پاورپوینت شبکه های عصبی مصنوعی

توضیحات محصول

دانلود پاورپوینت شبکه های عصبی مصنوعی  با فرمت pptx ودر38 اسلاید قابل ویرایش
 

قسمتی از متن  پاورپوینت شبکه های عصبی مصنوعی

—تاریخچه :

1- بررسی عملکرد نورون های بیولوژیک قبل از اختراع کامپیوترهای دیجیتال( دهه های 1930و1940 )

2- وارن مک کالچ ( متخصص اعصاب ) و والتر پیتس ( منطق دان )مدل ساده عملکرد نورون های بیولوژیک را تحت مقاله ای بنام محاسبات منطقی در فعالیت عصبی منتشر کردند. (1943 )

3-پس از اختراع کامپیوترهای دیجیتال در دهه 1950 دانشمندان علوم پایه براساس فعالیتهای مک کالچ و پیتس مدلهایی بنام پرسپترون( Perceptron ) ایجاد کردند.( تعادل چوب قائم روی سطح متحرک)

4-بعلت ضعیف بودن کامپیوترها و نقایص نظری موفقیت محدودی در شبکه های اولیه بدست آمد.( سال 1968 دو پروفسور بنام های سایمون پاپرت و مارین مینسکی)

5- جان هاپفیلد از موسسه تکنولوژی کالیفرنیا روش پس انتشار خطا را ابداع کرد که فاقد نقایص و خطاهای اولیه بود.(1982 ) و از سطح آزمایشگاهی به سمت فعالیتهای عملی و تجاری حرکت کرد.

 پاورپوینت شبکه های عصبی مصنوعی

شبکه عصبی چیست؟

—روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.

—شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط می دهند.

کاربرد‌هاي داده کاوي – آناليز بازار

—Target marketing

—پيدا کردن الگوي خريد مشتري

—Cross-market analysis

—پيدا کردن قوانين انجمني مربوط به خريد مشتريان

—Customer profiling

—دسته بندي مشتريان براساس نوع خريد

—آناليز نيازهاي مشتريان

—تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان

—تشخيص فاکتورهايي براي جذب مشتريان جديد

قدرتمند ترین شبکه های عصبی ، شبکه های عصبی بیولوژیک می باشند مغز انسان به او این امکان را می دهد که از تجارب خود استفاده کرده و آنها را تعمیم دهد. شبکه ها از ارتباطات عصبی موجود در مغز انسان الهام گرفته و آنها را روی کامپیوتر های دیجیتال پیاده سازی می کنند. در واقع از مغز و نحوه کار آن بمنظور ساخت کامپیوتر الگوبرداری می نماید.

الهام از طبیعت

—مطالعه شبکه های عصبی مصنوعی تا حد زیادی ملهم از سیستم های یادگیر طبیعی است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل در کار یادگیری دخیل هستند.

—گمان میرود که مغز انسان از تعداد 10 11 نرون تشکیل شده باشد که هر نرون با تقریبا 104 نرون دیگر در ارتباط است.

—سرعت سوئیچنگ نرونها در حدود 10-3 ثانیه است که در مقایسه با کامپیوترها 10 -10 ) ثانیه ( بسیار ناچیز مینماید. با این وجود آدمی قادر است در 0.1 ثانیه تصویر یک انسان را بازشناسائی نماید. این قدرت فوق العاده باید از پردازش موازی توزیع شده در تعدادی زیادی از نرونها حاصل شده باشد.

Perceptron

lنوعی از شبکه عصبی برمبنای یک واحد محاسباتی به نام پرسپترون ساخته میشود. یک پرسپترون برداری از ورودیهای با مقادیر حقیقی را گرفته و یک ترکیب خطی از این ورودیها را محاسبه میکند. اگر حاصل از یک مقدار آستانه بیشتر بود خروجی پرسپترون برابر با 1 و در غیر اینصورت معادل -1 خواهد بود.