کتاب شبکه عصبی دکتر منهاج با حل تمرینات به صورت PDF

  • یکشنبه ۱۲ شهریور ۱۳۹۶
  • بازدید 602 نفر
  • 1 امتیاز2 امتیاز3 امتیاز4 امتیاز5 امتیاز (70 امتیاز از 14 رای)
    Loading...

book neural network solving exercises pdf 81 کتاب شبکه عصبی دکتر منهاج با حل تمرینات به صورت PDF

کتاب شبکه عصبی دکتر منهاج

در این بخش کتاب شبکه عصبی دکتر منهاج به همراه حل تمرینات درس شبکه عصبی در قالب فایل PDF به صورت رایگان برای شما کاربران گرامی قرار داده ایم که به صورت لینک دانلود مستقیم می توانید دانلود کنید همچنین در ادامه توضیحاتی در مورد شبکه عصبی را می توانید مشاهده کنید.

شبکه عصبی چیست

شبکه عصبی مصنوعی یا Artificial Neural Network سیستم ها و روش های محاسباتی جدید هستند که برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش جهت پیش بینی پاسخ های خروجی از سیستم پیچیده می باشد. شبکه های عصبی از تعدادی نرون یا سلول تشکیل شده که قابلیت یادگیری را داشته که مجموعه ورودی را به خروجی ربط می دهد.

کاربردهای شبکه های عصبی در پزشکی

شبکه های عصبی کاربرد های فراوانی می تواند در حوزه پزشکی داشته باشدو در زمینه های زیر فعلا مورد استفاده قرار می گیرد.

  • سیستمهای تشخیص
  • آنالیز های شیمی – پزشکی
  • آنالیز تصویر
  • پیشرفت های دارویی

سیستمهای تشخیص به طور عادی برای کشف سرطان و مشکلات قلبی در حوزه پزشکی کاربرد دارد و مزایای استفاده از شبکه های عصبی مصنوعی این است که تحت تاثیر عوامل خستگی ، شرایط کاری و موقعیت های عاطفی قرار نمی گیرند.

سرفصل های کتاب شبکه عصبی دکتر منهاج

فصل اول: هوش محاسباتی

  • تاریخچه
  • هوش مصنوعی
  • چالشهای بنیادین هوش مصنوعی
  • هوش محاسباتی
  • شبکه های عصبی (Neural Networks)
  • مدل ریاضی شبکه های عصبی
  • منطق فازی (Fuzzy Logic)
  • الگوریتم های ژنتیک (Genetic Algorithm)
  • کاربردهای شبکه های عصبی در پزشکی
  • سیستمهای تشخیص
  • آنالیز های شیمی-پزشکی
  • آنالیز تصویر
  • پیشرفتهای دارویی و مدلسازی سیستم قلبی عروقی
  • بویایی الکترونیکی
  • شناخت الگو
  • پزشک نمونه
  • کاربردهای سیستمهای فازی در پزشکی
  • سیستمهای فازی در بیو انفورماتیک
  • سیستمهای فازی ژنتیک

فصل دوم: مدل ریاضی نرون

  • مدل تک ورودی
  • برخی توابع تحریک مرسوم نرون مصنوعی
  • مدل چند ورودی
  • ساختار شبکه های عصبی
  • شبکه های چند لایه
  • مثال: یک شبکه پیشخور ۳ لایه

فصل سوم: مسئله تشریحی (شناسایی الگو)

  • شبکه های پسخور یا برگشتی
  • شناسایی الگو
  • روشهای کلاسیک و شبکه های عصبی
  • پرسپترون تک لایه با تابع تحریک آستانه ای دو مقداره متقارن
  • پرسپترون تک لایه
  • مثال تشریحی با پرسپترون
  • شبکه همینگ : لایه اول
  • شبکه همینگ : لایه دوم
  • شبکه همینگ : لایه سوم
  • شبکه هاپفیلد

فصل چهارم: پرسپترون تک لایه

  • فرایند یادگیری
  • یادگیری با ناظر
  • یادگیری بدون ناظر
  • خلاصه فرایند یادگیری
  • شبکه های عصبی: سیستمهای دینامیکی آموزش پذیر
  • معادله یادگیری در حالت کلی
  • یادگیری با ناظر در شبکه عصبی
  • یادگیری تشدیدی (تقویتی) در شبکه عصبی
  • یادگیری بدون ناظر در شبکه عصبی
  • قانون یادگیری پرسپترون تک لایه (SLPR)

فصل پنجم: یادگیری LMS و شبکه های آدالاین

  • مقدمه
  • مبانی بهینه سازی و نقاط بهینه
  • مبانی بهینه سازی: بسط تیلور و تقریب توابع
  • مبانی بهینه سازی: مشتقات برداری جهت دار
  • مبانی بهینه سازی: شرایط لازم برای نقاط بهینه
  • مبانی بهینه سازی: توابع درجه دوم
  • مبانی بهینه سازی: توابع درجه دوم و ساختار ویژه
  • روند مینیمم سازی: الگوریتم کلی
  • روند مینیمم سازی: روش بیشترین نزول (SD)
  • نکات مربوط به الگوریتم SD

فصل ششم: یادگیری LMS یا ویدرو-هوف

  • مثالی از الگوریتم SD
  • شبکه آدالاین
  • معادلات ویدرو-هوف در حالت تک نرون
  • الگوریتم LMS
  • فرم دسته ای یادگیری LMS در حالت تک نرون
  • فرم دسته ای یادگیری LMS در حالت کلی
  • بهبود هایی بر LMS
  • کاربرد شبکه آدالاین در فیلترهای تطبیقی

فصل هفتم: شبکه های عصبی چند لایه پیشخور و یادگیری پس انتشار خطا

  • مقدمه
  • تاریخچه
  • شبکه پرسپترون چند لایه
  • حل چند مسئله شناسایی الگو
  • شناسایی الگو
  • الگوریتم BP
  • خلاصه الگوریتم BP

مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید
  1. تصویر آواتار کاربر 0
    رضا مولوی یکشنبه , ۲۶ شهریور

    واقعا ممنون از زحمات شما دوستان خیلی دنبال PDF آموزش شبکه عصبی میگشتم این کتاب خیلی کامل است حل تمرینات کتاب رو هم گذاشتین ممنون