دانشکده مهندسی راه آهن- عطایی شروان
شبکه عصبی مصنوعی

حذف تصاویر و رنگ‌ها

  شبکه عصبی مصنوعی [1]

  1- شبکه ­عصبی مصنوعی یک سیستم پردازش اطلاعات است که عملکردی شبیه شبکه عصبی بیولوژیکی دارد و می­توان آن را مدل ریاضی توسعه داده شده قسمت مادی شناخت انسان یا بیولوژی عصبی قلمداد نمود. شبکه عصبی مصنوعی، مدلسازی مغز انسان با حدود 1013 نرون و 1015 سیناپس (اتصال) است که مهمترین ویژگی آن یادگیری [2] است و بصورت مجموعه­ای از المان­هایی ساده و پر تعداد که به آن نرون [3] گفته می­شود، می­باشد که به طرز پیچیده­ای به هم متصل شده­اند. مدلسازی ریاضی نرون عصبی، اولین بار توسط آقایان وارن مک­کلو و والتر پیتز در سال 1943 برای مدلسازی توابع منطقی ارائه شده که به آن مدل مک­­کلو-پیتز [4] گفته می­شود.

  2-مشخصات یک شبکه عصبی مصنوعی عبارت است از: معماری شبکه (الگوی اتصال­های بین نرون­ها)، الگوریتم یادگیری (روش تعیین وزن اتصال­ها) و تابع تحریک. نحوه اتصال نرون­های شبکه عصبی مصنوعی به دو نوع معماری تک جهتی [5] و یا معماری برگشتی [6] تقسیم می­شود.

  3-فرضیات ذیل در مدلسازی با شبکه عصبی مصنوعی انجام می­شود.

  • پردازش اطلاعات در المان­های ساده و پرتعداد موسوم به نرون انجام می­شود.
  • سیگنال بین نرون­ها از طریق اتصال بین آن­ها انتقال پیدا می­کند.
  • هر اتصال (پیوند)، وزن مخصوص به خود را دارد که در سیگنال منتقل شده، ضرب می­شود.
  • سیگنال خروجی نرون با اعمال تابع تحریک (عموما غیرخطی) به جمع وزن­دار سیگنال­های ورودی، بدست می­آید.

      4-نرم­افزار neuro solution و جعبه ابزار [7] شبکه عصبی نرم­افزار Matlab جهت پیاده­سازی حل مسائل به کمک شبکه عصبی، مفید است.

      5-ساده­ترین شبکه عصبی، شبکه پرسپترون است که با چیدن یک لایه از نرون­های مک­کلو-پیتز درست می­شود. این شبکه ساده با معماری تک­جهته قادر به مدلسازی نگاشت XOR نمی­باشد. با اضافه کردن یک لایه میانی به این شبکه، شبکه عصبی پرسپترون چندلایه درست می­شود که قادر به شبیه­سازی هر نگاشت آنالوگ ورودی به خروجی می­باشد. قاعده یادگیری این شبکه پس­انتشار خطا می­باشد. در لایه اول یک نگاشت غیرخطی با تابع تانژانت هیپربولیک انجام می­گردد و در لایه دوم طبقه­بندی (معمولا خطی) انجام می­پذیرد.

      6-شبکه پرسپترون چند لایه و شبکه RBF از پرکاربردترین شبکه­های عصبی مصنوعی با معماری تک جهته می­باشند.

      7-شبکه RBF بر اساس قضیه stone ارائه شده است. این شبکه یک شبکه با معماری تک­جهته است که در لایه اول یک نگاشت خطی با تابع گوسی انجام می­شود و در لایه دوم طبقه­بندی (معمولا خطی) انجام می­گردد.

    AWT IMAGE

    8-شبکه ART (گراسبرگ) و SOM (کوهونن) جزو شبکه­های عصبی مصنوعی رقابتی می­باشد.


      [1] Artificial neural networks

      [2] learning

      [3] neuron

      [4] McCulloch-Pitts

      [5] Feed forward

      [6] recurrent

      [7] Neural Network Toolbox, Self Organizing Map Toolbox

  • نشانی مطلب در وبگاه دانشکده مهندسی راه آهن:
    http://idea.iust.ac.ir/find-18.1995.1591.fa.html
    برگشت به اصل مطلب