آخرين ارسالهاي تالار

این وب سایت در پایگاه ستاد ساماندهی پایگاه های اینترنتی وزارت فرهنگ و ارشاد اسلامی به ثبت رسیده است مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 238 Votes )
میانگین امتیار کاربران: / 238
ضعیفعالی 

این وب سایت در پایگاه ستاد ساماندهی پایگاه های اینترنتی وزارت فرهنگ و ارشاد اسلامی به ثبت رسیده است

وب سایت فارسی متلب، در تاریخ ۱۳۹۱ در پایگاه ستاد ساماندهی پایگاه های اینترنتی وزارت فرهنگ و ارشاد اسلامی ثبت شده و مطابق با موازین اسلامی فعالیت می نماید.

برای اطلاع از صحت این موضوع می توانید به آدرس www.samandehi.ir مراجعه کنید

وبسایت فارسی متلب دارای شناسنامه در سامانه ملی تارنماهای اینترنتی تحت نظر سازمان ارشاد اسلامی میباشد.

 

لینک ما در سایت پیوندها تحت عنوان نرم افزار متلب:

http://peyvandha.ir/4-4.htm

 

توضیح بیشتر:

معیارهای عمومی ارزیابی تارنما:

ادامه مطلب...
 
ثبت سفارش خدمات مشاوره ای مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 155 Votes )
میانگین امتیار کاربران: / 155
ضعیفعالی 

پروژه های آماده و پروژه های جدید

پروژه خود را ثبت کنید

آیا به مقاله شبیه سازی شده نیاز دارید؟

مقالات معتبر همراه با پیاده سازی متلب هوش مصنوعی و پردازش تصویر مقالات معتبر همراه با پیاده سازی متلب برق - کنترل مقالات معتبر همراه با پیاده سازی متلب برق - قدرت

ارسال درخواست موضوعی مقالات دارای شبیه سازی فازی- عصبی-ژنتیک-الترونیک قدرت-کنترل مقاوم- چند متغیره- مدرن- دیجیتال-بهینه-شناسایی-قابلیت اطمینان-پردازش تصویر- سیگنال- ریاضیات  و ...

ثبت سفارش پیاده سازی مقالات جدید شما با نرم افزار متلب

ما را در صفحه فیسبوک دنبال کنید

facebook.com/mathworks.ir

 
َشبکه عصبی بولتزمن مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 2 Votes )
میانگین امتیار کاربران: / 2
ضعیفعالی 

شبکه عصبی بولتزمن که در اواخر صده 1900 رو به فراموشی بود پس از احیای الگوریتم همگرایی و افزایش فوق العاده سرعت آموزش، سریع به یک مدل پرمخاطب تبدیل شد، تا جایی که مدل‌های پیچیده یادگیری عمقی(عمیق) یا deep learning براساس آن ابداع شدند. شبکه عصبی بولتزمن برخلاف شبکه پس انتشار دارای یک لایه است و وزن‌های میانی دارای معنی هستند. همین ویژگی بولتزمن باعث شد که شبکه‌های عمیق به وجود آمده و بتوان بر روی وزن‌های میانی یک شبکه بولتزمن دیگر آموزش داد. اساس کار این شبکه فراگیری توزیع داده‌های ورودی و ارتباط ان با خروجی نمونه‌هاست به نحوی که نمونه‌های جدید ورودی با توزیع استخراج شده با حداقل خطا بتوانند به تولید الگوی خروجی بپردازند.

 

منابع:

کتاب اصول شبکه‌های عصبی نویستده فاوست

 
َشبکه عصبی خود سازمان‌ده مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 2 Votes )
میانگین امتیار کاربران: / 2
ضعیفعالی 

شبکه عصبی رقابتی یا خود سازمان‌ده، نمونه‌ای دیگر از شبکه‌ عصبی‌های پرکاربرد هستند که با هدف خوشه‌بندی هوشمند طراحی شده‌اند. برای مثال چندین تصویر و 4 رده دارید ولی قادر به جداسازی تصاویر به طور دستی نیستید. این شبکه براساس ویزگی‌های هر تصویر و هر رده ارتباطی بین ورودی و خروجی پیدا کرده و از این به بعد نمونه های جدید را براین اساس سازماندهی می‌کند. نام رقابتی به این دلیل برای این شبکه عصبی برگزیده شده است که هر نرون برای تصاحب نمونه ورودی بیشتر باید با دیگر نرون‌ها رقابت کرده و مکان خود را تا حد امکان تغییر دهد. در عین رقابت باید یک تعامل نیز بین نرون‌ها برای ارتباط بین رده‌ها و یا عدم ارتباط برقرار شود. معروف‌ترین شبکه عصبی خود سازمان‌ده شبکه عصبی کوهونن یا Kohonen است.

 
شبکه عصبی انجمنی مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 3 Votes )
میانگین امتیار کاربران: / 3
ضعیفعالی 

شبکه عصبی انجمنی به منظور ذخیره داده‌ها و به خصوص تصاویر متناظر یا هم معنی با محتوا طراحی شده اند. رفتار این شبکه عصبی که با نام انگلیسی associative memory شناخته می‌شود شبیه به حافظه انسان است. شما به فوتبال فکر می‌کنید و بلافاصله پرچم تیم دلخواهتان در ذهنتان نقش می‌بندد. شبکه عصبی انجمنی به ازای یک تصویر یا ورودی نظیر صدا باید یک تصویر هم معنی یا صدا یا هر چیز دیگر را به طور کامل شبیه سازی کرده و به خروجی ببرد. ابن شبکه عصبی در کاربردهای تداعی کردن اشیا و یا شبیه سازی حافظه بسیار پرکاربرد است. در سال‌های اخیر نسخه‌های بسیار قوی و با حافظه بالا(در تئوری بی‌نهایت) نیز به اسم MBAM طراحی و ساخته شده اند.

 

منبع :

کتاب شبکه عصبی فاوست

Aghajari, Z. H., Teshnehlab, M., & Motlagh, M. J. (2015). A novel chaotic hetero-associative memory. Neurocomputing, 167, 352-358.

 
کاربرد هوش مصنوعی مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 0 Votes )

هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند»تعریف کرده‌اند.

کاربردهای هوش مصنوعی چنان گسترده و فراگیر شده‌اند که بسیاری از این کاربردها دیگر با نام هوش مصنوعی شناخته نمی‌شوند و نام تخصصی خود را دارند. تاثیر هوش مصنوعی را اکنون می‌توان در همه جهات و نقاط زندگی مردم دید. آیفونی که قادر به تشخیص اعضای خانه است یا تلویزیونی که نور صفحه نمایش دلخواه را با تعداد افراد تنظیم می کند، همه و همه کاربردهای هوش مصنوعی هستند.

کاربردهای عملی : کاربردهای عملی آن دسته از کاربردهای هوش مصنوعی هستند که عملیات خاصی را انجام داده و عمل یا تاثیر آن به وضوح توسط کاربر احساس خواهد شد. برای مثال جست و جوی خودکار گوگل که از الگوریتم‌ها و متدهای پیچیده هوش مصنوعی استفاده می‌کند، پس از انجام یک عملیات پرهزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد. ماشین هایی که قادر هستند خودشان را کنترل کنند. ربات های پرنده و یا قایق‌های هوشمند نمونه‌ ای بارز و موفق از این نوع کاربردها هستند.

کاربردهای تحلیلی : نیاز به تحلیل و استخراج الگو از داده های ترافیک شهری، دریافتی کارکنان و جابه جایی پول در یک بانک برای جلوگیری از اختلاس یک عملیات نیست و تاثیر یا خود عمل به وضوح توسط کاربر لمس نخواهد شد؛ اما در مقابل یک تحلیل هوشمند و خودکار است که کاربرد تحلیلی هوش مصنوعی به حساب می‌آید.

 

منابع :

1- ویگی پدیا فارسی

2-wikipedia.org

3-Russell & Norvig 2009.

4-Luger & Stubblefield 2004

 
<< شروع < قبلی 1 2 بعدی > انتها >>

صفحه 1 از 2