬‫نرونها‬
‫حاص‬‫شده‬‫باشد‬.

9.
‫يخچه‬‫ر‬‫تا‬‫عصبی‬‫های‬‫شبکه‬
‫توسط‬‫عصبي‬‫هاي‬‫شبكه‬‫ي‬‫و‬‫ر‬‫بر‬‫مطالعه‬‫كل‬ ‫مك‬‫خ‬‫پيتس‬ ‫و‬‫سال‬ ‫در‬1943‫شد‬ ‫آغاز‬.
‫توسط‬ ،‫اي‬‫آستانه‬‫ی‬‫ساز‬ ‫فعال‬‫توابع‬ ‫با‬ ،‫اليه‬‫تك‬‫هاي‬‫شبكه‬‫نبلت‬‫ز‬‫و‬‫ر‬‫سال‬ ‫در‬1962
،‫ها‬‫شبكه‬ ‫نوع‬ ‫اين‬‫كه‬ ‫شدند‬ ‫ي‬‫گذار‬‫بنيان‬‫پرسپترون‬‫شدند‬ ‫ناميده‬.
‫دهه‬‫در‬1960‫مسائ‬ ‫حل‬ ‫قابليت‬‫ها‬‫پرسپترون‬ ‫كه‬ ‫شد‬ ‫داده‬ ‫نشان‬‫تجربي‬‫ت‬‫ر‬‫صو‬‫به‬ ،‫ل‬
،‫ند‬‫ر‬‫دا‬ ‫ا‬‫ر‬‫اواني‬‫ر‬‫ف‬‫ولی‬‫پيچيده‬‫مسائل‬ ‫از‬‫ي‬‫بسيار‬‫ت‬‫نبود‬ ‫حل‬ ‫قابل‬ ‫آنها‬‫وسط‬.
‫پرسپترون‬ ‫محدوديت‬‫های‬‫اليه‬ ‫يك‬‫سال‬ ‫در‬1966‫توسط‬‫پپرت‬ ‫و‬‫مينسكي‬‫در‬‫پرسپت‬ ‫كتاب‬‫رون‬
‫سيد‬‫ر‬ ‫چاپ‬ ‫به‬ ‫آنها‬.‫م‬ ‫به‬‫عصبي‬‫هاي‬‫شبكه‬ ‫كه‬ ‫شد‬ ‫باعث‬ ‫كتاب‬ ‫اين‬‫مطالعه‬ ‫نتايج‬‫دهه‬‫دو‬ ‫دت‬
‫گيرند‬ ‫ار‬‫ر‬‫ق‬‫توجه‬‫د‬‫ر‬‫مو‬ ‫كمتر‬.
‫با‬‫کشف‬‫پس‬ ‫يتم‬‫ر‬‫الگو‬-‫انتشار‬‫توسط‬‫ويليامز‬ ‫و‬ ‫هينتن‬ ،‫ملهات‬‫ر‬‫سال‬‫در‬1986‫مطالعات‬
‫عصبي‬‫هاي‬‫شبكه‬‫ي‬‫و‬‫ر‬ ‫بر‬ ‫جديد‬‫ع‬‫و‬‫شر‬ ‫مجددا‬‫شد‬.‫بو‬ ‫اين‬ ‫يتم‬‫ر‬‫الگو‬‫اين‬‫ويژه‬‫اهميت‬‫كه‬ ‫د‬
‫شوند‬ ‫داده‬ ‫ش‬‫ز‬‫آمو‬‫توانستند‬‫مي‬ ‫آن‬‫توسط‬‫اليه‬ ‫چند‬‫عصبي‬‫هاي‬‫شبكه‬.

10.
‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬
‌‫‌شده‬ ‫هر‌نرون‌طبيعي‌از‌سه‌قسمت‌اصلي‌تشكي‬
‌‫است‬:
(Dendrite)‫دندريت‬
(Cell body)‫بدنه‌سلو‬
(Axon)‫اكسون‬

11.
‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬
-‫دندريت‬‫ها‬‫به‬‫عنوان‬‫مناطق‬‫دريافت‬‫سيگنا‬‫هاي‬
‫الكتريكي‬‫هستند‬‫كه‬‫داراي‬‫سطح‬‫نامنظم‬‫و‬‫شاخه‬
‫هاي‬‫انشعابي‬‫بي‬‫شمار‬‫مي‬‫باشند‬.
-‫بدنه‬‫سلو‬،‫وظيفه‬‫تامين‬‫انرژی‬‫مورد‬‫نياز‬
‫جهت‬‫فعاليت‬‫های‬‫نرون‬‫را‬‫به‬‫عهده‬‫دارد‬.
-‫اكسون‬‫بر‬‫خالف‬‫دندريت‬‫ها‬‫از‬‫سطحي‬‫هموارتر‬‫و‬
‫تعداد‬‫شاخه‬‫هاي‬‫كمتري‬‫برخوردار‬‫مي‬‫باشد‬.
‫اكسون‬‫سيگنا‬‫هاي‬‫الكتروشيميايي‬‫دريافتي‬‫از‬
‫هسته‬‫سلو‬‫را‬‫به‬‫نرون‬‫هاي‬‫ديگر‬‫منتق‬‫مي‬
‫كند‬.
-‫مح‬‫تالقي‬‫يك‬‫اكسون‬‫از‬‫يك‬‫سلو‬‫به‬‫دندريت‬‫هاي‬
‫سلو‬‫هاي‬‫ديگر‬‫را‬‫سيناپس‬‫مي‬‫گويند‬.‫توسط‬
‫سيناپس‬‫ها‬‫ارتباطات‬‫ما‬‫بين‬‫نرون‬‫ها‬‫برقرار‬
‫مي‬‫شود‬.‫به‬‫فضاي‬‫مابين‬‫اكسون‬‫و‬‫دندريت‬‫ها‬
‫فضاي‬‫سيناپسي‬‫گويند‬.

12.
‫مصنوعی‬ ‫ن‬‫و‬‫نر‬

13.
‫ن‬‫و‬‫نر‬ ‫یک‬ ‫ی‬ ‫یاض‬‫ر‬ ‫مدل‬(‫کلخ‬ ‫مک‬-‫پیتس‬-1943)
Inputs Weights Summation Activation Output
b
w1
w2
wn
x1
x2
xn
+
w0
x0
f(y)
…
y
O
…

14.
‫ی‬‫ساز‬ ‫فعال‬‫توابع‬‫ل‬‫متداو‬
y
f(y)
sgn(y)
tanh(y)
1
-1

15.
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‌‫‌يا‌گره‬ ‫شبکه‌از‌تعداد‌دلخواهی‌سلو‬
‌ ‫يا‌واحد‌و‌يا‌نرون‌تشکي‬‫می‬‌‫شود‬‌‫که‬
‌‫مجموعه‌ورودی‌ها‌را‌به‌خروجی‌ربط‬
‫ميدهد‬.

16.
‌‫ساختار‌شبکه‬‫عصبی‬
-‫ن‬‫و‬‫نر‬‫ها‬‫به‬‫ت‬‫ر‬‫صو‬‫طبيعي‬‫به‬‫ش‬‫و‬‫ر‬‫ي‬ ‫خاص‬‫اتصال‬‫مي‬‫يابند‬‫تا‬‫ي‬‫ک‬
‫شبکه‬‫عصبي‬‫ا‬‫ر‬‫تشکيل‬‫دهند‬‫نحوه‬‫اتصال‬‫ن‬‫و‬‫نر‬‫ها‬‫مي‬‫تواند‬‫ب‬‫ه‬‫گونه‬
‫اي‬‫باشد‬‫که‬‫شبکه‬‫تک‬‫اليه‬‫يا‬‫چند‬‫اليه‬‫باشد‬.
-‫شبکه‬‫هاي‬‫چند‬‫اليه‬‫از‬‫يک‬‫اليه‬،‫ودي‬‫ر‬‫و‬‫يک‬‫اليه‬‫جي‬‫و‬‫خر‬‫و‬‫يک‬‫يا‬‫چند‬
‫اليه‬‫بين‬‫آنها‬(‫الیه‬‫پنهان‬)‫که‬‫مستقيما‬‫به‬‫داده‬‫هاي‬‫ودي‬‫ر‬‫و‬‫و‬‫ن‬‫تايج‬
‫جي‬‫و‬‫خر‬‫متصل‬‫نيستند‬‫تشکيل‬‫يافته‬‫اند‬.

17.
‫یا‬ ‫الیه‬‫چند‬ ‫عصبی‬ ‫های‬‫شبکه‬MLP
x0=1
x1
x2
y0=1
y1
y2
y3
Input
Layer 1
Hidden
Layer 2
Output

18.
‫نکته‬
‌،‌‫در‌شبكه‌هاي‌پرسپترون‌چند‌اليه‬
‌‫تعداد‌اليه‌هاي‌پنهان‌مي‌تواند‌هر‬
‫تعداد‌باشد‬.‌‫البته‌در‌بيشتر‬
‌‫كاربردها‌يك‌اليه‌پنهان‌كفايت‌مي‬
‌‫كند‬.‌‫در‌بعضي‌مواقع‌نيز‌دو‌اليه‬
‌‫پنهان‌يادگيري‌شبكه‌را‌ساده‌تر‌مي‬
‫كند‬.

19.
‫‌کار‌با‌شبکه‌عصبی‬ ‫مراح‬
.1‫در‬‫مرحله‬‫ش‬‫ز‬‫آمو‬،‫شبکه‬‫الگوهای‬‫موجود‬‫در‬‫داده‬‫هاي‬‫ودي‬‫ر‬‫و‬‫ا‬‫ر‬‫یاد‬
‫می‬‫گيرد‬.‫هر‬‫شبکه‬‫عصبی‬‫ای‬‫ر‬‫ب‬‫ی‬‫یادگير‬‫از‬‫ن‬‫قانو‬‫خاص‬‫استفا‬‫ده‬‫می‬
‫کند‬.
.2،‫تعمیم‬‫ت‬‫ر‬‫قد‬‫شبکه‬‫عصبی‬‫در‬‫ایجاد‬‫پاسخ‬‫های‬‫قابل‬‫ل‬‫قبو‬‫ا‬‫ر‬‫ب‬‫ی‬
‫ودی‬‫ر‬‫و‬‫هایی‬‫است‬‫که‬‫عضو‬‫مجموعه‬‫ی‬ ‫ش‬‫ز‬‫آمو‬‫نبوده‬‫اند‬.
.3‫در‬‫مرحله‬‫ا‬‫ر‬‫اج‬‫نيز‬‫شبکه‬‫عصبی‬‫ای‬‫ر‬‫ب‬‫عملکردی‬‫که‬‫به‬‫آن‬‫منظو‬‫ر‬‫احی‬‫ر‬‫ط‬
‫گردیده‬،‫است‬‫استفاده‬‫می‬‫شود‬.

20.
‫در‬ ‫ی‬‫یادگير‬‫مصنوعي‬ ‫عصبي‬ ‫هاي‬‫شبكه‬
•‫هدف‬‫از‬‫ش‬‫ز‬‫آمو‬،‫شبكه‬‫سيدن‬‫ر‬‫به‬‫شرايطي‬‫است‬‫كه‬‫شبكه‬‫قادر‬‫به‬‫پاسخگويي‬‫صحيح‬‫به‬‫هاي‬‫داده‬
‫ائه‬‫ر‬‫ا‬‫شده‬‫در‬‫ش‬‫ز‬‫آمو‬‫شبكه‬(‫به‬‫خاطر‬‫سپردن‬)‫و‬‫همچنین‬‫هاي‬‫داده‬‫مشابه‬‫و‬‫متفاوت‬‫از‬‫ودي‬‫ر‬‫و‬‫ه‬‫ايي‬
‫كه‬‫از‬‫آنها‬‫براي‬‫ش‬‫ز‬‫آمو‬‫شبكه‬‫استفاده‬‫شده‬‫است‬(‫تعميم‬‫دادن‬)‫،باشد‬.
•‫ي‬‫برتر‬‫عمدة‬‫هاي‬‫شبكه‬‫عصبي‬‫ش‬‫ز‬‫آمو‬‫شده‬‫داده‬‫بر‬‫محاسبات‬‫كالسيك‬‫اين‬‫است‬‫كه‬‫نتايج‬‫د‬‫ر‬‫مو‬
‫نياز‬‫با‬‫تالش‬‫كمتر‬‫و‬‫در‬‫مان‬‫ز‬‫ي‬‫كمتر‬‫قابل‬‫ل‬‫حصو‬‫است‬.‫در‬‫نتيجه‬‫اين‬‫مزايا‬‫خصوصا‬‫براي‬‫م‬‫سائلي‬‫كه‬
‫مستلزم‬‫محاسبات‬‫طوالني‬‫هستند‬‫بسيار‬‫مفيد‬‫و‬‫موثر‬‫واقع‬‫گردد‬.
•‫است‬ ‫ير‬‫ز‬‫شكل‬ ‫به‬‫شبكه‬ ‫ش‬‫ز‬‫آمو‬‫نوع‬‫دو‬:
‫الف‬‫ـ‬‫معلم‬ ‫با‬‫ش‬‫ز‬‫آمو‬
‫ب‬‫ـ‬‫معلم‬‫ن‬‫بدو‬‫ش‬‫ز‬‫آمو‬

21.
‫در‬‫واقع‬‫ایده‬‫اصلي‬‫شبکه‬‫عصبی‬‫تبديل‬‫پذير‬‫بودن‬‫امترهاي‬‫ر‬‫پا‬‫آن‬(‫باياس‬‫و‬‫ن‬‫ز‬‫و‬‫ه‬‫اي‬‫تباطي‬‫ر‬‫ا‬
‫بین‬‫ن‬‫و‬‫نر‬‫ها‬)‫بوده‬‫که‬‫اين‬‫امترها‬‫ر‬‫پا‬‫مي‬‫توانند‬‫ي‬‫ر‬‫طو‬‫تنظيم‬‫شوند‬‫که‬‫انتظار‬‫مو‬‫د‬‫ر‬‫نظر‬‫ا‬‫ر‬
‫تامين‬‫کنند‬.‫اين‬‫ر‬‫بناب‬‫با‬‫استفاده‬‫از‬‫ش‬‫ز‬‫آمو‬‫شبکه‬‫مي‬‫توانيم‬‫اين‬‫امترها‬‫ر‬‫پا‬‫ا‬‫ر‬‫ب‬‫اي‬‫ر‬‫انجام‬‫کار‬
‫د‬‫ر‬‫مو‬‫نظر‬‫خود‬‫تعديل‬‫کنيم‬
‫عصبی‬‫شبکه‬
‫ها‬ ‫ودی‬‫ر‬‫و‬ ‫ها‬ ‫خروجی‬
‫مقایسه‬
‫واقعی‬‫مقدار‬
‫شبکه‬‫عصبی‬‫چگونه‬‫کار‬‫میکند؟‬

22.
‫مثال‬‫پرسپترون‬
x w1
x w2
+ >8?
inputs weights
output
threshold

23.
P2‫الگویی‬‫بگيرد‬ ‫یاد‬ ‫پرسپترون‬ ‫باید‬ ‫که‬‫است‬:
‫دو‬ ‫هر‬ ‫اگر‬ ،‫یعنی‬‫ورودی‬1،‫هستند‬‫خروجی‬‫ید‬ ‫با‬1‫باشد‬
x 2
x 3
+ >8?inputs
weights
output
threshold
‫مثال‬x1 x2 T
0 1 0
1 1 1
… … …
P1 =
P2 =
Pn =

24.
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

25.
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
2
3
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

26.
1
1
x 2
x 3
+ >8?
inputs weights
output
threshold
2
3
5
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

27.
1
1
x 2
x 3
+ >8?
inputs weights
output
threshold
2
3
5
0
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

28.
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
2
3
5
0
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
x1 x2 T
0 1 0
1 1 1
… … …
P2 =

29.
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
2
3
5
0
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

30.
1
1
x 4
x 5
+ >8?
inputs weights
output
threshold
4
5
9
1
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)

31.
‫احل‬‫ر‬‫م‬‫احي‬‫ر‬‫ط‬‫بن‬ ‫طبقه‬‫ر‬‫منظو‬‫به‬ ‫عصبي‬‫شبكه‬‫مدل‬‫يك‬‫يا‬ ‫دي‬
‫بيني‬ ‫پيش‬(‫تخمين‬):
1-‫ودي‬‫ر‬‫و‬ ‫متغييرهاي‬ ‫شناخت‬‫و‬‫جي‬‫و‬‫خر‬
2-‫يك‬ ‫تا‬ ‫صفر‬ ‫دامنه‬‫به‬ ‫جي‬‫و‬‫خر‬ ‫و‬ ‫ودي‬‫ر‬‫و‬ ‫مقادير‬ ‫تبديل‬
3-‫هندسه‬ ‫انتخاب‬(‫ی‬‫ژ‬‫توپولو‬)‫عصبي‬ ‫شبكه‬ ‫اي‬‫ر‬‫ب‬ ‫مناسب‬
4-‫معرف‬ ‫ي‬ ‫ش‬‫ز‬‫آمو‬ ‫هاي‬ ‫داده‬‫با‬ ‫ش‬‫ز‬‫آمو‬
5-‫ل‬ ‫ت‬‫ر‬‫صو‬ ‫در‬‫و‬ ‫ي‬ ‫ش‬‫ز‬‫آمو‬ ‫مجموعه‬ ‫از‬ ‫مستقل‬ ‫هايي‬ ‫داده‬‫با‬ ‫شبكه‬ ‫ن‬‫مو‬‫ز‬‫آ‬‫م‬‫و‬‫ز‬
،‫ي‬ ‫ش‬‫ز‬‫آمو‬ ‫هاي‬ ‫مثال‬ ‫تنظيم‬ ‫و‬ ‫ش‬‫ز‬‫آمو‬ ‫ادامه‬‫ی‬‫ژ‬‫توپولو‬‫ام‬‫ر‬‫پا‬ ‫و‬‫شبكه‬‫ترهاي‬
‫آن‬.

32.
Data set
Training Set
Testing Set
Initial Neural Net
Training
Trained Neural Net
Testing
Trained Net with
Performance Measurement

33.
‫مزایا‬‫ی‬‫عصبی‬ ‫های‬ ‫شبکه‬
‫پذیر‬ ‫انطباق‬ ‫ی‬‫یادگير‬
‫خود‬ ‫توسط‬‫ماندهی‬‫ز‬‫سا‬
‫ی‬‫مواز‬ ‫ت‬‫ر‬‫بصو‬ ‫محاسبات‬ ‫انجام‬
‫ایجاد‬‫ن‬‫بدو‬ ‫اشتباه‬‫تحمل‬‫وقفه‬

34.
‫عصبی‬ ‫های‬ ‫شبکه‬ ‫معایب‬
•‫دستورات‬‫مشخصی‬‫برای‬‫طراحی‬‫شبكه‬
‫جهت‬‫يك‬‫كاربرد‬‫اختياری‬‫وجود‬
‫ندارد‬.
•‫دقت‬‫نتايج‬‫بستگی‬‫زيادی‬‫به‬‫اندازه‬
‫مجموعه‬‫آموزش‬‫دارد‬.
•‫آموزش‬‫شبكه‬‫ممكن‬‫است‬‫مشك‬‫يا‬
‫حتی‬‫غيرممكن‬‫باشد‬.
•‫‌بينی‬‫ش‬‫پي‬‫عملكرد‬‫آينده‬‫شبكه‬(
‫عموميت‬‫يافتن‬)‫آن‬‫به‬‫سادگی‬
‫‌پذير‬‫ن‬‫امكا‬‫نيست‬.

35.
‫عصبی‬‫های‬ ‫شبکه‬‫بردهای‬‫ر‬‫کا‬
‫پردازش‬‫تصوير‬‫و‬‫ديد‬( Image processing and computer
vision )
‫پردازش‬‫عالئم‬( Signal processing ):‫شام‬‫‌شناسی‬‫ت‬‫ريخ‬‫و‬
‫تجزيه‬‫و‬‫تحلي‬‫عالئم‬‫مربوط‬‫به‬‫‌ها‬‫ه‬‫‌لرز‬‫ن‬‫زمي‬‫و‬…
‫شناسايی‬‫الگوها‬( Pattern recognition ):‫شام‬‫شناسايی‬
،‫چهره‬‫اثر‬،‫انگشت‬‫تشخيص‬‫نوع‬‫صدا‬‫و‬‫نوع‬‫صحبت‬
،‫کردن‬‫دستخط‬‫و‬…
‫پزشکی‬( Medicine ):‫شام‬‫تجزيه‬‫و‬‫تحلي‬‫و‬‫تشخيص‬
‫عالئم‬‫دستگاه‬‫‌نگار‬‫ن‬‫ضربا‬‫قلب‬
(‫الکتروکارديوگرافي‬)،‫تشخيص‬‫امراض‬‫گوناگون‬‫و‬…
‫‌های‬‫م‬‫سيست‬‫نظامی‬( Military systems ):‫شام‬‫رديابی‬
‫‌های‬‫ن‬‫مي‬،‫زيردريايی‬‫‌بندی‬‫ه‬‫دست‬‫صداهای‬‫‌هنجار‬‫ه‬‫ناب‬‫و‬
‫مخ‬‫در‬‫رادارها‬‫و‬‫شناسايی‬‫گوينده‬‫رزمی‬.
‫‌های‬‫م‬‫سيست‬‫تجاری‬( Financial systems ):‫شام‬‫تجزيه‬‫و‬
‫تحلي‬‫انبار‬،‫‌ها‬‫ه‬‫مغاز‬‫ارزيابی‬‫واقعی‬‫امالک‬‫و‬…
‫‌ريزی‬‫ه‬‫برنام‬،‫کنتر‬‫و‬‫جستجو‬( Planning, control, and
search ):‫شام‬‫اجرای‬‫موازی‬‫مسائ‬‫و‬‫کنتر‬‫رباتها‬.
‫هوش‬‫مصنوعی‬( Artificial intelligence ):‫شام‬‫برخی‬‫‌های‬‫م‬‫سيست‬
‫طبی‬‫و‬‫اجرای‬‫‌های‬‫م‬‫سيست‬‫خبره‬.

36.
‫مثا‬

37.
‌ ‫مثا‬AND Gate

38.
‌ ‫مثا‬OR Gate

39.
‌ ‫مثا‬XOR Gate

40.
‫شبکه‌عصبی‌در‌متلب‬

41.
‫شبکه‌عصبی‌در‌متلب‬

42.
‫شبکه‌عصبی‌در‌متلب‬

43.
‫شبکه‌عصبی‌در‌متلب‬