توضیحات
چکیده
شبکه‌های عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپسها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلولها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیریاند. مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثالها وزن سیناپسها به گونه‌ای تغییر می‌کند که در صورت دادن ورودیهای جدید، سیستم پاسخ درستی تولید کند.
ABSTRACT
Artificial Neural Networks (ANNs) or, more easily, neural networks are new computational systems and methods for machine learning, knowledge display, and finally applied knowledge acquisition to maximize the outputs of complex systems. The main idea behind such networks is (partly) inspired by the way the biological nervous system works, for processing data and information for learning and knowledge creation. A key element of this idea is the creation of new structures for the information processing system. The system consists of a large number of highly interconnected processing elements called neurons that work together to solve a problem and transmit information through synapses (electromagnetic communications). In these networks, if one cell is damaged, the rest of the cells can compensate for their absence and also contribute to its regeneration. These networks are capable of learning. For example, by burning the touch nerve cells, the cells learn not to move to the hot body and teach the system algorithm to correct its error. The learning in these systems is adaptive, meaning that the weight of the synapses is changed by using the parables to generate a correct response system if new inputs are made.
Year: ۲۰۱۶
Source : ۰
By : 0
File Information: persian Language/ 53 Page / size: 1.04 KB
سال : ۱۳۹۵
منبع : ۰
کاری از : 0
اطلاعات فایل : زبان فارسی / 53 صفحه / حجم : KB 1.04
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.