باکیشم نی(غمی نیست)
باکیشم نی(غمی نیست)

باکیشم نی(غمی نیست)

(Not Sad)Bakishamni

دانلود هوش مصنوعی Artifical Inteligence

هوش مصنوعی Artifical Inteligence

فهرست هوش مصنوعی چیست؟ مبانی هوش مصنوعی تاریخچه هوش مصنوعی

دانلود هوش مصنوعی Artifical Inteligence

هوش مصنوعی
Artificial Intelligence
هوش مصنوعی چیست
مبانی هوش مصنوعی
تاریخچه هوش مصنوعی
عاملهای هوشمند
جست و جوی آگاهانه و اکتشاف
دسته بندی فنی و مهندسی
فرمت فایل ppt
حجم فایل 3114 کیلو بایت
تعداد صفحات فایل 277

هوش مصنوعی  Artificial Intelligence

فهرست

هوش مصنوعی چیست؟

مبانی هوش مصنوعی

تاریخچه هوش مصنوعی

مقدمه

هوش مصنوعی چیست؟

عاقلانه فکر کردن  

مانند انسان فکر کردن

عاقلانه عمل کردن

مانند انسان عمل کردن

مانند انسان عمل کردن  Acting humanly

هنر ساخت ماشینهایی که کارهایی را انجام میدهند که آن کارها توسط انسان با فکر کردن انجام میشوند.

مطالعه برای ساخت کامپیوترها برای انجام کارهایی که فعلاً انسان آنها را بهتر انجام میدهد.

مقدمه (مانند انسان عمل کردن)

تست تورینگ

...

عاملهای هوشمند

فلسفه: منطق، استدلال، ناشی شدن تفکر از مغز فیزیکی، مبانی یادگیری، زبان و عقلانیت

روان شناسی: تطبیق، اثر طبیعی ادراک و تاثیر آن بر محیط

زبان شناسی: علم ارائه، گرامر

ریاضیات: نمایش رسمی الگوریتمها، محاسبات، تصمیم پذیری و تصمیم ناپذیری، احتمال

...

تاریخچه هوش مصنوعی

1943، مک کولوچ و والتر پیتز: ارایه مدل نرون مصنوعی بیتی( دو حالته) قابل یادگیری به منظور محاسبه هر تابع قابل محاسبه.

1950، آلن تورینگ اولین بار دید کاملی از هوش مصنوعی را تحت عنوان “ محاسبات ماشینی و هوشمند” ارایه نمود.

1951، هینسکی و ادموندز اولین کامپیوتر شبکه عصبی را طراحی کردند.

1952، آرتور سامویل: برنامه ای ساخت که یاد میگرفت بهتر از نویسنده اش بازی کند؛ در نتیجه این تصور را که “کامپیوتر فقط کاری را انجام میدهد که به آن گفته شود” نقض کرد.

مقدمه  (تاریخچه هوش مصنوعی)

1956،نشست کارگروهی دورتموند: انتخاب نام هوش مصنوعی

1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضایا را با اصل موضوعات مشخص ثابت می کرد.

1958، جان مک کارتی: تعریف زبان لیسپ که بهترین زبان هوش مصنوعی شد.

1958-1973، جیمز اسلاگل: برنامه حل مسایل انتگرالگیری فرم بسته

تام ایوانز: برنامه حل مشابهت های هندسی

دانیل بابروز: برنامه حل مسایل جبری

دیوید هافمن: پروژه محدوده بینایی روبات در جهان بلوکها

دیوید والتز: سیستم بینایی و انتشار محدود

پاتریک ونیستون: نظریه یادگیری

دانلود هوش مصنوعی Artifical Inteligence

دانلود پاورپوینت هوش مصنوعی

پاورپوینت هوش مصنوعی

پروژه برای درس شیوه ارائه مطالب

دانلود پاورپوینت هوش مصنوعی

پروژه برای درس شیوه ارائه مطالب
دسته بندی کامپیوتر و IT
فرمت فایل ppt
حجم فایل 540 کیلو بایت
تعداد صفحات فایل 26

پروژه برای درس شیوه ارائه مطالب 

 

فهرست مطالب

1- مقدمه و تاریخچه هوش مصنوعی
2- هوش مصنوعی چیست ؟
3- تفاوت های هوش مصنوعی و هوش انسانی
 4- شاخه‌های‌ هوش‌ مصنوعی‌:
5- روباتیک
6- کابردهای هوش مصنوعی
7- زبانهای برنامه نویسی در هوش مصنوعی

دانلود پاورپوینت هوش مصنوعی

ترجمه فارسی مدل‌سازی میزان تبخیر از سطح آزاد سد مهاباد با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با معادلات تجربی

مقاله انگلیسی به همراه ترجمه فارسی مدل‌سازی میزان تبخیر از سطح آزاد سد مهاباد با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با معادلات تجربی

مقاله ISI از پایان نامه کارشناسی ارشد مهندسی عمران مهندسی آب (مدیریت منابع آب) (به همراه ترجمه فارسی و انگلیسی)

دانلود مقاله انگلیسی به همراه ترجمه  فارسی مدل‌سازی میزان تبخیر از سطح آزاد سد مهاباد با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با معادلات تجربی

مقاله انگلیسی به همراه ترجمه  فارسی
مهندسی عمران
مهندسی مدیریت منابع آب
مهندسی کشاورزی
مهندسی آب
مقاله ISI از پایان نامه کارشناسی ارشد مهندسی عمران  مهندسی آب (مدیریت منابع آب) 
هر دو فایل به شکل docx و قابل ویرایش می باشد
دسته بندی فنی و مهندسی
فرمت فایل docx
حجم فایل 1421 کیلو بایت
تعداد صفحات فایل 28

مقاله ISI از پایان نامه کارشناسی ارشد مهندسی عمران - مهندسی آب (مدیریت منابع آب)

مقاله فارسی به همراه ترجمه انگلیسی و چاپ شده در نشریه ISI

عنوان مقاله فارسی :

مدل‌سازی میزان تبخیر از سطح آزاد سد مهاباد با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با معادلات تجربی

عنوان انگلیسی مقاله :

Modeling the amount of free water surface evaporation from Mahabad Dam’s lake using artificial neural networks and comparing the model with experimental equations

هر دو فایل به شکل docx و قابل ویرایش می باشد.

در صورت نیاز به خود پایان نامه در بخش نظرات به همراه آدرس ایمیل و شماره همراه اعلام نمائید.

دانلود مقاله انگلیسی به همراه ترجمه  فارسی مدل‌سازی میزان تبخیر از سطح آزاد سد مهاباد با استفاده از شبکه‌های عصبی مصنوعی و مقایسه آن با معادلات تجربی

دانلود پاورپوینت کتاب هوش مصنوعی رهیافتی نوین

پاورپوینت کتاب هوش مصنوعی رهیافتی نوین

پاورپوینت کتاب هوش مصنوعی رهیافتی نوین، مولف راسل و نورویگ، مترجم رامین رهنمون و آناهیتا هماوندی، در قالب ppt و در 360 اسلاید، قابل ویرایش، شامل ده فصل

دانلود پاورپوینت کتاب هوش مصنوعی رهیافتی نوین

پاورپوینت کتاب هوش مصنوعی رهیافتی نوین
دانلود پاورپوینت کتاب هوش مصنوعی رهیافتی نوین
کتاب هوش مصنوعی رهیافتی نوین
 هوش مصنوعی رهیافتی نوین
راسل و نورویگ
علل مطالعه Al
عامل‌های هوشمند
حل مسائل توسط جستجو
روش‌ های جستجو آگاهانه
تئوری بازی
عامل‌هایی که به طور منطقی استدلال می‌‌کنند
منطق مرتبه اول
استنتاج در منطق مرتبه اول
عدم قطعیت
دسته بندی کامپیوتر و IT
فرمت فایل ppt
حجم فایل 871 کیلو بایت
تعداد صفحات فایل 360

فصل اول: علل مطالعه Al
AI چیست؟‌
1. انسان گونه عمل کردن: رهیافت آزمون تورینگ
2. انسانی فکر کردن: رهیافت مدل سازی شناختی
3. منطقی فکر کردن: قوانین رهیافت تفکر
4. منطقی عمل کردن: رهیافت عامل منطقی
مزایای مطالعه AI به‌ عنوان طراحی عامل منطقی
زیربنای هوش مصنوعی
فلسفه (428 قبل از میلاد مسیح- تاکنون)
ریاضیات (800. C- تاکنون)
محاسبات
منطق
احتمالات
تئوری پیچیدگی
روان شناسی (1879- تاکنون)
مهندسی کامپیوتر (1940- تاکنون)
زبان‌ شناسی (1975- تاکنون)
تاریخچه هوش مصنوعی
پیدایش هوش مصنوعی
اشتیاق زودهنگام، آرزوهای بزرگ (1952-1969)
مقداری واقعیت (1966-1974)
سیستم‌های مبتنی بر دانش: کلید قدرت؟ (1969-1979)
روش‌های ضعیف
MYCIN نسبت به DENDRAL دو تفاوت عمده دارد
AI به یک صنعت تبدیل می‌شود (1980-1988)
بازگشت شبکه‌های عصبی

فصل دوم: عامل‌های هوشمند
عامل
عامل نرم‌افزاری
عوامل انسانی
حس کردن: گوش، چشم، دیگر ارگان‌ها
اثرگذاری: دست، پا، بینی، اندام‌های دیگر
عوامل روباتیک
حس کردن: دوربین، یابنده‌های مادون قرمز
اثرگذاری: موتور
عامل‌ها چگونه باید عمل کنند؟
تفاوت میان منطقی بودن و دانش کل (omniscience)
نگاشت ایده‌آل از دنباله‌های ادراکی به عملیات
ساختار عامل‌های هوشمند
برنامه‌های عامل
تشابهات عامل‌های هوشمند
چرا تنها به پاسخ‌ها نگاه نمی‌کنیم
عامل‌های واکنشی ساده
عامل‌هایی که اثرات دنیا را حفظ می‌کنند
عامل‌های هدف گرا
تفاوت عامل‌های واکنشی و هدف‌گرا
عامل‌های سودمند
ارتباط بین عامل و محیط
خواص محیط
قابل دسترسی در مقابل غیر دسترسی
قطعی در برابر غیر قطعی
پپیزودیک در مقابل غیراپیزودیک
ایستا در مقابل پویا
گسسته در مقابل پیوسته
سخت‌ترین حالت در بین حالات موجود برای محیط
برنامه‌های محیط

فصل سوم: حل مسائل توسط جستجو
عامل‌های حل مسئله
مسائل تک حالته (Single-state)
مسائل چند حالته (Multiple-state)
مسائل احتمالی (Contingency)
مسائل  اکتشافی (Exploration)
دانش و انواع مسئله
دنیای مکش (جاروبرقی)
مدل‌های مختلف برای مسئله جاروبرقی
مسائل و راه‌حل‌های خوب تعریف شده
اندازه‌گیری کارایی حل مسئله
انتخاب حالات و عملیات
انتزاع
مسائل نمونه
مسائل اسباب‌ بازی
Cryptarithmetic
دنیای مکش
مسئله کشیش‌ها و آدمخوارها
مسائل دنیای واقعی
مسیریابی
مسائل فروشنده دوره گرد و تور
طرح VISI
هدایت ربات
خط تولید خودکار
جستجو برای راه‌حل
تولید دنباله‌های عمل
فرآیند گسترش حالت
اصل جستجو
ریشه درخت جستجو
گره‌های برگی درخت
ساختارهای داده برای درخت‌های جستجو
تفاوت بین گره‌ها و حالت‌ها
استراتژی جستجو
جستجوی سطحی
جستجوی با هزینه یکسان
جستجوی عمقی
جستجوی عمقی محدود شده
جستجوی عمیق‌کننده تکراری
جستجوی دوطرفه
مقایسه استراتژی‌های جستجو
اجتناب از حالات تکراری
سه راه برای حل مشکل حالات تکراری برای مقابله با افزایش مرتبه و سرریزی فشار کار کامپیوتر وجود دارد
جستجوی ارضاء محدودیت (Constraint Satisfaction Problem)
محدودیت‌ها به گونه‌های مختلفی ظاهر می‌شوند
محدودیت‌های یکتا
محدودیت‌های دودویی
محدودیت‌های مطلق
محدودیت‌های اولویت‌دار

فصل چهارم: روش‌ های جستجو آگاهانه
جستجوی بهترین
حداقل هزینه تخمین زده شده برای رسیدن به هدف: جستجوی حریصانه
ویژگی‌های جستجوی حریصانه
حداقل‌سازی مجموع هزینه مسیر: جستجوی
کشف‌کنندگی قابل قبول
جستجوی A*
رفتار جستجوی A*
نگاهی گذرا به اثبات کامل و بهینه بودن A*
توابع کشف‌کننده
اثر صحت کشف‌کنندگی بر کارایی
کشف‌کننده‌ها برای مسائل ارضا محدودیت
ما حداکثر از سه رنگ (قرمز، آبی، سبز) می‌توانیم استفاده کنیم
جستجوی SMA*
SMA*  دارای خواص زیر است
الگوریتم‌های اصلاح تکراری
این الگوریتم‌ها به دو گره اصلی تقسیم می‌شوند:
 الگوریتم‌های تپه‌نوردی (Hill-climbing)
Simulated annealing
کاربردها در مسائل ارضا محدودیت

فصل پنجم: تئوری بازی
بازی‌ها در نقش مسائل جستجو
دلایلی که محققین قدیم، شطرنج را به‌عنوان موضوعی در AI برگزیدند
پیچیدگی بازی‌ها
عدم قطعیت
تصمیمات کامل در بازی‌های دونفره
یک بازی به طور رسمی می‌تواند به عنوان نوعی از مسئله جستجو به همراه قسمت‌های زیر تعریف شود
الگوریتم MINMAX به منظور تعیین استراتژی بهینه برای MAX طراحی شده است و از این رو می‌توان بهترین حرکت را تصمیم‌‌گیری کرد. الگوریتم شامل 5 مرحله است:
تولید درخت کامل بازی، تمام راه تا مراحل پایانی
درخواست تابع سودمندی برای هر حالت پایانی به منظور بدست آوردن مقدارش
از سودمندی حالات پایانی به منظور تعیین سودمندی گره‌ها یک مرحله بالاتر دردرخت جستجو استفاده کنید.
بررسی مقادیر را از گره‌های برگی تا ریشه، یک لایه در هر لحظه، ادامه دهید.
احتمالاً مقادیر به بالای درخت می‌رسند، MAX حرکتی را انتخاب می‌کند که به بالاترین مقدار منتهی می‌شود.
تصمیمات ناقص
الگوریتم مینی‌ماکس،  به دو راه تغییر یابد
تابع ارزیابی
چگونه به طور دقیق کیفیت را می‌توان اندازه گرفت؟
قطع جستجو
هرس آلفا- بتا
هرس درخت جستجو
درخت جستجوی آلفا- بتا
مزایای هرس آلفا- بتا
بازی‌هایی که شامل عنصر شانس هستند
ارزیابی موقعیت در بازی‌ها با گره‌های شانس
پیچیدگی

فصل ششم: عامل‌هایی که به طور منطقی استدلال می‌‌کنند
معرفی طراحی پایه‌ای برای یک عامل مبتنی بر دانش
عامل مبتنی بر دانش به موارد زیر نیاز دارد:
چه چیزهایی را بداند؟
وضعیت جاری دنیا؟
چطور توسط ادراک به خواص نادیده دنیا رجوع کند؟
چطور دنیا زمان را می‌گشاید؟
عامل به چیزی می‌خواهد برسد؟
فعالیت‌هایی که در شرایط مختلف انجام می‌دهد چیست؟
پایگاه دانش
هر زمان که برنامه دانش صدا زده می‌شود، دو عمل انجام می‌شود
به پایگاه دانش گفته می‌شود (TELL) که چه دریافت کرده است.
از پایگاه دانش سؤال می‌‌شود (ASK) که چه عملی باید انجام شود
می‌توانیم یک عامل مبتنی بر دانش را در سه سطح تعریف کنیم
سطح دانش knowledge level یا سطح epistemological که خلاصه‌ترین سطح است؛ می‌توانیم عامل را توسط گفتن این که عامل چه می‌داند، تعریف ‌نماییم
سطح منطقی logical level سطحی است که دانش به صورت جملات رمزگذاری می‌شود.
سطح پیاده سازی Implementation Level سطحی است که در معماری عامل اجرا می‌شود و بازنمایی‌های فیزیکی از جملات سطح منطقی، در این سطح وجود دارد
دنیای WUMPUS
بازنمایی، استدلال و منطق
زبان بازنمایی دانش متوسط دو خاصیت تعریف می‌شود
تفاوت بین حقایق و بازنمایی‌های آن ها
استلزام
رویه استنتاج می‌تواند یکی از دو عامل ذیل را انجام دهد
با داشتن پایگاه دانش KB می‌تواند جملات تازه‌ای از a  تولید کند که مفهوم آن استلزام توسط KB باشد.
یا با داشتن یک پایگاه دانش KB و جمله a دیگری، این رویه می‌تواند گزارش دهد که a توسط KB مستلزم شده است یا خیر
کلید استنتاج صحیح
بازنمایی
مزایا و معایب زبان طبیعی
صدق‌پذیری
استنتاج در کامپیوترها
منطق گزاره‌ای: یک منطق بسیار ساده
علائم منطق گزاره‌ای:
ثابت های منطقی (true, False)
علائم گزاره‌ای: Q, P
رابط‌های
پرانتز ()
تمام جملات توسط قرار دادن این علائم با هم و با استفاده از قوانین زیر، ساخته ‌می‌شوند:
ثابت های منطقی (true, False) خودشان جمله محسوب می‌شوند.
علامات گزاره‌ای نظیر Q, P هر کدام به تنهایی یک جمله هستند.
پرانتزهای اطراف یک عبارت، آن عبارت را تبدیل به یک جمله واحد می‌سازند مثل (P ^ Q)
یک جمله می‌تواند توسط ترکیب جملات ساده‌تر با یکی از پنج رابط منطقی ایجاد می‌شود.
مدل‌ها Models
قوانین استنتاج برای منطق گزاره‌ای
یکنوایی
مشکل کند شدن رویه استنتاج

فصل هفتم: منطق مرتبه اول
منطق گزاره‌ای
منطق مرتبه اول First-Order_logic)
اجزایی که در این منطق وجود دارند:
تعریف دقیق هر عنصر به صورت زیر است
سیمبول های ثابت (Constant Symbols)
سیمبول های گزاره (Predicate Symbols)
سیمبول های تابع (Function Symbols)
ترم‌ها (Terms)
جملات اتمی (Atomic sentences)
جملات پیچیده
سورها (Quantifires)
منطق مرتبه اول دو سور استاندارد دارد
سور عمومی (Universal Quantification)
سور وجودی (Existential)
سورهای لانه‌ای (Nested Quantifiers)
تساوی (Equality)
سیمبول تساوی
توسعه‌ها و تمایزات نگارشی
1- منطق مرتبه بالاتر
2-1 عبارات تابعی و گزاره‌ای با استفاده از عملگر λ
2-2 سور یکتایی
2-3 عملگر یکتایی
3- انواع علائم
استفاده از منطق مرتبه اول
دامنه Kinship
اصل موضوعات، تعاریف و قضایا
دامنه مجموعه‌ها
علائم خاص برای مجموعه‌ها، لیست‌ها و محاسبات
طرح پرسش و گرفتن پاسخ
عامل‌های منطق برای دنیای Wumpus
عامل واکنشی ساده
محدودیت‌های عامل‌های واکنشی ساده:
وجود مسائلی که باید به عامل از طریق بازنمایی دنیا فهمانده شود.
عامل‌های واکنشی نمی‌توانند از حلقه‌های نامحدود اجتناب ورزند.
بازنمایی تغییر در دنیا
محاسبه موقعیت
استنتاج خواص پنهانی دنیا
دو نوع اصلی از قوانین همزمان وجود دارند
قوانین Causal
قوانین تشخیصی (Diagnostic rules)
اولویت بین عملیات
سیستم مقدار عملیاتی
به سوی یک عامل هدف دار
استنتاج
جستجو
برنامه‌ریزی

فصل هشتم: استنتاج در منطق مرتبه اول
قوانین استنتاج مربوط به سورها
قوانین استنتاج برای منطق گزاره‌ای
Modus Ponens
And – Elimination
And – Introduction
Or – Introduction
Resolution
سه قانون استنتاجی جدید
1- حذف سور عمومی (Universal Elimination)
2- حذف سور وجودی
3- (Existential Introduction)
Modus Ponens تعمیم یافته
فرم Canonical
یکسان‌سازی (Unificaiton)
زنجیره‌سازی به جلو و عقب (Forward AND Backward Chaining):
زنجیره‌سازی به جلو (forward chaining)
زنجیره‌سازی به عقب (Backward Chaining)
الگوریتم زنجیره‌سازی به جلو
الگوریتم زنجیره‌سازی به عقب
کامل بودن Completeness
Resolution: یک رویه استنتاج کامل
قانون استنتاج resolution
Resolution‌تعمیم یافته (ترکیبات فصلی)
Resolution تعمیم یافته (ترکیبات شرطی)
فرم‌های Canonical برای resolution
تبدیل به فرم نرمال
رویه‌ای برای تبدیل به فرم نرمال
1) حذف ترکیب شرطی
2) حذف
3) استاندارد کردن متغیرها
4) انتقال سورها به سمت چپ
5) Skolemize
6) توزیع Λ بر ν
7) ترکیبات فصلی و عطفی لانه‌ای مسطح شده
8) تبدیل ترکیبات فصلی به ترکیب شرطی
برخورد با مسئله تساوی
دو روش برای انجام این امر:
1) بدیهی نمودن تساوی به وسیله ذکر خواص آن
2) استفاده از یک قانون استنتاج از یک قانون استنتاج
استراتژی‌های Resolution:
Unit preference
2) مجموعه Support
3) Resolution‌ ورودی
4) Subsumption

فصل نهم: برنامه‌ریزی
تفاوت عامل برنامه‌ریزی با عامل حل مسئله در سه چیز است
بازنمایی اهداف، حالات و عملیات
یک عامل ساده برنامه‌ریزی
از حل مسئله به برنامه‌ریزی
عناصر اولیه یک حل مسئله مبتنی بر جستجو
بازنمایی عملیات
بازنمایی حالات
بازنمایی اهداف
بازنمایی برنامه‌ها
اولین ایده کلیدی در ورای برنامه‌ریزی
دومین ایده کلیدی در ورای برنامه‌ریزی
سومین ایده کلیدی در ورای برنامه‌ریزی

فصل دهم: عدم قطعیت
مسئله کیفیت
برخورد با دانش غیرقطعی
عدم قطعیت و تصمیمات عقلانی
تئوری سودمندی
طراحی برای یک عامل تصمیم‌گیری نظری

دانلود پاورپوینت کتاب هوش مصنوعی رهیافتی نوین

دانلود پاورپوینت شبکه های عصبی مصنوعی

دسته بندی سایر گروه های علوم پزشکی
فرمت فایل pptx
حجم فایل 5278 کیلو بایت
تعداد صفحات فایل 86

 

فایل دانلودی حاوی یک فایل پاورپوینتی قابل ویرایش در 86 اسلاید به صورت متنی همراه با عکس میباشد.
از جمله مطالب فایل دانلودی:
مقدمه
شبکه عصبی چیست؟
شبکه  عصبی چه قابلیتهائی دارد؟
مسائل مناسب برای یادگیری شبکه های عصبی
الهام از طبیعت
Perceptron
توانائی  پرسپترون
توابعی که پرسپترون قادر به یادگیری آنها میباشد
توابع بولی و پرسپترون
اضافه کردن بایاس
آموزش پرسپترون
قانون پرسپترون
الگوریتم gradient descent 
بدست آوردن قانون gradient descent 
محاسبه گرادیان
خلاصه یادگیری قانون دلتا
مشکلات روش gradient descent 
تقریب افزایشی gradient descent 
مقایسه آموزش یکجا و افزایشی
شبکه های چند لایه
یک سلول واحد
تابع سیگموئید
الگوریتم  Back propagation 
الگوریتم Back propagation 
الگوریتم BP 
شرط خاتمه
مرور الگوریتم BP 
افزودن ممنتم
قدرت نمایش توابع
فضای فرضیه و بایاس استقرا
قدرت نمایش لایه پنهان
قدرت نمایش لایه پنهان
قدرت تعمیم و overfitting
دلایل رخ دادن overfitting 
مثال: تشخیص ارقام
روشی که وزنها یاد گرفته میشوند
شبکه چه چیزی را یاد میگیرد؟
مثالی از تنوع ارقام دستنویس
انواع اتصالات شبکه
انواع مختلف یادگیری
اعمال Backpropagation به تشخیص اشیا

فایل دانلودی حاوی یک فایل پاورپوینتی قابل ویرایش در 86 اسلاید به صورت متنی همراه با عکس میباشد.

از جمله مطالب فایل دانلودی:

مقدمه

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

مسائل مناسب برای یادگیری شبکه های عصبی

الهام از طبیعت

Perceptron

توانائی  پرسپترون

توابعی که پرسپترون قادر به یادگیری آنها میباشد

توابع بولی و پرسپترون

اضافه کردن بایاس

آموزش پرسپترون

قانون پرسپترون

الگوریتم gradient descent 

بدست آوردن قانون gradient descent 

محاسبه گرادیان

خلاصه یادگیری قانون دلتا

مشکلات روش gradient descent 

تقریب افزایشی gradient descent 

مقایسه آموزش یکجا و افزایشی

شبکه های چند لایه

یک سلول واحد

تابع سیگموئید

الگوریتم  Back propagation 

الگوریتم Back propagation 

الگوریتم BP 

شرط خاتمه

مرور الگوریتم BP 

افزودن ممنتم

قدرت نمایش توابع

فضای فرضیه و بایاس استقرا

قدرت نمایش لایه پنهان

قدرت نمایش لایه پنهان

قدرت تعمیم و overfitting

دلایل رخ دادن overfitting 

مثال: تشخیص ارقام

روشی که وزنها یاد گرفته میشوند

شبکه چه چیزی را یاد میگیرد؟

مثالی از تنوع ارقام دستنویس

انواع اتصالات شبکه

انواع مختلف یادگیری

اعمال Backpropagation به تشخیص اشیا

 

دانلود پاورپوینت شبکه های عصبی مصنوعی