معمولا الگوریتم BP پیش از خاتمه هزاران بار با استفاده همان داده های آموزشی تکرار میگردد شروط مختلفی را میتوان برای خاتمه الگوریتم بکار برد:
lتوقف بعد از تکرار به دفعات معینlتوقف وقتی که خطا از یک مقدار تعیین شده کمتر شود lتوقف وقتی که خطا در مثالهای مجموعه تائید از قاعده خاصی پیروی نمایداگر دفعات تکرار کم باشد خطا خواهیم داشت و اگر زیاد باشد مسئله Overfitting رخ خواهد داد
عنوان مقاله : انواع شبکه های عصبی و کاربرد آنها در الکترونیک
شرح مختصر : در این پایان نامه ابتدا به مقدمه ای از شبکه های عصبی از جمله تاریخچۀ شبکه های عصبی و مشخصات اصلی یک نرون بیولوژیک پرداخته شده است. سپس ساختار شبکه های عصبی مصنوعی مورد بحث قرار گرفته است که از این بحث می توان به تعریف شبکه های عصبی مصنوعی، انواع توابع فعال ساز، انواع یادگیری شبکه های عصبی، شبکه های پرسپترون، MPL و هاپفیلد اشاره داشت. سرانجام نیز یک کاربرد شبکه های عصبی در پردازش تصویر، که عبارت است از « آشکارسازی چهره با شبکه های عصبی در تصاویر رنگی » مورد بررسی قرار گرفته شده است.
فهرست :
مقدمه
فصل اول : مقدمه ای بر شبکه های عصبی
تاریخچۀ شبکه های عصبی
نرون طبیعی
یادگیری در سیستم های بیولوژیک
شباهت شبکۀ عصبی زنده و مصنوعی
کاربرد شبکه های عصبی
فصل دوم : ساختار شبکه های عصبی مصنوعی
تعریف شبکه های عصبی مصنوعی
نرون های مصنوعی
اجزای یک شبکه عصبی
الگو برداری از مغز انسان
افزایش سرعت
حساسیت بالا به رخداد اشتباه
رایانه ها قادر نیستند از تجربیات گذشته استفاده نمایند
عدم ارائۀ پاسخ مناسب در شرایط جدید
ویژگی های شبکه های عصبی مصنوعی
قابلیت یادگیری
قابلیت تعمیم
پردازش موازی
مقاوم بودن
قابلیت کاربری
تشخیص داده های اشتباه
تحمل خطا
غیر خطی بودن
تصویر کردن ورودی – خروجی
معایب شبکه های عصبی
انواع توابع انتقال
یادگیری شبکه های عصبی
یادگیری نظارت شده
یادگیری نظارت نشده
یادگیری تقویت یافته
الگوریتم پس انتشار خطا
آموزش دلتا
آموزش ترکیبی
آموزش رقابتی
آموزش هب
ساختارهای مختلف شبکه های عصبی مصنوعی
شبکه های پسخور
شبکه های پیش خور
شبکه های پیش خور تک لایه
شبکه های پیش خور چند لایه
پرسپترون
یادگیری پرسپترون
یادگیری پرسپترون مبتنی به روش برداری
محدودیت های پرسپترون
شبکه های عصبی پرسپترون چندلایه
رفع مشکل
حل مشکل
مدل جدید
قاعدۀ جدید فراگیری
بررسی مجدد مساله یای حذفی (XOR)
شبکۀ هاپفیلد
فصل سوم : چند نمونه از کاربردهای شبکه های عصبی
آشکارسازی چهره با شبکه های عصبی در تصاویر رنگی
مقدمه
مشخصات رنگ پوست انسان
استخراج رنگ پوست
تولید رنگ پوست در فضایرنگی cbcr
شبکه های عصبی پیشنهادی
نتایج آزمایشات
نتایج آزمایش اترویفریمهای ویدئویی
آشکارسازی چهره
منابع
• پایان نامه کارشناسی ارشد با عنوان: تحلیل و طراحی قاب های دو بعدی بوسیله شبکه های عصبی مصنوعی
• دانشگاه علوم و فنون مازندران
• استاد راهنما: پروفسور علی کاوه
• پژوهشگر: بهرام قربان نیا
• سال انتشار: 1377
• فرمت فایل: PDF و شامل 191 صفحه
چکیــــده:
در طراحی بهینهی سازهها لازم است که سازه را در دفعات متوالی به واسطهی تغییرات در پیکربندی و مشخصات سازهای آن تحلیل نمود. اگر چنانچه تحلیل مجدد با استفاده از روشهای دقیق انجام گیرد، در آن صورت مدت زمان محاسبه توسط رایانه برای بهینهسازی به طور قابل ملاحظهای افزایش مییابد. در چنین شرایطی روشهای تقریبی تحلیل سازه جانشین مناسبی برای تحلیل دقیق میباشد. دستیابی به رویهی تحلیل تقریبی و در عین حال دقیق خصوصا برای ساختمانهایی که از لحاظ سازهای شکل استاندارد داشته و منظم هستند مطلوبتر میباشد.
در این پایاننامه کاربرد شبکههای عصبی مصنوعی در تحلیل تقریبی قابهای دوبعدی و طراحی بهینهی آنها مورد بررسی قرار گرفته است. همچنین پیکربندی شبکه و روش تربیت آن مطرح شده است.
______________________________
** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **
** توجه: در صورت مشکل در باز شدن فایل PDF ، نام فایل را به انگلیسی Rename کنید. **
** درخواست پایان نامه:
با ارسال عنوان پایان نامه درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن پایان نامه در سایت به راحتی اقدام به خرید و دریافت پایان نامه مورد نظر خود نمایید. **