پرتال جامع دانشجویان کامپیوتر

1394/08/16 آنچه در ادامه عنوان می گردد، تعریف عملی و تاحدی عمومی از ابزاری است كه بعداً آن را مطالعه خواهیم كرد. در قسمت های باقیمانده كتاب، این تعریف تصحیح و تخصصی خواهد گردید.


  • فصل 1 : مقدمه
  • 1-1 انسان و كامپیوتر1
  • 1-2 ساختار مغز
  • 1-2-1 یادگیری در سیستم‌های بیولوژیك
  • 1-3 تفاوت ها
  • فصل 2 : نگرش كلی به شبكه های عصبی مصنوعی
  • 2-1 تعریف شبكه های عصبی
  • 2-2 مفاهیم اساسی شبكه های عصبی
  • 2-3 معرفی اصطلاحات و علائم قراردادی
  • 2-4 كاربردهای محاسبات عصبی
  • 2-5 كاربردهای نمونه شبكه های عصبی مصنوعی
  • 2-6 فواید و معایب شبكه های عصبی مصنوعی
  • 2-7 معیارهای مهندسی به منظور محاسبات عصبی
  • 2-8 مراحل مهندسی سیستم ANN
  • 2-9 توپولوژی شبكه و خصوصیات
  • فصل 3 : بازشناسی الگو
  • 3-1 چشم انداز طرح شناسی
  • 3-2 تعریف بازشناسی الگوها
  • 3-3 بردارهای مشخصات و فضای مشخصات
  • 3-4 توابع تشخیص دهنده یا ممیز
  • 3-5 فنون طبقه بندی
  • 3-6 روش طبقه بندی «نزدیكترین همسایه»
  • 3-7 میزان های اندازه گیری فاصله
  • 3-8 دستگاه های طبقه بندی خطی
  • فصل 4 : نرون پایه
  • 4-1 مقدمه
  • 4-2 مدل سازی نرون
  • 4-3 فراگیری در نرون‌های ساده
  • 4-4 الگوریتم فراگیری پرسپترون
  • 4-5 یك مثال ساده برای پرسپترون ساده.
  • قصل 5 : نرون چند لایه
  • 1-5 مقدمه
  • 2-5 مدل جدید
  • 3-5 قاعده جدید فراگیری
  • 5-4 الگوریتم پرسپترون چند لایه
  • 5-5 بررسی مجدد مساله XOR
  • 5-6 لیه های شبكه
  • 5-7 معرفی چند شبكه
  • 5-8 معرفی نمونه ای از توابع كلیدی
  • 5-9 بررسی یك مثال عملی
  • دانلود مقاله آشنایی با شبکه های عصبی مصنویی

    پیشنهاد ویژه