مقدمه:

شبكه هاي عصبي نوعي مد لسازي ساد هانگارانه از سيست مهاي عصبي واقعي هستند كه كاربرد فراواني در حل مسائل مختلف در علوم دارند. حوزه كاربرد اين شبك هها آ نچنان گسترده است كه از كاربردهاي طبقه بندي گرفته تا كاربردهايي نظير درون يابي، تخمين، آشكارسازي و ... را شامل مي شود. شايد مهمترين مزيت اين شبكه ها، توانايي وافر آن ها در كنار سهولت استفاده از آن ها باشد.

به موازات گسترش كاربردهاي شبكه عصبي، نياز به فراگيري آن و آشنايي با توانايي ها و قابليت هاي آن رخ مي نمايد. در اين راستا، تأليفات زيادي وجود دارد كه مي توان به آ نها استناد نمود اما در اكثر قريب به اتفاق اين خودآموزها، مباني اين شبكه ها با تفاصيل و جزئيات بسيار بيان شده است و مسلماً به عنوان قدم اول براي آشنايي، حجيم و وقت گير به نظر مي رسد. لذا بر آن شديم تا با درنظر گرفتن نياز دانشجويان، به ويژه در كاربردهاي پروژه اي در مقطع كارشناسي، مقدماتي را جهت آشنايي با اين شبكه ها تدوين كنيم به نحوي كه به عنوان يك خودآموز، در پيمودن قدم هاي اوليه براي آشنايي و سپس تسلط بر مفاهيم مقدماتي آن ها، راهگشا باشد. بنابراين در اينجا سعي كرده ايم مباني مدل سازي و تحليل يك سيستم با استفاده از شبك ههاي عصبي بيان شده و شبكه چندلايه پرسپترون، به عنوان يكي از پركاربردترين شبكه ها مرور گردد. همچنين رويكرد در پي شرو بر اين است كه در كنار بيان اجمالي روابط رياضي مورد نياز، به نكات پياده سازي و تكنيك هاي عملي استفاده از آن ها اشاره خواهيم كرد.

با توجه به گستردگي مطالب، در اين نوشتار سعي بر آن شده است كه از پرداختن به جزئيات غيرضروري پرهيزشود. لذا در اين نسخه، تنها به مفاهيم مقدماتي و ضروري شبكه هاي عصبي مصنوعي خواهيم پرداخت، به اين اميد كه دانشجويان عزيز بتوانند با فراگيري اين نكات، مسير فراگيري و به كار گيري اين شبكه ها را ساده تر بپيمايند. در اين راستا، رئوس مطالبي كه به آن ها خواهيم پرداخت عبارتند از:

• مفهوم شبكه

• مدل رياضي شبكه عصبي مصنوعي

• پرسپترون چند لايه

• آموزش شبكه به روش پس انتشار خطا

• روند شبيه سازي مسائل