http://ebux.ir/includes/img/468x60.gif
دنیای کامپیوتر وفناوری اطلاعات upload/computer.it/file/Sayadi_NeuralNetwork_Basic_Tutorial.pdf
يكي از روش هاي كارآمد در حل مسائل پيچيده، شكستن آن به زيرمسأل ههاي ساده تر است كه هر كدام از اين زيربخش ها به نحو ساده تري قابل درك و توصيف باشند. در حقيقت يك شبكه، مجموع هاي از اين ساختارهاي ساده است كه در كنار يكديگر سيستم پيچيده نهايي را توصيف مي كنند. شبكه ها انواع مختلفي دارند اما همگي آ نها از دو مؤلفه تشكيل مي شوند: 1. مجموعه اي از گر هها؛ هر گره در حقيقت واحد محاسباتي شبكه است كه ورود يها را گرفته و برروي آن پردازش انجام م يدهد تا خروجي بدست آيد. پردازش انجام شده توسط گره مي تواند از ساده ترين نوع پردازش ها نظير جمع كردن ورودي ها تا پيچيده ترين محاسبات را شامل شود. در حالت خاص، يك گره مي تواند خود، شامل يك شبكه ديگر باشد. 2. اتصالات بين گره ها؛ اين اتصالات نحوه گذر اطلاعات بين گر هها را مشخص ميكند. در حالت كلي اتصالات باشند. (Bidirectional) يا دوسويه (Unidirectional) مي توانند تك سويه تعامل بين گره ها از طريق اين اتصالات سبب بروز يك رفتار كلي از سوي شبكه مي گردد كه چنين رفتاري به تنهايي در هيچ يك از الما نهاي شبكه ديده نم يشود. جامع بودن اين رفتار كلي بر عملكرد موجود در هر گره سبب تبديل شبكه به يك ابزار توانمند م يشود. به عبارت ديگر، مجموعه ساد هاي از المان ها وقتي در قالب يك شبكه باشند مي توانند رفتاري از خود بروز دهند كه هيچ يك از آن المان ها به تنهايي قادر به بروز چنين مشخصه اي نبود.
شبكه عصبي مصنوعي:
آنچنانكه بيان شد انواع مختلفي از شبكه ها وجود دارد. در اين بين شبكه اي وجود دارد كه گره را به عنوان يك نرون مصنوعي درنظر مي گيرد. در اصطلاح، اين چنين شبكه هايي را شبكه عصبي مصنوعي مي نامند. در ادامه می توانید فایل زیر را دانلود کنید.... نظرات شما عزیزان:
آخرین مطالب آرشيو وبلاگ نويسندگان پيوندها
تبادل
لینک هوشمند
|
|||||||||||||||||
|