شبیه سازی شناسایی متن با استفاده از شبکه های عصبی

نوع فایل: word
قابل ویرایش 77 صفحه

چکیده:
ایده اصلی شبکه های عصبی مصنوعی الهام گرفته از شیوه کارکرد سیستم عصبی زیستی برای پردازش داده ها و اطلاعات به منظور یادگیری و ایجاد دانش، می باشد.
شبكه‌های عصبی در كاربردهای مختلفی نظير مسائل تشخيص الگو كه خود شامل مسائلی مانند تشخيص متن، شناسايی گفتار، پردازش تصوير و مسائلی ازاين دست می‌شود به كار می‌رود.
این مقدمه ای بر شبکه های عصبی مصنوعی است که کاربرد های شبکه های عصبی،
ها بیان شده و همچنین سابقه ای تاریخی از آن آورده شده است و سر انجام به شرح ANNنظیر
سیستم تشخیص متن می پردازیم.

مقدمه:
شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر می باشد، خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است.
شبکه های عصبی با مثال کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها باید با دقت انتخاب شوند در غیر این صورت زمان سودمند،تلف می شود و یا حتی بدتر از این شبکه ممکن است نادرست کار کند.
امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند وعملکرد آن غیر قابل پیش گویی است.

فهرست مطالب:
مقدمه
فصل اول: مبانی شبکه های عصبی
1-1- شبکه های عصبی طبیعی
1-1-1- ساختار مغز
1-1-2- شکل بیولوژیکی شبکه های عصبی
1-1-3- ساختار نرون
1-1-4- نحوه کار مغز
1-1-4-1- چگونگی یادگیری
1-1-4-2- محرک
1-1-4-3- مغز تربیت پذیر
11-4-4- شکل گیری یادگیری پایدار
1-1-4-5- پاداش و مغز
1-1-4-6- ترمیم پذیری سلولهای از بین رفته در مغز
1-2- شبکه های عصبی مصنوعی
1-2-1- تاریخچه شبکه های عصبی مصنوعی
1-2-2- شباهت های شبکه های عصبی مصنوعی و بیولوژیکی
1-2-3- مدل ریاضی شبکه های عصبی
1-2-4- اتصالات یک شبکه عصبی
1-2-5- پیاده سازی الکترونیکی نرونهای مصنوعی
1-2-6- عملیات شبکه های عصبی
1-2-7- ساختار شبکه های عصبی مصنوعی چند لایه
1-2-8- ساختار نرون مصنوعی
1-2-9- نحوه کار شبکه عصبی مصنوعی
1-2-9-1- توابع محرک
1-2-10- شبکه های عصبی مصنوعی به عنوان سیستمهای دینامیکی آموزش پذیر
1-2-11- فرآیند یادگیری
1-2-11-1- یادگیری بانظارت
1-2-11-2- یادگیری تشدیدی
1-2-11-3- یادگیری بدون نظارت
1-2-12- روش آموزش شبکه
1-2-12-1- روش تغییر حالت نرونها
1-2-12-2- آموزش به صورت تعدیل وزنها
1-2-12-3- الگوریتم پس انتشار خطا
1-2-13- ایده اصلی شبکه های عصبی
1-2-13-1- شبکه هاپفیلد و نحوه عملکرد آن
1-2-14- ویژگی های یک شبکه عصبی
1-2-15- ارزیابی شبکه
1-2-16- شبکه های پس خور(بازگشتی)
1-2-17- قابلیت شبکه های عصبی مصنوعی
فصل دوم: کاربرد شبکه های عصبی
2-1- تشخیص الگو
2-1-1- روشهای مختلف تشخیص الگو
2-1-1-1- روشهای ریاضی
2-1-1-2- استفاده از شبکه های عصبی
2-1-2- سیستم تشخیص گفتار و کاربرد آن
2-1-2-1- تشخیص الگوی صدا با استفاده از شبکه عصبی
2-1-2-2- تبدیل متن فارسی به گفتار
2-1-3- سیستم تشخیص متن
2-1-4- سیستم تشخیص تصویر
2-1-4-1- درک تصویر
2-2- محاسباتی
2-2-1- الگوریتم های هوش مصنوعی در بازیهای کامپیوتری
A2-2-1-1- الگوریتم *
2-2-1-2- الگوریتم ماشین با حالات محدود
2-2-2- الگوریتم ماشین
2-2-3- شبکه عصبی مصنوعی و الگوریتم های پیشرفته در بازیهای کامپیوتری
2-2-3-1- بررسی شبکه عصبی به کار رفته در چند بازی کامپیوتری
2-2-3-2- هوش مصنوعی در بازیهای تیراندازی
2-2-3-3- هوش مصنوعی در بازیهای ورزشی
2-3- کاربردهای شبکه های عصبی مصنوعی
2-3-1- کاربردهای پزشکی
2-3-2- کاربردهای کشاورزی
2-3-3- کاربردهای صنعتی
2-3-4- کاربردهای نظامی
2-3-5- کاربردهای جغرافیایی
2-3-6- کاربردهایی در مسائل مهندسی عمران
فصل سوم: حل مساله
3-1- مساله
3-1-1- شکل داده ها و نحوه بیان آنها
3-1-2- تعداد لایه های میانی
3-1-3- تعداد نرونهای میانی
3-1-4- تعداد،توزیع و فرمت الگوهای آموزشی
3-2- سیستم تشخیص متن
3-2-1- روش استفاده شده برای تشخیص
3-2-2- بلوک دیاگرام سیستم تشخیص حروف
3-2-3- بیان مساله
3-2-4- فرمت ورودی
3-2-5- مدل شبکه
3-2-6- فرمت خروجی
3-2-7- نحوه آموزش
3-2-8- ویژگیهای برنامه تشخیص متن
فصل چهارم: نتیجه گیری
4-1- نتیجه گیری
4-2- کارهای انجام شده
4-3- چشم انداز جایگاه شبکه عصبی مصنوعی در آینده
مراجع

منابع و مأخذ:
1. مهندس مهدیزاده.مح، 1382،
شبکه های عصبی مصنوعی و کاربردهای آن در مهندسی عمران
2. آیزاک آسیموف ، 1975، ترجمه محمود بهزاد
اسرار مغز آدمی
3. اریک جنسن،1993،
مغز و آموزش

---