شبکه عصبی در متلب

شبكه هاي عصبي چند لايه پيشخور و يادگيري پس انتشار خطا تاريخچه • شبكه هاي تك لايه فقط براي طبقه بندي مسائلي […]

الگوريتم BP • تعميمي از الگوريتم LMS • شاخص اجرايي مشابه LMS – SL تعداد نرونها در لايه L • شاخص اجرا روش Sobel

معادلات ويدرو-هوف در حالت تك نرون • بازنويسي معادله خروجي با فرمول بندي جديد • تابع هزينه ميانگين مربعات خطا

روند مينيمم سازي – الگوريتم كلي • روند بازگشتي: تخمين جديد از روي تخمين فعلي قابل محاسبه است: در روشهاي

قانون يادگيري پرسپترون تك لايه (SLPR) • از نوع يادگيري با ناظر – خطاي يادگيري در دسترس • براي شبكه اي

يادگيري با ناظر در شبكه عصبي • زوج داده هاي يادگيري (pi , ti)، i=1,2,…,L • t پاسخ مطلوب و a خروجي واقعي شبكه •

خلاصه فرايند يادگيري • سيستم يادگيرنده توسط محيط تحريك شود. • قانون يادگيري با رجوع به نتيجه تحريك، پارامترهاي سيستم

فرايند يادگيري ”از علل مشابه انتظار عواقب مشابه را داريم“ • سيستمهاي يادگير صرفا با مشاهده عملكردشان رفتار خود را

شبكه هاپفيلد • شبكه تك لايه بازگشتي • عملكرد همه نرونها مشابه يكديگر • عدم وجود نرون ورودي يا خروجي

پايه همه تكنيكهاي يادگيري از نوع عملكردي • در يادگيري عملكردي پارامترهاي شبكه به نحوي تنظيم مي شوند كه عملكرد شبكه