هوش مصنوعی

کدام شبکه عصبی بهتر است؟

نوشته شده توسط مهدی مقیمی

در مسائل حوزه هوش مصنوعی و بینایی ماشین، شبکه عصبی اغلب کاربرد دارد. اما پرسشی که برای اغلب افراد پیش می‌آید، این است که کدام الگوریتم شبکه عصبی برای حل یک مساله مشخص، مناسب‌تر است و آیا نیاز به آشنایی با همه الگوریتم‌های شبکه عصبی وجود دارد یا تسلط بر یک مورد کافی است. فرض… مشاهده ادامه مطلب

شبکه عصبی ANFIS

نوشته شده توسط مهدی مقیمی

شبکه ­های عصبی قادرند از الگوهای موجود، آموزش دیده و خود را با تغییرات جدید وفق دهند. سیستم های استنتاج فازی، بر اساس دانش انسانی، عمل استنتاج و تصمیم­گیری را انجام می­دهند. سیستم نرو فازی ویژگی آموزش شبکه عصبی و منطق فازی را بطور همزمان دارا می­باشد. ساختمان کلی ANFIS با دو ورودی و یک… مشاهده ادامه مطلب

چگونه نمونه‌ها را مستقیما به شبکه عصبی بدهیم

نوشته شده توسط مهدی مقیمی

شبکه های عصبی متداول مانند پرسپترون، پرسپترون چند لایه و … یک ورودی در قالب یک بردار ویژگی دریافت می‌کنند و سپس آنرا از تعدادی لایه مخفی عبور می‌دهند و نهایتا یک خروجی که نتیجه پردازش لایه‌ها است در لایه خروجی شبکه ظاهر می‌شود. در اینگونه از شبکه‌های عصبی، هر لایه مخفی از تعدادی نورون… مشاهده ادامه مطلب

شبکه عصبی هاپفیلد گسسته

نوشته شده توسط مهدی مقیمی

شبکه عصبی هاپفیلد گسسته (DHNN) یک نمونه شبکه حافظه انجمنی است که بطور گسترده ای در تشخیص الگو بکار برده می شود. ساختار شبکه در شکل زیر نشان داده شده است که (Y=(Y1,Y2,…Yn و (X=(X1,X2,…Xn به ترتیب خروجی و ورودی را نشان می دهند. N نرون در شبکه وجود دارد و هر نرون با حدآستانه تتا… مشاهده ادامه مطلب

نرون مک کلاچ- پیتز

نوشته شده توسط مهدی مقیمی

وارن مک کلاچ و والتر پیتز در اوایل دهه 1940 شبکه‌هایی را طراحی کردند که به عنوان اولین شبکه های عصبی شناخته میشوند. یکی از ویژگیهای نرون مک کلاچ- پیتز مبتنی بر این ایده است که اگر ورودی شبکه به یک نرون، از مقدار آستانه آن نرون بیشتر باشد، آنگاه آن واحد نرون برانگیخته میشود…. مشاهده ادامه مطلب

ماشین بردار پشتیبان (SVM)

نوشته شده توسط مهدی مقیمی

الگوريتم SVM اوليه در ۱۹۶۳ توسط Vapnik Vladimir ابداع شد و در سال ۱۹۹۵ توسط Vapnik وCortes Corinna براي حالت غيرخطي تعميم داده شد. ماشين بردار پشتيباني (Support Vector Machines) يکي از روش‌هاي يادگيري بانظارت است که از آن براي طبقه‌بندي و رگرسيون استفاده ميکنند. اين روش از جمله روشهاي نسبتاً جديدي است که در… مشاهده ادامه مطلب

تحلیل مولفه اساسی (PCA)

نوشته شده توسط مهدی مقیمی

تحلیل مولفه اساسی یا (Principal Component Analysis – PCA) یک روش آماری معروف است که کاربردهای فرواوانی دارد از جمله کاهش ابعاد. این الگوریتم در پیش پردازش داده های مربوط به پردازش سیگنال, شبکه های عصبی و پردازش صوت بسیار پر کاربرد است. این الگوریتم ارتباط نزدیکی با eigenvalue decomposition و single value decomposition  دارد که مربوط… مشاهده ادامه مطلب

مقدمه ای بر شبکه های عصبی مصنوعی

نوشته شده توسط مهدی مقیمی

براي‌ شناخت‌ هوش‌ مصنوعي‌ شايسته‌ است‌ تا تفاوت‌ آن‌ را با هوش ‌انساني‌ به‌ خوبي‌ بدانيم‌ مطالعه شبکه های عصبی مصنوعی تا حد زیادی از سیستم های یادگیر طبیعی نشآت گرفته است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل درکاریادگیری دخیل هستند.يك‌ حشره‌ حدود يك‌ ميليون‌ رشته‌ عصبي‌ دارد و مغز… مشاهده ادامه مطلب