پاورپوینت شبکه های عصبی مصنوعی

پاورپوینت شبکه های عصبی مصنوعی
تاریخچه
1- بررسی عملکرد نورون های بیولوژیک قبل از اختراع کامپیوترهای دیجیتال( دهه های 1930و1940 )
2- وارن مک کالچ ( متخصص اعصاب ) و والتر پیتس ( منطق دان )مدل ساده عملکرد نورون های بیولوژیک را تحت مقاله ای بنام محاسبات منطقی در فعالیت عصبی منتشر کردند. (1943 )
3-پس از اختراع کامپیوترهای دیجیتال در دهه 1950 دانشمندان علوم پایه براساس فعالیتهای مک کالچ و پیتس مدلهایی بنام پرسپترون( Perceptron  ) ایجاد کردند.( تعادل چوب قائم روی سطح متحرک)
4-بعلت ضعیف بودن کامپیوترها و نقایص نظری موفقیت محدودی در شبکه های اولیه بدست آمد.( سال 1968 دو پروفسور بنام های سایمون پاپرت و مارین مینسکی)
5- جان هاپفیلد از موسسه تکنولوژی کالیفرنیا روش پس انتشار خطا را ابداع کرد که فاقد نقایص و خطاهای اولیه بود.(1982 ) و از سطح آزمایشگاهی به سمت فعالیتهای عملی و تجاری حرکت کرد.

شبکه عصبی چیست؟
روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی  ساخته میشود.
شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط می دهند.
و………….

فهرست مطالب
تاریخچه
شبکه عصبی چیست؟
کاربرد‌هاي داده کاوي – آناليز بازار
الهام از طبیعت
عوامل رواج استفاده از شبکه های عصبی در دهه 1980 :
مراحل ساختن یک مدل :
تابع فعالسازی ( Activation Function ):
تابع تبدیل
لایه پنهان:  (Hidden Layer)
لایه خروجی( Output Layer ):
قانون دلتای تعمیم یافته
الگوریتم Gradient Descent
مشکلات روش Gradient Descent
پوشش دهی مقادیر برای تمامی مشخصه ها
تعداد مشخصه ها واندازه مجموعه آموزشی
تعداد خروجی ها
آماده سازی داده ها
مشخصه هایی با مقادیر پیوسته
مشخصه هایی با مقادیر مرتب، گسسته (صحیح)
مشخصه هایی با مقادیر دسته ای
کار با مشخصه هایی با مقادیر دسته ای
تفسیر نتایج
شبکه های عصبی و سری های زمانی
چگونه بفهمیم درون یک شبکه عصبی چه می گذرد؟
تطبیق های خودسازمانده
مثال: پیدا کردن خوشه ها
جمع بندی
نمونه سوأل