پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت های
5892101022304162 بانک سپه

سفارش پروژه

دوستان عزیز برای سفارش پروژه راه های زیر پیشنهاد می شود:
1-از طریق فرم ارسال پروژه
2- از طریق ایمیل irmatlab.ir@gmail.com

*از هر کدام از روش های فوق اقدام کنید ما سریعا جواب شما را می دهیم.با تشکر

شبکه عصبی

/شبکه عصبی

پرسپترون چند لایه چیست؟

شبکه عصبی چیست؟ شبکه‌های عصبی مصنوعی (Artificial Neural Network) الگویی برای پردازش اطلاعات می‌باشند که با تقلید از شبکه های عصبی بیولوژیکی مثل مغز انسان ساخته شده‌اند. عنصر کلیدی این الگو ساختار جدید سیستم پردازش اطلاعات آن می‌باشد و از تعداد زیادی عناصر (نرون) با ارتباطات قوی داخلی که هماهنگ با هم برای حل مسائل [...]

اردیبهشت ۷ام, ۱۳۹۵|Categories: شبکه عصبی|بدون ديدگاه

جزوه آموزشی شبکه های عصبی در متلب

نرم افزار مطلب، یکی از نرم افزارهای قوی و جامع در ارتباط روشهای یادگیری، از جمله شبکه های عصبی می باشد که برای بسیاری از کابردها می توان از آن استفاده نمود. در این بخش قصد داریم توضیحات مختصری در ارتباط با نحوه ی پیاده سازی شبکه های SOM در این نرم افزار ارائه نمائیم. [...]

اردیبهشت ۶ام, ۱۳۹۵|Categories: شبکه عصبی|بدون ديدگاه

دانلود کتاب آموزش شبکه عصبی مصنوعی در متلب

این کتاب ، مرجع بسیار خوبی برای یادگیری شبکه های عصبی مصنوعی است. Computational Hntelligence نویسنده: Andries P.Engelbrecht سر فصل های این کتاب عبارتند از : ۱ - Introduction to Computational Intelligence ۲ -  The Artificial Neuron ۳ - Supervised Learning Neural Networks ۴ - Unsupervised Learning Neural Networks ۵ - Radial Basis Function Networks [...]

ساخت شبکه عصبی در متلب

به طور کلی در نرم‌ افزار MATLAB به ۳ روش می‌ توان شبکه‌های عصبی ایجاد کرد:   کدنویسی استفاده از سیستم‌های بلوکی (Simulink) استفاده از محیط گرافیکی (GUI)   در این مقاله قصد دارم نحوه‌ی استفاده از GUI در جعبه‌ابزار شبکه عصبی را به دوستان معرفی کنم البته به دوستان توصیه می‌کنم که ابتدا با [...]

ساخت شبکه عصبی چند لایه با دستور newff

در برنامه زیر نحوه ساخت شبکه عصبی چند لایه ارائه شده است: در این برنامه ورودی دو متغیر با چهار دسته جواب گرفته شده و خروجی تک متغیره آن نیز وارد می شود سپس با دستور newff شبکه عصبی دو لایه ساخته شده است. سپس با دستور train شبکه عصبی اموزش داده شده است. در [...]

شبکه‌های عصبی پیش خور

  شبکه‌های عصبی مصنوعی پیش‌خور به سیگنال‌ها اجازه می‌دهند به تنهایی در مسیر ورودی به خروجی حرکت کنند . خروجی هر لایه‌ای هیچ تأثیری روی لایه‌های مشابه ندارد . شبکه‌های عصبی مصنوعی پیش‌خور تمایل دارند که بصورت شبکه‌هایی تقسیم باشند تا بتوانند ورودی را به خروجی پیوند دهند از این شبکه‌ها مکرراً برای شناخت و [...]

مسأله یای حذفی (XOR)

  در فصل گذشته دیدیم که پرسپترون تک لایه‌ای قادر به حل مسئله یای حذفی XOR نیست. این مسئله که افشا کننده محدودیت پرسپترون تک لایه‌ای بود ، خود به صورت معیاری برای ارزیابی و قضاوت در مورد عملکرد مدل‌های مختلف شبکه‌های عصبی در آمده و بسیاری از ویژگی های پرسپترون چند لایه‌ای توسط آن [...]

الگوریتم پرسپترون چند لایه‌ای

الگوریتم پرسپترون چند لایه‌ای که از قاعده آموزش پس انتشار استفاده می‌کند در زیر شرح داده شده است . این الگوریتم به توابع غیر خطی نیاز دارد که به طور پیوسته قابل مشتق‌گیری باشند . به عبارت دیگر توابع باید هموار باشند . ما استفاده از تابع قابل مشتق‌گیری باشند . به عبارت دیگر توابع [...]

قاعده جدید فراگیری

قاعده فراگیری پرسپترون چندلایه را «قاعده کلی دلتا» یا «قاعده پس انتشار» گویند. این عناوین در سال ۱۹۸۶ توسط رومل هارت، مک کللند و ویلیامز پیشنهاد شد و این آغاز تولد دوباره شبکه‌های عصبی بود . بعدها معلوم شد که نتایج مشابهی نیز قبلاً در سال ۱۹۸۲ توسط پارکر منتشر شده و همچنی وربس در [...]

مهر ۱۰ام, ۱۳۹۴|Categories: شبکه عصبی|Tags: , |بدون ديدگاه

یک مثال ساده برای پرسپترون ساده

  شاید پرسپترون ها گسترده ترین تاثیر را بین شبکه های عصبی اولیه داشتند.قانون یادگیری پرسپترون از قانون Hepp قوی تر است . می توان شیوه یادگیری مکرر آن را برای نزدیکتر شدن وزن های صحیح اثبات کرد . وزن هایی که به شبکه این امکان را می دهند که ارزش خروجی صحیح را برای [...]