شبکه عصبی در متلب

شبكه آدالاين

شبكه آدالاين • شبكه آدالاين با قانون يادگيري ويدرو – هوف ( معروف به قانون LMS) در سال 1960 و بعد از شبكه پرسپترون با قانون يادگيري SLPR به وجود آمد. • شبكه آدالاين شبيه پرسپترون است ولي با تابع تبديل خطي ( به جاي آستانه دو مقداره) • محدوديت شبكه هاي پرسپترون و آدالاين: – فقط توانايي طبقه بندي […]

شبکه عصبی در متلب

شبكه همينگ

شبكه همينگ • داراي هر دو ساختار پيشخور و پسخور • داراي 3 لايه • براي شناسايي الگوهاي باينري • تشخيص اينكه كدام الگوي مرجع بيشترين نزديكي را به الگوي ورودي دارد.      – اگر به شبكه ورودي pi (يكي از الگوهاي مرجع) اعمال شود خروجي نيز pi خواهد بود. – در مواردي كه به شبكه بردار ورودي اختياري (مثلا […]

شبکه عصبی در متلب

پرسپترون تك لايه

پرسپترون تك لايه با تابع تحريك آستانه اي دو مقداره متقارن • توانايي در تفكيك الگوهاي ورودي – جداسازي الگوهاي خطي – مرز جدا ساز نواحي در حالت تك نروني يك فوق صفحه و براي حالت دو بعدي يك خط راست است. – در حالت كلي براي هر نقطه دلخواه q روي ناحيه مرزي داريم: <a,b > […]

شبکه عصبی در متلب

ساختار شبكه هاي عصبي

ساختار شبكه هاي عصبي • شبكه تك لايه با S نرون و R ورودي – مدل شبكه و فرم ماتريسي آن – ماتريس W داراي S سطر و R ستون   شبكه هاي چند لايه • در شبكه تك لايه بردار ورودي توسط نرونهاي لايه با رابطه (a=f(Wp+b به بردار خروجي مرتبط مي شوند. • در شبكه هاي چند لايه، خروجي هر لايه به عنوان بردار ورودي […]

شبکه عصبی در متلب

روشهاي كلاسيك و شبكه هاي عصبي

روشهاي كلاسيك و شبكه هاي عصبي • روشهاي كلاسيك – بايد تمامي الگوهاي يادگيري قبل از حل مسئله طبقه بندي الگو در اختيار باشند. – يعني، ابتدا بايد يك مدل رياضي از مشاهدات داشت تا پس از ارزيابي مدلها بر اساس داده هاي واقعي طراحي انجام شود. • شبكه هاي عصبي – مستقيما با داده هاي […]

شبکه عصبی در متلب

شناسايي الگو

شناسايي الگو • فاكتور مهم در طراحي سيستمهاي اطلاعاتي • موضوع مشترك تحقيقاتي براي اكثر رشته ها از زبان شناسي تا رشته هاي مهندسي • ساختار كلي يك فرايند شناسايي الگو و تصميم گيري: – چيزي يا موضوعي اتفاق افتاده است – اتفاق، توسط سيگنالي نمايندگي مي شود. – سيگنال مشاهده شده با سيگنال ارسالي […]

شبکه عصبی در متلب

مدل رياضي نرون

مدل رياضي نرون – مدل تك ورودي: • شدت سيناپس w • ورودي خالص n • تابع تحريك f • سيگنال گذرنده از اكسون a (a=f (WP+b برخي توابع تحريك مرسوم نرون مصنوعي: • خطي • دو مقداره حدي • زيگموئيدي – مدل چند ورودي • مدل كردن به فرم ماتريسي • انديس اول شماره خود نرون […]

شبکه عصبی در متلب

شبکه های عصبی-مقدمه

شبکه های عصبی-مقدمه • وجود مسائلي بدون راه حل يا به سختي قابل حل – حركت از تحقيقات صرفا تئوري به تحقيقات كاربردي • توسعه تئوريك سيستمهاي ديناميكي هوشمند مدل آزاد مبتني بر داده هاي تجربي شبكه هاي عصبي جزو اين دسته از سيستمهاي ديناميكي • استخراج دانش نهفته در داده ها • به اين […]

شبکه عصبی در متلب

شبکه های عصبی- تاریخچه

شبکه های عصبی- تاریخچه • ديدگاه جديد شبكه هاي عصبي در دهه 40 با استفاده از يك مدل منطقي توسط مك كلوث و والتر پيتز انجام شد. • دونالد هب، ادامه راه پاولف در شرط گذاري كلاسيك به عنوان خواص نرونها • در 1958 شبكه پرسپترون توسط روزنبلات معرفي گرديد. اين شبكه قادر به شناسايي الگوها بود. […]

شبکه عصبی در متلب

كاربردهاي سيستمهاي فازي در پزشكي

كاربردهاي سيستمهاي فازي در پزشكي • استخراج قوانين فازي از ثبت هاي پلتيموگرافي براي طبقه بندي خواب نوزاد • ارائه فيلتر جديدي مبنتي بر كنترل فازي براي بهسازي تصاوير MRI • تشخيص بافت هاي سه بعدي غير عادي در تصاوير پزشكي  (MRI وCT Scan) توسط منطق فازي • جداساز ميكروكالسيفيكاسيونهاي مشكوك در تصاوير ديجيتال ماموگرافي بوسيله كاربرد منطق فازي […]