دانلود پروژه

 پروژه دانشجویی ?پروژه شبکه های عصبی مصنوعی Artificial Neural Networks در pdf دارای 154 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پروژه دانشجویی ?پروژه شبکه های عصبی مصنوعی Artificial Neural Networks در pdf   کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پروژه دانشجویی ?پروژه شبکه های عصبی مصنوعی Artificial Neural Networks در pdf ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پروژه دانشجویی ?پروژه شبکه های عصبی مصنوعی Artificial Neural Networks در pdf :

بخشی از فهرست پروژه دانشجویی ?پروژه شبکه های عصبی مصنوعی Artificial Neural Networks در pdf

فصل اول

مقدمه...................................................................................................................................................7
هوش مصنوعی..................................................................................................................................7
به سوی آینده.....................................................................................................................................8
تاریخچه..............................................................................................................................................9
تعریف..................................................................................................................................................9
تاریخچه و تعاریف سیستم‌های خبره...........................................................................................13
بعضی از تعاریف سیستم های خبره............................................................................................14
تاریخچه سیستم های خبره............................................................................................................14
الگوریتم ژنتیک.................................................................................................................................16
تابع سازگاری(FitnessFunction)..........................................................................................20
Mutation(جهش ژنتیکی)............................................................................................................21
مقدمه ای بر سیستم های فازی وکنترل فازی.............................................................................25
سیستم‌های فازی چگونه سیستم‌هایی هستند؟.............................................................................26
سیستم‌های فازی کجا و چگونه استفاده می‌شوند؟......................................................................27
زمینه‌های تحقیق عمده در تئوری فازی.........................................................................................27
تاریخچه مختصری از تئوری و کاربردهای فازی........................................................................28
فصل دوم

شبکه های عصبی...........................................................................................................................32
مقدمه............................................................................................................................................... 32
ساختار مغز.....................................................................................................................................33
ساختار نرون.................................................................................................................................34
چگونه مغز انسان می آموزد ؟.....................................................................................................37
معنای شبکه های عصبی...............................................................................................................38
قوانین هب.......................................................................................................................................40
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی.................................................41
رویای جایگزینی ویژگی های مغز در یک سیستم مصنوعی چقدر ممکن گردیده؟..................................41
تاریخچه شبکه‌های عصبی............................................................................................................42
چرا از شبکه های عصبی استفاده می کنیم؟...............................................................................44
شبکه های عصبی در مقابل کامپیوتر های معمولی....................................................................46
مزایا و محدودیت های شبکه عصبی............................................................................................45
چه کسانی به شبکه عصبی علاقه‌مند هستند؟..............................................................................45
نرم‏افزارها و سخت افزارهای شبکه‏های عصبی..........................................................................47
کاربرد شبکه های عصبی...............................................................................................................49
یکپارچگی منطق فازی و شبکه های عصبی.................................................................................52
مدل ریاضی یک نرون................................................................................................................... 55
یک نرون ساده.................................................................................................................................56
قوانین برانگیختگی...........................................................................................................................57
یک نرون پیچیده تر.......................................................................................................................59
ساختار شبکه های عصبی...........................................................................................................60
مراحل طراحی شبکه.......................................................................................................................61
اهداف شبکه های عصبی..............................................................................................................62
تقسیم بندی شبکه های عصبی......................................................................................................63
انواع یادگیری برای شبکه های عصبی.........................................................................................65
توپولوژی شبکه های عصبی......................................................................................................67
شبکه‏های پیش‏خور (Feed Forward).....................................................................................67
شبکه‏های برگشتی(Recurrent)................................................................................................67
پرسپترون چند لایه.........................................................................................................................68
Perceptronهای ساده................................................................................................................69
قدرت Perceptron......................................................................................................................69
دنباله‌های Perceptron..............................................................................................................70
آموزش پر سپترون.......................................................................................................................72
الگوریتم یادگیری پرسپترون.....................................................................................................72
قانون پرسپترون.............................................................................................................................72
قانون دلتا.........................................................................................................................................73
روشهای دیگر.................................................................................................................................73
شبکه های هاپفید...........................................................................................................................74
شبکه‌های دارای پس‌خور..............................................................................................................76
شبکه عصبی ترکیبی المن- جردن...............................................................................................81
پس انتشار خطا..............................................................................................................................85
چند بررسی از کاربرد های شبکه های عصبی..........................................................................87

فصل سوم

نتیجه گیری....................................................................................................................................110

منابع ومأخذ.................................................................................................................................112

هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، وجه‌المصالحه مقاوم بودن، منعطف‌بودن و سهولت پیاده‌سازی قرار می‌گیرد.
مولفه‌های مهم و اساسی CI ، شبکه‌های عصبی )محاسبات نورونی(، منطق فازی) محاسبات تقریبی( و الگوریتم ژنتیک) محاسبات ژنتیکی(است، که هر یک به نوعی مغز را الگو قرار داده‌اند. شبکه‌های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می‌کنند. ‍‍‌


هوش مصنوعی

در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند.جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون)به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
سیستم شبکه عصبی این کار را از طریق ارزشگذاری کمی برای ارتباطات سیگنالها بین نرونها انجام میدهد مکانیسم ارزشگذاری توسط مقاومتها با تقویت یا تضعیف پالسها انجام میشود.چون شبکه های عصبی میلیونها نرون دارند خرابی تعدادی از آنها تاثیر چندانی برعملکرد سیستم نمی گذارد تا کنون چند سیستم آزمایشی با استفاده از این اصول طراحی و ساخته شده اند مثلاًدر بررسی های زیست محیطی، شبکه های عصبی برای جمع آوری و تحلیل اطلاعاتی که از راه دور حس شده اند مورد استفاده قرار می گیرند اطلاعاتی که اغلب سفینه ها مخابره می کنند بسیار حجیم است.شبکه های عصبی این اطلاعات را به راحتی دسته بندی کرده وپس از جمع آوری اطلاعات ذهنی و تجسمی نتایج جالبی به دست می آورند (مثلاًتشخیص انواع خاصی از ابرها) البته این فرایند با آنچه سیستم های خبره انجام می دهند متفاوت است زیرا این سیستم ها ابزارهای تصمیم سازی هستند و می توانند حجم زیادی از اطلاعات را به سرعت تحلیل کنند شبکه های عصبی برای مدل سازی فرایندهای فکری-مغزی که زمینه ی دیگری برای مطالعات حساس به اطلاعات و پیچیدگی است مورد استفاده قرار گرفته است .

به سوی آینده

هوش مصنوعی هنوز راه درازی در پیش دارد؛شبکه سازی عصبی (که با اغماض ارتباط گرایی هم نامیده می شود)در سالهای اخیر تغییرات عمده ای را شاهد بوده است .به عنوان نمونه برخی پژوهشگران پیش بینی میکنند به کمک تکنولوژی نرم افزاری جدید شبکه های عصبی با کامپیوترهای شخصی ترتیب داده خواهند شد و پیش بینی بازار سهام را ممکن خواهند کرد افرادی که درباره ی هوش مصنوعی وتوانایی های آن مرددند اظهار می دارند اگر هوش مصنوعی محقق شود ناچار است از دنیای منطقی،قانونمند ونمادین کامپیوترهای دیجیتال خارج شوند و به دنیای مبهم (حاصل از منطق فازی)شبکه های عصبی که مبتنی بر سیستم گسترده ی یاد گیری بازخوردی هستند پا بگذارد .
امروزه نگرش تازه ای نسبت به هوش مصنوعی ایجاد شده است که در بسیاری از آزمایشگاهها تحت بررسی است :دانشمندان سعی می کنند دریابند آیا مجموعه ای از روباتهای نیمه هوشمندمی توان یک هوش جمعی ایجاد کنند به گونه ای که از اعضای تشکیل دهنده اش باهوش تر باشد.


هوش مصنوعی (artificial intelligence) را باید عرصه پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونه‌گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.
این شاخه از علوم بسیار گسترده و متنوع است و از موضوعات و رشته‌های مختلف علوم و فناوری، مانند سازوکارهای ساده در ماشینها شروع شده، و به سیستمای خبره ختم می‌شود. هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک » نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.

تاریخچه
نام هوش مصنوعی در سال میلادی به عنوان یک دانش جدید ابداع گردید. البته فعالیت درزمینه این علم از سال میلادی شروع شده بود
تعریف
هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه شده‌است.اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از باور زیر قرار می‌گیرند:
1. سیستم‌هایی که به طور منطقی فکر می‌کنند .
2. سیستم‌هایی که به طور منطقی عمل می‌کنند .
3. سیستم‌هایی که مانند انسان فکر می‌کنند.
4. سیستم‌هایی که مانند انسان عمل می‌کنند.

شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند»
به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم، یاری کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
برای نمونه به رباتی هوشمند بیاندیشید که بتواند اعضای بدن خود را به حرکت درآورد، او نسبت به این حرکت خود آگاه بوده و با سعی و خطا، دامنه حرکت خود را گسترش می‌دهد، و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن، دست می‌یابد، که سازندگانش، برای او، متصور نبوده‌اند.
هر چند مثال ما در تولید ماشینهای هوشمند، کمی آرمانی است، ولی به هیچ عنوان دور از دسترس نیست. دانشمندان، عموما برای تولید چنین ماشینهایی، از تنها مدلی که در طبیعت وجود دارد، یعنی توانایی یادگیری در موجودات زنده بخصوص انسان، بهره می‌برند.
آنها بدنبال ساخت ماشینی مقلد هستند، که بتواند با شبیه‌سازی رفتارهای میلیونها یاخته مغز انسان، همچون یک موجود متفکر به اندیشیدن بپردازد.

کلمات کلیدی :