فایل پاورپوینت در رابطه با شبکه های عصبی مصنوعی (61 اسلاید)

            فلسفهٔ اصلی شبکهٔ عصبی مصنوعی، مدل کردن ویژگی‌های پردازشی مغز انسان برای تقریب زدن روش‌های معمول محاسباتی با روش پردازش زیستی است. به بیان دیگر، شبکهٔ عصبی مصنوعی روشی است که دانش ارتباط بین چند مجموعهٔ داده را از طریق آموزش فراگرفته و برای استفاده در موارد مشابه ذخیره می‌کند. این ارایه شامل فهرست زیر می شود: مقدمه شبکه عصبی چیست؟ شبکه  عصبی چه قابلیتهائی دارد؟ مسائل مناسب برای یادگیری شبکه های عصبی یادگیری یک پرسپترون توانائی  پرسپترون توابعی که پرسپترون قادر به یادگیری آنها میباشد توابع بولی و پرسپترون اضافه کردن بایاس آموزش پرسپترون قانون پرسپترون قانون دلتا Delta Rule الگوریتم gradient descent بدست آوردن قانون gradient descent مشکلات روش gradient descent تقریب افزایشی gradient descent شبکه های چند لایه یک سلول واحد تابع سیگموئید الگوریتم  Back propagation الگوریتم BP انتشار به سمت جلو انتشار به سمت عقب شرط خاتمه افزودن ممنتم قدرت نمایش توابع فضای فرضیه و بایاس استقرا قدرت نمایش لایه …