O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
‌‫‌های‌عصبی‌و‌استفاده‌از‌جعبه‌ابزار‬‫ه‬‫شبک‬
‌‫آن‌در‌محيط‌متلب‬(MATLAB)
‫توسط‬:‫عباس‌جليلوند‬
‌‫‌هيئت‌علمی‌گروه‌کامپيوتر‌د...
‫مطالب‬ ‫ئوس‬‫ر‬
.1‫مقدمه‬
.2‫مصنوعی‬‫عصبی‬ ‫های‬‫شبکه‬‫ی‬‫نظر‬ ‫مبانی‬
.3‫بردهای‬‫ر‬‫کا‬‫عصبی‬ ‫های‬ ‫شبکه‬
.4‫متلب‬ ‫در‬...
‫مصنوعی‬ ‫هوش‬(AI)
-‫هدف‬:‫نما‬ ‫انسان‬‫بات‬‫ر‬ ‫ساختن‬
-‫مصنوعی‬ ‫هوش‬‫های‬‫شاخه‬:
•‫ی‬‫کاو‬ ‫داده‬
•‫تصویر‬ ‫ش‬‫ز‬‫پردا‬...
‫داده‌کاوی‬(Data Mining)
‫روشهای‌داده‌کاوی‬
‌‫عمليات،‌کاربردها‌و‬
‫تکنيکها‬
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‫مطالعه‬‫شبکه‬‫های‬‫عصبی‬‫مصننوعی‬‫تنا‬‫حند‬‫زينادی‬
‫الهام‌گرفته‬‫از‬‫سيستم‬‫های‬‫يادگير‬‫...
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‫سرعت‬‫سوئيچنگ‬‫نرونها‬‫در‬‫حدود‬10-3‫ثانيه‬‫است‬‫که‬
‫در‬‫مقايسه‬‫با‬‫کامپيوترها‬10 -10 )‫...
‫يخچه‬‫ر‬‫تا‬‫عصبی‬‫های‬‫شبکه‬
‫توسط‬‫عصبي‬‫هاي‬‫شبكه‬‫ي‬‫و‬‫ر‬‫بر‬‫مطالعه‬‫كل‬ ‫مك‬‫خ‬‫پيتس‬ ‫و‬‫سال‬ ‫در‬1943‫شد‬ ‫آغاز‬...
‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬
‌‫‌شده‬ ‫هر‌نرون‌طبيعي‌از‌سه‌قسمت‌اصلي‌تشكي‬
‌‫است‬:
(Dendrite)‫دندريت‬
(Cell body)‫بدنه...
‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬
-‫دندريت‬‫ها‬‫به‬‫عنوان‬‫مناطق‬‫دريافت‬‫سيگنا‬‫هاي‬
‫الكتريكي‬‫هستند‬‫كه‬‫داراي‬‫سطح‬‫نا...
‫مصنوعی‬ ‫ن‬‫و‬‫نر‬
‫ن‬‫و‬‫نر‬ ‫یک‬ ‫ی‬ ‫یاض‬‫ر‬ ‫مدل‬(‫کلخ‬ ‫مک‬-‫پیتس‬-1943)
Inputs Weights Summation Activation Output
b
w1
w2
wn
x1
x2
xn
...
‫ی‬‫ساز‬ ‫فعال‬‫توابع‬‫ل‬‫متداو‬
y
f(y)
sgn(y)
tanh(y)
1
-1
‌‫شبکه‌های‌عصبی‌مصنوعی‬
(ANNs)
‌‫‌يا‌گره‬ ‫شبکه‌از‌تعداد‌دلخواهی‌سلو‬
‌ ‫يا‌واحد‌و‌يا‌نرون‌تشکي‬‫می‬‌‫شود‬‌‫که‬
‌‫مجموعه‌و...
‌‫ساختار‌شبکه‬‫عصبی‬
-‫ن‬‫و‬‫نر‬‫ها‬‫به‬‫ت‬‫ر‬‫صو‬‫طبيعي‬‫به‬‫ش‬‫و‬‫ر‬‫ي‬ ‫خاص‬‫اتصال‬‫مي‬‫يابند‬‫تا‬‫ي‬‫ک‬
‫شبکه‬‫عصبي‬‫ا...
‫یا‬ ‫الیه‬‫چند‬ ‫عصبی‬ ‫های‬‫شبکه‬MLP
x0=1
x1
x2
y0=1
y1
y2
y3
Input
Layer 1
Hidden
Layer 2
Output
‫نکته‬
‌،‌‫در‌شبكه‌هاي‌پرسپترون‌چند‌اليه‬
‌‫تعداد‌اليه‌هاي‌پنهان‌مي‌تواند‌هر‬
‫تعداد‌باشد‬.‌‫البته‌در‌بيشتر‬
‌‫كاربردها‌يك...
‫‌کار‌با‌شبکه‌عصبی‬ ‫مراح‬
.1‫در‬‫مرحله‬‫ش‬‫ز‬‫آمو‬،‫شبکه‬‫الگوهای‬‫موجود‬‫در‬‫داده‬‫هاي‬‫ودي‬‫ر‬‫و‬‫ا‬‫ر‬‫یاد‬
‫می‬‫گيرد‬...
‫در‬ ‫ی‬‫یادگير‬‫مصنوعي‬ ‫عصبي‬ ‫هاي‬‫شبكه‬
•‫هدف‬‫از‬‫ش‬‫ز‬‫آمو‬،‫شبكه‬‫سيدن‬‫ر‬‫به‬‫شرايطي‬‫است‬‫كه‬‫شبكه‬‫قادر‬‫به‬‫پاس...
‫در‬‫واقع‬‫ایده‬‫اصلي‬‫شبکه‬‫عصبی‬‫تبديل‬‫پذير‬‫بودن‬‫امترهاي‬‫ر‬‫پا‬‫آن‬(‫باياس‬‫و‬‫ن‬‫ز‬‫و‬‫ه‬‫اي‬‫تباطي‬‫ر‬‫ا‬
‫بین‬‫ن...
‫مثال‬‫پرسپترون‬
x w1
x w2
+ >8?
inputs weights
output
threshold
P2‫الگویی‬‫بگيرد‬ ‫یاد‬ ‫پرسپترون‬ ‫باید‬ ‫که‬‫است‬:
‫دو‬ ‫هر‬ ‫اگر‬ ،‫یعنی‬‫ورودی‬1،‫هستند‬‫خروجی‬‫ید‬ ‫با‬1‫باشد‬
x 2
x ...
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
2
3
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
1
1
x 2
x 3
+ >8?
inputs weights
output
threshold
2
3
5
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
1
1
x 2
x 3
+ >8?
inputs weights
output
threshold
2
3
5
0
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
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 =
x 2
x 3
+ >8?
inputs weights
output
threshold
1
1
2
3
5
0
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
1
1
x 4
x 5
+ >8?
inputs weights
output
threshold
4
5
9
1
‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
‫احل‬‫ر‬‫م‬‫احي‬‫ر‬‫ط‬‫بن‬ ‫طبقه‬‫ر‬‫منظو‬‫به‬ ‫عصبي‬‫شبكه‬‫مدل‬‫يك‬‫يا‬ ‫دي‬
‫بيني‬ ‫پيش‬(‫تخمين‬):
1-‫ودي‬‫ر‬‫و‬ ‫متغيير...
Data set
Training Set
Testing Set
Initial Neural Net
Training
Trained Neural Net
Testing
Trained Net with
Performance Meas...
‫مزایا‬‫ی‬‫عصبی‬ ‫های‬ ‫شبکه‬
‫پذیر‬ ‫انطباق‬ ‫ی‬‫یادگير‬
‫خود‬ ‫توسط‬‫ماندهی‬‫ز‬‫سا‬
‫ی‬‫مواز‬ ‫ت‬‫ر‬‫بصو‬ ‫محاسبات‬ ‫...
‫عصبی‬ ‫های‬ ‫شبکه‬ ‫معایب‬
•‫دستورات‬‫مشخصی‬‫برای‬‫طراحی‬‫شبكه‬
‫جهت‬‫يك‬‫كاربرد‬‫اختياری‬‫وجود‬
‫ندارد‬.
•‫دقت‬‫نتايج‬‫ب...
‫عصبی‬‫های‬ ‫شبکه‬‫بردهای‬‫ر‬‫کا‬
‫پردازش‬‫تصوير‬‫و‬‫ديد‬( Image processing and computer
vision )
‫پردازش‬‫عالئم‬( Signa...
‫مثا‬
‌ ‫مثا‬AND Gate
‌ ‫مثا‬OR Gate
‌ ‫مثا‬XOR Gate
‫شبکه‌عصبی‌در‌متلب‬
‫شبکه‌عصبی‌در‌متلب‬
‫شبکه‌عصبی‌در‌متلب‬
‫شبکه‌عصبی‌در‌متلب‬
Próximos SlideShares
Carregando em…5
×

(MATLAB) شبکه‌های عصبی و استفاده از جعبه ابزار آن در محيط متلب

9.472 visualizações

Publicada em

مقدمه
مبانی نظری شبکه های عصبی مصنوعی
کاربردهای شبکه های عصبی
شبکه های عصبی در متلب
حل چندین مثال از شبکه های عصبی در متلب

Publicada em: Engenharia

(MATLAB) شبکه‌های عصبی و استفاده از جعبه ابزار آن در محيط متلب

  1. 1. ‌‫‌های‌عصبی‌و‌استفاده‌از‌جعبه‌ابزار‬‫ه‬‫شبک‬ ‌‫آن‌در‌محيط‌متلب‬(MATLAB) ‫توسط‬:‫عباس‌جليلوند‬ ‌‫‌هيئت‌علمی‌گروه‌کامپيوتر‌دانشگاه‌آزاد‌اسالمی‬ ‫واحد‌هشتگرد‬
  2. 2. ‫مطالب‬ ‫ئوس‬‫ر‬ .1‫مقدمه‬ .2‫مصنوعی‬‫عصبی‬ ‫های‬‫شبکه‬‫ی‬‫نظر‬ ‫مبانی‬ .3‫بردهای‬‫ر‬‫کا‬‫عصبی‬ ‫های‬ ‫شبکه‬ .4‫متلب‬ ‫در‬‫عصبی‬ ‫های‬ ‫شبکه‬ .5‫متلب‬ ‫در‬‫عصبی‬ ‫های‬ ‫شبکه‬ ‫از‬ ‫مثال‬ ‫چندین‬‫حل‬
  3. 3. ‫مصنوعی‬ ‫هوش‬(AI) -‫هدف‬:‫نما‬ ‫انسان‬‫بات‬‫ر‬ ‫ساختن‬ -‫مصنوعی‬ ‫هوش‬‫های‬‫شاخه‬: •‫ی‬‫کاو‬ ‫داده‬ •‫تصویر‬ ‫ش‬‫ز‬‫پردا‬ •‫ماشین‬ ‫ی‬‫یادگیر‬ •‫گفتار‬ ‫ش‬‫ز‬‫پردا‬ •‫طبیعی‬‫بانهای‬‫ز‬ ‫ش‬‫ز‬‫پردا‬ •‫باتیک‬‫ر‬
  4. 4. ‫داده‌کاوی‬(Data Mining)
  5. 5. ‫روشهای‌داده‌کاوی‬
  6. 6. ‌‫عمليات،‌کاربردها‌و‬ ‫تکنيکها‬
  7. 7. ‌‫شبکه‌های‌عصبی‌مصنوعی‬ (ANNs) ‫مطالعه‬‫شبکه‬‫های‬‫عصبی‬‫مصننوعی‬‫تنا‬‫حند‬‫زينادی‬ ‫الهام‌گرفته‬‫از‬‫سيستم‬‫های‬‫يادگير‬‫طبيعی‬‫اسنت‬ ‫که‬‫در‬‫آنها‬‫ين‬‫مجموعنه‬‫پيچينده‬‫از‬‌‫سنلولهای‬ ‫عصبی‬(‫نرونهای‬)‫به‬‫هم‬‫متصن‬‫در‬‫کنار‬‫ينادگيری‬ ‫دخي‬‫هستند‬. ‫گمان‬‫ميرود‬‫که‬‫مغز‬‫انسان‬‫از‬‫تعداد‬10 11‫نرون‬
  8. 8. ‌‫شبکه‌های‌عصبی‌مصنوعی‬ (ANNs) ‫سرعت‬‫سوئيچنگ‬‫نرونها‬‫در‬‫حدود‬10-3‫ثانيه‬‫است‬‫که‬ ‫در‬‫مقايسه‬‫با‬‫کامپيوترها‬10 -10 )‫ثانيه‬(‫بسيار‬ ‫ناچيز‬‫مينمايد‬.‫با‬‫اين‬‫وجود‬‫آدمی‬‫قادر‬‫است‬‫در‬ 0.1‫ثانيه‬‫تصوير‬‫ي‬‫انسان‬‫را‬‫بازشناسائی‬ ‫نمايد‬.‫اين‬‫قدرت‬‫فوق‬‫العاده‬‫بايد‬‫از‬‫پردازش‬ ‫موازی‬‫توزيع‬‫شده‬‫در‬‫تعدادی‬‫زيادی‬‫از‬‫نرونها‬ ‫حاص‬‫شده‬‫باشد‬.
  9. 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. 10. ‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬ ‌‫‌شده‬ ‫هر‌نرون‌طبيعي‌از‌سه‌قسمت‌اصلي‌تشكي‬ ‌‫است‬: (Dendrite)‫دندريت‬ (Cell body)‫بدنه‌سلو‬ (Axon)‫اكسون‬
  11. 11. ‫ن‬‫و‬‫نر‬(Neuron)‫یکی‬‫ژ‬‫بیولو‬ -‫دندريت‬‫ها‬‫به‬‫عنوان‬‫مناطق‬‫دريافت‬‫سيگنا‬‫هاي‬ ‫الكتريكي‬‫هستند‬‫كه‬‫داراي‬‫سطح‬‫نامنظم‬‫و‬‫شاخه‬ ‫هاي‬‫انشعابي‬‫بي‬‫شمار‬‫مي‬‫باشند‬. -‫بدنه‬‫سلو‬،‫وظيفه‬‫تامين‬‫انرژی‬‫مورد‬‫نياز‬ ‫جهت‬‫فعاليت‬‫های‬‫نرون‬‫را‬‫به‬‫عهده‬‫دارد‬. -‫اكسون‬‫بر‬‫خالف‬‫دندريت‬‫ها‬‫از‬‫سطحي‬‫هموارتر‬‫و‬ ‫تعداد‬‫شاخه‬‫هاي‬‫كمتري‬‫برخوردار‬‫مي‬‫باشد‬. ‫اكسون‬‫سيگنا‬‫هاي‬‫الكتروشيميايي‬‫دريافتي‬‫از‬ ‫هسته‬‫سلو‬‫را‬‫به‬‫نرون‬‫هاي‬‫ديگر‬‫منتق‬‫مي‬ ‫كند‬. -‫مح‬‫تالقي‬‫يك‬‫اكسون‬‫از‬‫يك‬‫سلو‬‫به‬‫دندريت‬‫هاي‬ ‫سلو‬‫هاي‬‫ديگر‬‫را‬‫سيناپس‬‫مي‬‫گويند‬.‫توسط‬ ‫سيناپس‬‫ها‬‫ارتباطات‬‫ما‬‫بين‬‫نرون‬‫ها‬‫برقرار‬ ‫مي‬‫شود‬.‫به‬‫فضاي‬‫مابين‬‫اكسون‬‫و‬‫دندريت‬‫ها‬ ‫فضاي‬‫سيناپسي‬‫گويند‬.
  12. 12. ‫مصنوعی‬ ‫ن‬‫و‬‫نر‬
  13. 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. 14. ‫ی‬‫ساز‬ ‫فعال‬‫توابع‬‫ل‬‫متداو‬ y f(y) sgn(y) tanh(y) 1 -1
  15. 15. ‌‫شبکه‌های‌عصبی‌مصنوعی‬ (ANNs) ‌‫‌يا‌گره‬ ‫شبکه‌از‌تعداد‌دلخواهی‌سلو‬ ‌ ‫يا‌واحد‌و‌يا‌نرون‌تشکي‬‫می‬‌‫شود‬‌‫که‬ ‌‫مجموعه‌ورودی‌ها‌را‌به‌خروجی‌ربط‬ ‫ميدهد‬.
  16. 16. ‌‫ساختار‌شبکه‬‫عصبی‬ -‫ن‬‫و‬‫نر‬‫ها‬‫به‬‫ت‬‫ر‬‫صو‬‫طبيعي‬‫به‬‫ش‬‫و‬‫ر‬‫ي‬ ‫خاص‬‫اتصال‬‫مي‬‫يابند‬‫تا‬‫ي‬‫ک‬ ‫شبکه‬‫عصبي‬‫ا‬‫ر‬‫تشکيل‬‫دهند‬‫نحوه‬‫اتصال‬‫ن‬‫و‬‫نر‬‫ها‬‫مي‬‫تواند‬‫ب‬‫ه‬‫گونه‬ ‫اي‬‫باشد‬‫که‬‫شبکه‬‫تک‬‫اليه‬‫يا‬‫چند‬‫اليه‬‫باشد‬. -‫شبکه‬‫هاي‬‫چند‬‫اليه‬‫از‬‫يک‬‫اليه‬،‫ودي‬‫ر‬‫و‬‫يک‬‫اليه‬‫جي‬‫و‬‫خر‬‫و‬‫يک‬‫يا‬‫چند‬ ‫اليه‬‫بين‬‫آنها‬(‫الیه‬‫پنهان‬)‫که‬‫مستقيما‬‫به‬‫داده‬‫هاي‬‫ودي‬‫ر‬‫و‬‫و‬‫ن‬‫تايج‬ ‫جي‬‫و‬‫خر‬‫متصل‬‫نيستند‬‫تشکيل‬‫يافته‬‫اند‬.
  17. 17. ‫یا‬ ‫الیه‬‫چند‬ ‫عصبی‬ ‫های‬‫شبکه‬MLP x0=1 x1 x2 y0=1 y1 y2 y3 Input Layer 1 Hidden Layer 2 Output
  18. 18. ‫نکته‬ ‌،‌‫در‌شبكه‌هاي‌پرسپترون‌چند‌اليه‬ ‌‫تعداد‌اليه‌هاي‌پنهان‌مي‌تواند‌هر‬ ‫تعداد‌باشد‬.‌‫البته‌در‌بيشتر‬ ‌‫كاربردها‌يك‌اليه‌پنهان‌كفايت‌مي‬ ‌‫كند‬.‌‫در‌بعضي‌مواقع‌نيز‌دو‌اليه‬ ‌‫پنهان‌يادگيري‌شبكه‌را‌ساده‌تر‌مي‬ ‫كند‬.
  19. 19. ‫‌کار‌با‌شبکه‌عصبی‬ ‫مراح‬ .1‫در‬‫مرحله‬‫ش‬‫ز‬‫آمو‬،‫شبکه‬‫الگوهای‬‫موجود‬‫در‬‫داده‬‫هاي‬‫ودي‬‫ر‬‫و‬‫ا‬‫ر‬‫یاد‬ ‫می‬‫گيرد‬.‫هر‬‫شبکه‬‫عصبی‬‫ای‬‫ر‬‫ب‬‫ی‬‫یادگير‬‫از‬‫ن‬‫قانو‬‫خاص‬‫استفا‬‫ده‬‫می‬ ‫کند‬. .2،‫تعمیم‬‫ت‬‫ر‬‫قد‬‫شبکه‬‫عصبی‬‫در‬‫ایجاد‬‫پاسخ‬‫های‬‫قابل‬‫ل‬‫قبو‬‫ا‬‫ر‬‫ب‬‫ی‬ ‫ودی‬‫ر‬‫و‬‫هایی‬‫است‬‫که‬‫عضو‬‫مجموعه‬‫ی‬ ‫ش‬‫ز‬‫آمو‬‫نبوده‬‫اند‬. .3‫در‬‫مرحله‬‫ا‬‫ر‬‫اج‬‫نيز‬‫شبکه‬‫عصبی‬‫ای‬‫ر‬‫ب‬‫عملکردی‬‫که‬‫به‬‫آن‬‫منظو‬‫ر‬‫احی‬‫ر‬‫ط‬ ‫گردیده‬،‫است‬‫استفاده‬‫می‬‫شود‬.
  20. 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. 21. ‫در‬‫واقع‬‫ایده‬‫اصلي‬‫شبکه‬‫عصبی‬‫تبديل‬‫پذير‬‫بودن‬‫امترهاي‬‫ر‬‫پا‬‫آن‬(‫باياس‬‫و‬‫ن‬‫ز‬‫و‬‫ه‬‫اي‬‫تباطي‬‫ر‬‫ا‬ ‫بین‬‫ن‬‫و‬‫نر‬‫ها‬)‫بوده‬‫که‬‫اين‬‫امترها‬‫ر‬‫پا‬‫مي‬‫توانند‬‫ي‬‫ر‬‫طو‬‫تنظيم‬‫شوند‬‫که‬‫انتظار‬‫مو‬‫د‬‫ر‬‫نظر‬‫ا‬‫ر‬ ‫تامين‬‫کنند‬.‫اين‬‫ر‬‫بناب‬‫با‬‫استفاده‬‫از‬‫ش‬‫ز‬‫آمو‬‫شبکه‬‫مي‬‫توانيم‬‫اين‬‫امترها‬‫ر‬‫پا‬‫ا‬‫ر‬‫ب‬‫اي‬‫ر‬‫انجام‬‫کار‬ ‫د‬‫ر‬‫مو‬‫نظر‬‫خود‬‫تعديل‬‫کنيم‬ ‫عصبی‬‫شبکه‬ ‫ها‬ ‫ودی‬‫ر‬‫و‬ ‫ها‬ ‫خروجی‬ ‫مقایسه‬ ‫واقعی‬‫مقدار‬ ‫شبکه‬‫عصبی‬‫چگونه‬‫کار‬‫میکند؟‬
  22. 22. ‫مثال‬‫پرسپترون‬ x w1 x w2 + >8? inputs weights output threshold
  23. 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. 24. x 2 x 3 + >8? inputs weights output threshold 1 1 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  25. 25. x 2 x 3 + >8? inputs weights output threshold 1 1 2 3 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  26. 26. 1 1 x 2 x 3 + >8? inputs weights output threshold 2 3 5 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  27. 27. 1 1 x 2 x 3 + >8? inputs weights output threshold 2 3 5 0 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  28. 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. 29. x 2 x 3 + >8? inputs weights output threshold 1 1 2 3 5 0 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  30. 30. 1 1 x 4 x 5 + >8? inputs weights output threshold 4 5 9 1 ‫ی‬ ‫ش‬‫ز‬‫آمو‬‫مثال‬(1‫و‬1)
  31. 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. 32. Data set Training Set Testing Set Initial Neural Net Training Trained Neural Net Testing Trained Net with Performance Measurement
  33. 33. ‫مزایا‬‫ی‬‫عصبی‬ ‫های‬ ‫شبکه‬ ‫پذیر‬ ‫انطباق‬ ‫ی‬‫یادگير‬ ‫خود‬ ‫توسط‬‫ماندهی‬‫ز‬‫سا‬ ‫ی‬‫مواز‬ ‫ت‬‫ر‬‫بصو‬ ‫محاسبات‬ ‫انجام‬ ‫ایجاد‬‫ن‬‫بدو‬ ‫اشتباه‬‫تحمل‬‫وقفه‬
  34. 34. ‫عصبی‬ ‫های‬ ‫شبکه‬ ‫معایب‬ •‫دستورات‬‫مشخصی‬‫برای‬‫طراحی‬‫شبكه‬ ‫جهت‬‫يك‬‫كاربرد‬‫اختياری‬‫وجود‬ ‫ندارد‬. •‫دقت‬‫نتايج‬‫بستگی‬‫زيادی‬‫به‬‫اندازه‬ ‫مجموعه‬‫آموزش‬‫دارد‬. •‫آموزش‬‫شبكه‬‫ممكن‬‫است‬‫مشك‬‫يا‬ ‫حتی‬‫غيرممكن‬‫باشد‬. •‫‌بينی‬‫ش‬‫پي‬‫عملكرد‬‫آينده‬‫شبكه‬( ‫عموميت‬‫يافتن‬)‫آن‬‫به‬‫سادگی‬ ‫‌پذير‬‫ن‬‫امكا‬‫نيست‬.
  35. 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. 36. ‫مثا‬
  37. 37. ‌ ‫مثا‬AND Gate
  38. 38. ‌ ‫مثا‬OR Gate
  39. 39. ‌ ‫مثا‬XOR Gate
  40. 40. ‫شبکه‌عصبی‌در‌متلب‬
  41. 41. ‫شبکه‌عصبی‌در‌متلب‬
  42. 42. ‫شبکه‌عصبی‌در‌متلب‬
  43. 43. ‫شبکه‌عصبی‌در‌متلب‬

×