چکیده

در حالت کلی، یک شبکه عصبی زیستی از مجموعه یا مجموعه‌ای از نورون‌های به صورت فیزیکی به هم متصل یا از لحاظ عملکردی به هم وابسته تشکیل شده‌است. هر نورون می‌تواند به تعداد بسیار زیادی از نورون‌ها وصل باشد و تعداد کل نورون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد. اتصالات، که به آن‌ها سیناپس گفته می‌شود، معمولاً از آکسون‌ها و دندریت‌ها تشکلیل شده‌اند.هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی از خصوصیات شبکه‌های عصبی را شبیه سازی کنند. این دو اگرچه در روش‌هایشان به هم شبیه هستند اما هدف هوش مصنوعی حل مسائل مشخصی است در حالی که هدف مدل سازی شناختی ساخت مدل‌های ریاضی سامانه‌های نورونی زیستی است.روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.شبکه از تعداد دلخواهی نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.هر نورون می‌تواند به تعداد بسیار زیادی از نرون‌ها وصل باشد و تعداد کل نرون‌ها و اتصالات بین آن‌ها می‌تواند بسیار زیاد باشد.

در این مقاله به بررسی شبکه عصبی مصنوعی با دو نرون ورودی خواهیم پرداخت. این شبکه برای دسته بندی داده ها، اشیاء، تصاویر و سایر موضوعات کاربرد  دارد. برای ملموس تر شدن کاربرد این شبکه دو نمونه مثال خواهیم آورد و این مثال ها با کد متلب نوشته و خروجی آنها بدست آمده است. یکی از مثال ها ورودی هایی با ۵ بردار را دریافت نموده و در دو دسته قرار می دهد. مثال دیگر داده های مختلف را از ورودی دریاف و آنها را در دسته های از فبل تعریف شده قرار می دهد و سیستم را آموزش می دهد.

این پروژه با زبان متلب پیاده سازی شده، مقاله مرتبط زبان اصلی  و  همچنین گزارش ۱۹ صفحه ای جامع و کامل با فرمت WORD به همراه فایل وجود دارد.