شبکه های عصبی NEURAL NETWORK GENETEC ALGORITM 200ص
پيش گفتار 1
سازماندهي 2
فصل اول :
آشنايي با سيستمهاي هوشمند مصنوعي 3
1-1 - شبكه‌هاي عصبي 5
2-1 - منطق فازي 6
3-1 - الگوريتمهاي ژنتيكي 8
4-1 - ساختار اين كتاب 9
خلاصه 12
فصل دوم: بخش اساسي شبكه عصبي
1-2 - مفاهيم اساسي شبكه‌هاي عصبي 14
2-2 - مغز انسان 15
3-2 - مدل مصنوعي عصب 17
عملكرد Signum 19
عملكرد Sigmoidal 20
4-2 - معماري شبكه‌هاي عصبي 21
1-4-2 - شبكه پيش خورد تك قشري 22
2-4-2- شبكه پيش خورد چند قشري 23
3-4-2- شبكه‌هاي متناوب (پس خورد) 24
5-2- مشخصات شبكه‌هاي عصبي 24
6-2 - روشهاي يادگيري 25
7-2 - طبقه‌بندي معماري شبكه عصبي 27
تاريخچه تحقيقات شبكه عصبي 28
9-2 - معماري شبكه عصبي اوليه 30
1-9-2 - پرسيترن زرنبلاتس 30
پرسپترن و فعاليتهاي مجزاي خطي 32
مسئله XOR 33
الگوريتم 1-2 34
2-9-2 - شبكه ADALINE 36
10-2 - برخي از كاربردهاي اين زمينه 38
تشخيص نمونه (PR) پردازنده تصوير 38
بهينه سازي / رضايت ناگزير 39
پيش بيني كردن و برآورد خطر 39
سيستمهاي كنترل 39
خلاصه 39
تكنيكهاي برنامه‌دار 41
مطالعات بعدي پيشنهاد شده 41
فصل سوم: شبكه‌هاي پيش تكثير
1-3 - معماري شبكه پيش تكثير 44
1-1-3 مدل پرسپترن 44
2-1-3 - راه حل 45
3-1-3 - شبكه عصبي مصنوعي تك قشري 48
4-1-3 - مدلي براي پرسپترن چند قشري 51
2-3- يادگيري باز تكثير 53
1-2-3 - محاسبه قشر ورودي 54
2-2-3 - محاسبه قشر مخفي 54
3-2-3 محاسبه قشر خروجي 56
4-2-3 - محاسبه خطا 56
5-2-3 - آموزش شبكه عصبي 57
6-2-3 - روش شيب استيپست 59
7-2-3 - تأثير نرخ يادگيري 64
8-2-3 - افزودن اصطلاح شتاب 65
9-2-3- الگوريتم بازتكثير 66
الگوريتم 1-3 (الگوريتم يادگيري باز تكثير) 67
الگوريتم BPN 67
پايان الگوريتم BPN 70
3-3- مثال 70
4-3- كاربردها 73
1-3-4- طراحي ژورنال ياتاقان 73
2-4-3- طبقه‌بندي خاك 79
3-4-3- فشار كاري فولاد داغ 82
تأثير پارامترهاي تنظيم شده شبكه عصبي پيش تكثير 85
دستيابي Sigmoidal 87
ارزش آستانه 88
3-6 - انتخاب پارامترهاي مختلف در BPN 90
3-6-1- تعداد گره هاي مخفي 90
3-6-2- ضريب سرعت 91
3-6-3- دستيابي 92
3-6-4- محلي local Minima 92
ضريب يادگيري 93
7-3- نوسانهاي استاندارد الگوريتم پيش تكثير 93
1-7-3 - روال تكرار Decremental 93
3-7-2- پيش تكثير متناسب شده (يادگيري با سرعت) 94
3-7-3- الگوريتم ژنتيكي بر پايه پيش تكثير بودن 96
3-7-4- آموزش پروانه سريع 96
شبكه BP افزايش يافته 96
3-7-6- شيوه يادگيري متداولي براي شبكه عصبي تك قشر مخفي 100
3-8 - جهت تحقيق 101
1-8-3- توپولوژيهاي جديد 101
2-8-3- الگوريتمهاي بهتر يادگيري 101
3-8-3- استراتژيهاي بهتر آموزشي 102
4-8-3 - اجزاي سخت‌افزار 102
5-8-3 شبكه‌هاي هوشمند 102
خلاصه 103
فصل چهارم:حافظه مرتبط
1-4 - خود همبسته‌ها 110
شناسايي مدلهاي شلوغ 112
2-4 - نا همبسته :كاسكو BAM مجزا 113
1-2-4 - افزايش و حذف مدلهاي جفت 114
2-2-4- عملكرد انرژي براي BAM 114
3-4 - استراتژي رمزگذاري آموزشي متعدد ونگ اتال 118
الگوريتم 1-4 - (استراتژي رمزگذاري آموزشي متعدد ونگ اتال) 119
4-4 - BAM نمايي 124
1-4-4 تساويهاي توسعه يافته 124
5-4 - حافظه مرتبط براي جفت مدلهايي كه به صورت حقيقي كدگذاري شده‌اند 126
1-5-4 - نرمال كردن ورودي 127
2-5-4 - تساويهاي توسعه يافته 127
الگوريتم 2-4 (حافظه مرتبط دوجهتي ساده شده) 128
6-4 – كاربردها 131
1-6-4 - تشخيص نشانه‌ها 132
فراخواني نشانه‌هاي نويزي 134
2-6-4 - شناسايي نقص ساختار 134
7-4 - گرايش جديد 138
خلاصه 138
تكليفهاي برنامه‌ريزي 140
فصل پنجم: تئوري رسنانس تنظيم شونده
1-5 – پيشگفتار 144
1-1-5 - ساختار گروه 144
2-1-5 -كميت سازي بردار 145
3-5-1 - شبكه ART سنتي 156
4-1-5 - ساده سازي معماري ART 159
2-5 - 1ART 160
1-2-5 - معماري 1ART 161
2-2-5 - مشخصه ويژه مدل 1ART 163
3-2-5- الگوريتمَ ART 167
3-5- 2ART 175
3-5 معماري 2ART 175
2-3-5- الگوريتم 2ART 177
الگوريتم 2-5 ( الگوريتم 2ART ) 177
4-5 –كاربردها 181
1-4-5- شناسايي مشخصه با استفاده از 1ART 181
2-4-5 - طبقه بندي خاك (راجاسكاران اتال2001) 182
نمونهIS 183
4-4-5 - شناسايي مشخصه چيني- بعضي بيانات 188
5-5 - حساسيت ترتيب اطلاعات 189
خلاصه 190
مطالعات اضافي پيشنهاد شده 191
واژه نامه 201
فهرست اشكال
شكل 1-1 تعامل تكنولوژيهاي عصبي، منطق امكان و الگوريتم ژنتيكي 4
شكل 1-2 ساختار فيزيكي مغز انسان – نهاي چند بعدي 15
شكل 2-2 ساختار عصب 17
شكل 3-2 مدل ساده‌اي از يك عصب مصنوعي 18
شكل 4-2 عملكرد ورودي 19
شكل 5-2 عملكرد Signum 19
شكل 6-2 عملكرد sigmaidal 20
شكل 7-2 يك مثال دي‌گراف 21
شكل 8-2 شبكه پيش خورد تك قشري 22
شكل 9-2 شبكه پيش خورد چند قشري ( آرايش l- m-n) 23
شكل 10-2 شبكه عصبي متناوب 24
شكل 11-2 طبقه‌بندي الگوريتمهاي يادگيري 27
شكل (12-2) مدل اصلي پرسپترن رزنبلاتس 30
شكل 13-2 مدل ساده پرسپترن 31
شكل 14-2 مدل پرسپترن پيش خورد چند قشري 31
شكل 15-2 مدلهاي مجزاي خطي و مدلهاي مجزاي غير خطي 32
جدول 3-2 جدول واقعي XOR 33
شكل 16-2 مدل مجزاي غير خطي مسئله XOR 33
شكل 17-2 مدل پرسپترن با دو ورودي 34
شكل18-2خط مستقيم به عنوان حدودتصميم‌گيري جداگانه‌براي‌مسئله‌دو،طبقه‌بندي‌شده 34
شكل 22-2 تصميم‌هاي اتخاذ شده براي مسئله XOR 38
شكل 1-3 تركيب پرسپترها براي حل مسئله XOR 44
شكل 2-3 عملكرد آستانه سخت – ضربه 45
شكل 3-3 يك عصب مصنوعي 46
شكل الف 4-3 شبكه عصبي پيش خورد تك قشري 49
شكل ب 4-3 شبكه عصبي پيش خورد تك قشري از دياگرام دستگاه 49
شكل الف 5-3 عملكرد S اسكواش براي ارزشهاي مختلف 50
شكل ب 5-3 ضريب زاويه S اسكواش 50
شكل الف 6-3 پرسپترن چند قشري 52
شكل ب 6-3 دياگرام دستگاه نشانگر ANN سه قشري 52
شكل 7-3 شبكه باز تكثير پيش خورد چند قشري 53
شكل 8-3 آستانه در قشر مخفي 55
شكل 9-3 آستانه قشر خروجي 56
شكل 10-3 تشابه ميان اطلاعات جديد و دانش گذشته 58
شكل 11-3 59
شكل 12-3 قاعده اقليد سي خطاها 59
شكل 13-3 نمونه سطح خطا براي شبكه‌هاي MLFF با عملكرد فعالسازي غير خطي 60
شكل 14-3 جهت ضريب زاويه حالت دوبعدي 61
شكل 15-3 روشهاي همگرايي براي ضريب مختلف يادگيري 65
شكل 16-3 معماري MFNN براي نمونه 71
شكل الف 17-3 نمونه‌هاي مختلف ياتاقان 74
شكل ب 17-3 ژورنال ياتاقان 75
شكل الف 18-3 مقايسه ارزشهاي خروجي 76
شكل ب 18-3 مقايسه ارزشهاي خروجي 76
شكل الف 19-3 مقايسه ارزشهاي خروجي 78
شكل ب 19-3 مقايسه ارزشهاي خروجي 78
شكل 20-3 طبقه‌بندي خاك 80
شكل 21-3 ايده‌آل سازي عنصر محدود 82
شكل 22-3 قدرت سرعت در مقايسه با بار پتك كاري 84
شكل 23-3 نرخ يادگيري در مقايسه با نرخ خطا 87
شكل 24-3 فاكتور سرعت در مقايسه در نرخ خطا 88
شكل 25-3 تكرار در مقايسه با نرخ خطا 89
شكل 26-3 گرههاي مخفي در مقايسه با نرخ خطا 89
شكل 27-3 گرههاي مخفي در مقايسه با نرخ خطا 90
شكل 28-3 تأثير سرعت بر تغيير وزن 91
شكل 29-3 معماري شبكه عصبي افزايش يافته 97
شكل 30-3 انتقال عصب افزايش يافته يا قشر ورودي 98
شكل 31-3 عملكرد انتقال عصبي افزايش يافته يا قشر خروجي 98
شكل 1-3 P 104
شكل 2-3 P فنيك تراس 106
شكل 1-4 كار كردن حافظه مرتبط 108
شكل 2-4 109
شكل 3-4 حافظه‌هاي مرتبط ديناميك و استاتيك 110
شكل 4-4 نشانه‌هاي حك شده در يك صفحه 132
شكل 5-4 معادل قطبي جفت مدلها 133
شكل 6-4 نشانه‌هاي نويزي 134
شكل الف 7-4 135
شكل ب 7-4 135
شكل ج 7-4 136
شكل د 7-4 136
شكل 1-4 P 140
شكل 2-4 P 141
شكل 3-4 p 142
شكل الف 1-5 147
شكل ب1-5 147
شكل پ1-5 148
شكل 2-5 ساده سازي معماري ART 159
شكل 3-5 شبكه 1ART 162
شكل 4-5 را در نظر بگيريد 163
شكل 5-5 قشر مقايسه‌اي 1ART 164
شكل6-5 مرحله1)1 =G1 بردار ورودي از قشر مقايسه اي به قشر شناسايي عبور مي كند 165
شكل 7-5 مرحله 2بهترين عصب قشر شناسايي به عنوان برنده انتخاب مي شود 165
شكل 8-5 مرحله 3 بردار ورودي x وبردار p در قشر شناسايي مقايسه مي شود . 166
شكل9-5 مرحله4عصب برنده شده پيشين ناتوان مي‌شوندوبرنده جديدي انتخاب مي شود. 166
شكل 10-5 معماري 2ART 176
شكل11-5 نمايش دوتايي حروف 182
شكل 12-5 186
شكل 13-5 187
شكل 14-5 الف 189
شكل 14-5 ب 189
فهرست جداول
جدول1-2طبقه‌بندي برخي‌ازسيستمهايNN به‌ترتيب‌شيوه‌هاي‌يادگيري‌ونمونه‌هاي معماري 28
جدول 2-2 برخي نقطه‌هاي عطف در تحقيق NN 29
جدول (2- P2) 41
جدول 1-3 - عملكرد فعالسازي غير خطي معمولي 47
جدول 2-3 - اطلاعات خروجي و ورودي « مجموعه n» 53
جدول 3-3 - مجموعه‌هاي آموزشي 71
جدول 4-3 - اطلاعات آزمايشي (مسئله ژورنال ياتاقان) 79
جدول 5-3 - اطلاعات آزمايشي (مسئله ژورنال ياتاقان) 79
جدول 6-3 81
جدول 7-3 81
جدول 8-3 - اطلاعات آموزشي (فشار كاري داغ فولاد) 84
جدول 9-3- اطلاعات آزمايشي (فشار كاري داغ فولاد) 85
جدول 10-3- نرخ خطا براي مقادير مختلف 94
جدول 11-3 -اجراي شبكه‌هاي مختلف BP 100
جدول 1-3 P - اطلاعات براي مسئله ورقه 104
جدول 2-3 P 105
جدول 3-3p 105
جدول 4-3 P 106
جدول 1-4 137
جدول 2-4 137
جدول 1-4 P 140
جدول 2-4 P 141
جدول 1-5 146
جدول2-5 اطلاعات خاك 182
|
