ریاضی کاربردی، این فایل با فرمت Word و با حجم 13 صفحه و قابل ویرایش می باشد
بخشی از متن:
قوانین فعال سازی:قانون فعال سازی مفهوم مهمی در شبکه های عصبی است و مسئول انعطاف پذیری بالای دستگاه می باشد . قانون فعال سازی تعیین میکند که چگونه یک واحد محاسبه کند که آیا یک سلول عصبی باید برای هر الگوی ورودی واکنش فعال سازی را انجام دهد. این قانون برای کلیه الگو ها شرح داده می شود نه فقط برای آنهایی که گره عصبی برایش پرورش یافته است. یک قانون فعال سازی ساده بوسیله تکنیک فاصله Hamming قابل اجرا است قواننین به صورت زیر اجرا میشود:یک مجموعه از الگو های آموزشی را برای یک گره عصبی انجام دهید، تعدادی از این الگوها سبب فعالسازی (مجموعه الگوهای آموزشی با حاصل 1) و باقی که از فعالیت آن جلوگیری می کنند (مجموعه الگوهای آموزشی با حاصل0 ) سپس الگو های خارج از مجموعه ای سبب فعال سازی گره عصبی می شوند که عناصر مشترک بیشتری با نزدیکترین الگو در مجموعه آموزشی 1 دارند تا با نزدیکترین الگو در مجموعه آموزشی 0 . اگر در این بین گرهای وجود داشته باشد الگوی مورد نظر در وضعیت غیر تعریف شده باقی می مانند.بعنوان مثال ، یک سلول عصبی با 3 ورودی در نظر بگیرید که آموزش یافته تا خروجی 1 را زمانی بدهد که ورودی (x1 ،x2 وx3) 111 یا 101 است و خروجی 0 را زمانی داشته باشد که ورودی 000و001 است. پس قبل از اعمال قانون فعال سازی ، جدول درستی به ...
این فایل شامل مباحث زیر می باشد:
ریاضیات کاربردی و علوم کامپیوتر
یک روش مهندسی
یک سلول عصبی ساده
قوانین فعال سازی
الگوشناسی- یک مثال
یک سلول عصبیی کمی پیچده تر
معماری شبکه های عصبی
شبکه های عصبی از قبل تغذیه شده
شبکه های عصبی بازخوردی
شبکه های عصبی(neural networks)
چکیده مطلب
مقدمه
یک شبکه عصبی چیست؟
سابقه تاریخی
برچسب ها:
ریاضی کاربردی تحقیق ریاضی کاربردی بررسی ریاضی کاربردی مقاله ریاضی کاربردی پروژه ریاضی کاربردی دانلود تحقیق ریاضی کاربردی دانلود پروژه ریاضی کاربردی دانلود مقاله ریاضی کاربردی دانلود بررسی ریاضی کاربردی