به نام خدا

در این مجموعه آموزشی قصد داریم شبکه های عصبی طبق سرفصل کتاب فاست را به شما آموزش دهیم,

هدف این هست که هم مطالب تئوری و هم مطالب عملی را توضیح دهیم, مطالب تئوری برای شناخت عمیق تر شبکه های عصبی و مطالب عملی برای بالا بردن توان پیاده سازی برنامه ها در متلب می باشد,

این مجموعه شامل ۱۰ قسمت می باشد که  برای تمام دانشجویان رشته مهندسی کامپیوتر و برق و صنایع و سایر محققینی که در این زمینه فعالیت می کنند مناسب می باشد

تذکر:

قسمت های ۱، ۳، ۴ و ۷ بصورت رایگان قابل دانلود می باشد.

 

قسمت دهم:

مثال جلسه قبل را با استفاده از تولباکس شبکه عصبی در متلب پیاده سازی می کنیم,

کار با ایزار nntool در متلب را به طور کامل می آموزید

شرط پایان الگوریتم یادگیری شبکه عصبی در تولباکس متلب را کامل تشریح می کنیم(epoch , performance , time)

نحوه آموزش شبکه عصبی , وارد کردن اطلاعات و ساختن شبکه عصبی و …. در متلب را می آموزید

 

قسمت نهم:

به پیاده سازی شبکه عصبی پرسپترون در متلب می پردازیم,

سعی می کنیم تمام نکات لازم را در قالب یک مثال عملی نشان دهیم

نحوه آموزش و تست شبکه عصبی را در قالب یک مثال عملی می بینید

مفهوم تکرار یا دور و … را آموزش میبینید

و…

 

قسمت هشتم:

به بررسی شبکه عصبی پرسپترون می پردازیم

تفاوت شبکه عصبی پرسپترون تک لایه و چند لایه را توضیح می دهیم,

الگوریتم یادگیری پرسپترون را بررسی می کنیم,

ویژگی های شبکه عصبی پرسپترون را مورد بررسی قرار می دهیم

و در قالب یک مثال شبکه عصبی و شرط خاتمه الگوریتم یادگیری را توضیح می دهیم

 

قسمت هفتم:

بررسی انواع داده ها در آموزش کلاسیفایر

چون از این قسمت به بعد بحث آموزش شبکه عصبی مطرح می شود و در آموزش شبکه عصبی انواع ورودی های مختلف را داریم سعی می کنیم تفاوت آن را بررسی کنیم,

در این قسمت به تفاوت training set , validation set , test set می پردازیم

جایگاه و کاربرد هر کدام از این داده ها را مشخص می کنیم,

 

قسمت ششم:

در این قسمت به پیاده سازی شبکه عصبی hebb در متلب می پردازیم,

دو فاز یادگیری و تست را در قالب مثال برای شبکه عصبی هب نمایش می دهیم,

تاثیر بایاس روی یادگیری شبکه عصبی را در قالب مثال بررسی می کنیم,

فرمول یادگیری شبکه عصبی hebbرا در قالب چند مثال بررسی می کنیم,

نشان می دهیم که شبکه عصبی hebbچگونه تابع منطقی and , or را یاد میگیرد.

 

قسمت پنجم:

به بررسی انواع شبکه های عصبی یک لایه می پردازیم,

سه قانون یادگیری هب, پرسپترون و دلتا را معرفی می کنیم,

شبکه عصبی hebbرا کامل مورد بررسی قرار می دهیم,

فرمول یادگیری شبکه عصبی hebbرا در قالب چند مثال بررسی می کنیم,

نشان می دهیم که شبکه عصبی hebbچگونه تابع منطقی and , or را یاد میگیرد

دو فاز یادگیری و تست را در قالب مثال برای شبکه عصبی هب نمایش می دهیم,

 

قسمت چهارم:

به عنوان ساده ترین نرون به معرفی شبکه عصبی مک کلاچ می پردازیم,

میژگی های نرون مک کلاچ را بررسی می کنیم

تفاوت وزن های تحریکی و بازدارنده را معرفی می کنیم,

مدار منطقی and , or  را با این نرون پیاده سازی می کنیم و میبینیم که شبکه چیزی را که آموزش دیده یاد گرفته است,

 

قسمت سوم:

به معرفی زمینه های کاربرد شبکه های عصبی می پردازیم

شبکه های عصبی برای چه افرادی مناسب است

کاربردها :
شبکه های عصبی در موارد زیر دارای کارایی زیادی می باشند :

۱- پیداکردن الگوهای پیچیده از میان یک سری اطلاعات

۲- درمسایلی که با اطلاعات غیر دقیق سروکار داریم.

۳- در مسایلی که با اطلاعات نویزی سروکار داریم . مانند

۱-prediction
۲-Classification
۳-Dataassociation
۴-Dataconceptualizefion
۵-filtering
۶- planning

چند کاربرد عملی و مفید آن که تاکنون بر روی آنها فعالیت زیادی انجام شده عبارتند از :

۱- پیشگویی prediction ) از اطلاعات بدست آمده در گذشته(
– پیش بینی وضعیت آب و هوا
– پیش بینی وضعیت سهام در بورس
– پیش بینی سری های زمانی
۲- کلاسه بندی Classification
– پردازش تصویر
– دسته بندی اهداف در رادارها
۳- تشخیص Recognition
– تشخیص نوع بمب درصنایع نظامی
– تشخیص حرو ف
– تشخیص امضاء
– تشخیص چهره
۴- دیگر کاربردهای آن به صورت کلی شامل موارد زیر است :

Regularitydetection
– speechanalysis
– optimizationproblems
– Robotstearing
– Processing of inaccurate or in complteinputs
– Stock market forecasting simulation

 

قسمت دوم:

نحوه اعمال ورودی و خروجی به هر نرون را بررسی می کنیم

به معرفی توابع فعال سازی می پردازیم

انواع توابع فعال سازی را معرفی می کنیم

تابع فعال سازی همانی , پله ای دو دودیی, پله ای دو قطبی, سیگموید دودویی, سیگموید دوقطبی را مورد بررسی قرار می دهیم

شکل هر تابع را رسم کرده و پارامتر های آن را مورد بررسی قرار می دهیم

 

قسمت اول:

به معرفی شبکه های عصبی می پردازیم,

شبکه های عصبی مصنوعی را تعریف می کنیم,

تفاوت شبکه های عصبی مختلف را بررسی می کنیم

ویژگی شبکه های عصبی متفاوت را مورد بررسی قرار می دهیم

انواع روشهای یاد گیری شبکه های عصبی را معرفی می کنیم

 

تذکر:

قسمت های ۱، ۳، ۴ و ۷ بصورت رایگان قابل دانلود می باشد.

 

تذکر۱:

شما می توانید کتاب شبکه های عصبی لوران فاست را اینجا دانلود نمایید.

تذکر۲:

شما می توانید تمامی قسمت های شبکه های عصبی کتاب لوران فاست را بصورت جداگانه از اینجا  مشاهده و دانلود  نمایید.

تذکر۳:

شما می توانید مجموعه فیلم های آموزش شبکه عصبی کتاب دکتر تشنه لب را از اینجا  مشاهده و دانلود  نمایید.

 

 

این مجموعه آموزشی بسیار مناسب برای محققین در ضمینه پیادگیری ماشین و شبکه عصبی و نیز دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد تهیه مقاله و پایان نامه در ضمیمنه شبکه عصبی دارند.

با تشکر