انجام پروژه و پایان نامه دانشگاهی و ترجمه متون تخصصی........ شماره تماس و واتس اپ: 09906118613

محبوبترین محصولات

اطلاعیه فروشگاه

انجام پروژه دانشگاهی و شبیه سازی مقالات دررشته مهندسی و و ترجمه متون تخصصی .......................... ....تلگرام: powerelectronic4u@.......... ایمیل:hw.mohammadi@gmail.com............................. ....اینستاگرام: powerelectronic4u@.......... گروه تلگرام: powerelectronic4all@..................

دانلود کدهای متلب شبکه عصبی Spiking

دانلود کدهای متلب شبکه عصبی Spiking

دانلود کدهای متلب شبکه عصبی Spiking

 

پروژه شبکه های عصبی Spiking (شبکه عصبی مصنوعی) با زیان برنامه نویسی متلب یا به اصطلاح با زیان برنامه نویسی matlab نوشته شده است. مهمترین کاربرد این پروژه در زمینه شبکه های عصبی Spiking (شبکه عصبی مصنوعی) بوده است. پروژه فوق دارای یک محیط کاربرد پسند می باشد

از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند، و از سوی دیگر ریاضیدانان تلاش کردند مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه‌سازی با استفاده از یک مدل منطقی در اوایل دههٔ ۱۹۴۰ توسط وارن مک‌کالک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی با استفاده از شبکه‌ای از نورون‌ها است. اگر حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد، اصطلاحاً نورون برانگیخته می‌شود. نتیجه این مدل اجرای ترکیبی از توابع منطقی بود.[۱]

در سال ۱۹۴۹ دونالد هب قانون یادگیری را برای شبکه‌های عصبی طراحی کرد.[۲] در سال ۱۹۵۸ شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه است که شامل لایهٔ ورودی، لایهٔ خروجی و لایهٔ میانی می‌شود. این سیستم می‌تواند یاد بگیرد که با روشی تکرارشونده وزن‌ها را به گونه‌ای تنظیم کند که شبکه توان بازتولید جفت‌های ورودی و خروجی را داشته‌باشد.[۳] روش دیگر، مدل خطی تطبیقی نورون است که در سال ۱۹۶۰ توسط برنارد ویدرو و مارسیان هاف در دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند. آدالاین یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

در سال ۱۹۶۹ میسکی و پاپرت کتابی نوشتند که محدودیت‌های سیستم‌های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه‌گذاری برای تحقیقات در زمینه شبیه‌سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مسئله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

با وجود اینکه اشتیاق عمومی و سرمایه‌گذاری‌های موجود به حداقل خود رسیده بود، برخی محققان تحقیقات خود را برای ساخت ماشین‌هایی که توانایی حل مسائلی از قبیل تشخیص الگو را داشته باشند، ادامه دادند. از جمله گراسبگ که شبکه‌ای تحت عنوان Avalanch را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد. همچنین او با همکاری کارپنتر شبکه‌های نظریه تشدید انطباقی را بنانهادند که با مدل‌های طبیعی تفاوت داشت. اندرسون و کوهونن نیز از اشخاصی بودند که تکنیک‌هایی برای یادگیری ایجاد کردند. ورباس در سال ۱۹۷۴ شیوه آموزش پس انتشار خطا را ایجاد کرد که یک شبکه پرسپترون چندلایه البته با قوانین نیرومندتر آموزشی بود.

پیشرفت‌هایی که در سال ۱۹۷۰ تا ۱۹۸۰ بدست آمد برای جلب توجه به شبکه‌های عصبی بسیار مهم بود. برخی فاکتورها نیز در تشدید این مسئله دخالت داشتند، از جمله کتاب‌ها و کنفرانس‌های وسیعی که برای مردم در رشته‌های متنوع ارائه شد. امروز نیز تحولات زیادی در تکنولوژی ANN ایجاد شده‌است.


اشتراک بگذارید:


پرداخت اینترنتی - دانلود سریع - اطمینان از خرید

پرداخت هزینه و دریافت فایل

مبلغ قابل پرداخت 14,000 تومان
توجه: فروش محدود و اختصاصی این فایل فقط به 1 مشتری فروخته می شود و به محض رسیدن تعداد خریداران به 1 نفر فروش بصورت خودکار متوقف خواهد شد.

درصورتیکه برای خرید اینترنتی نیاز به راهنمایی دارید اینجا کلیک کنید


فایل هایی که پس از پرداخت می توانید دانلود کنید

نام فایلحجم فایل
Project_1919386_5540.zip770.6k





دانلود کدهای متلب شبکه های عصبی احتمالی

دانلود کدهای متلب شبکه های عصبی احتمالی دانلود کدهای متلب شبکه های عصبی احتمالی   شبکه‌های عصبی مصنوعی یا شبکه‌های عصبی صناعی (Artificial Neural Networks - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایدهٔ اصلی این گونه شبکه‌ها تا ح ...

توضیحات بیشتر - دانلود 14,000 تومان

دانلود کدهای متلب تحلیل مولفه اساسی PCA

دانلود کدهای متلب تحلیل مولفه اساسی PCA دانلود کدهای متلب تحلیل مولفه اساسی PCA   روش PCA یا آنالیز مولفه های اصلی با تکیه بر بردارهای ویژه ی کواریانس هر ماتریس، و انتخاب با ارزش ترین بردارها که بیشترین داده های هر ماتریس را در خود نگه می دارد، روشی جهت فشرده سازی محسوب می شود که نسبت فشرده سازی آن به کیفیت تصویر یا داده بازیابی شده نسبت موفقی است. در این روش ابتدا کواریانس تصویر محاسبه می گردد، سپس بردارهای ویژه ی ماتریس کواریان ...

توضیحات بیشتر - دانلود 14,000 تومان

دانلود کدهای متلب شبکه عصبی خودسازمانده SOM

دانلود کدهای متلب شبکه عصبی خودسازمانده SOM دانلود کدهای متلب شبکه عصبی SOM درشبکه ی خودسازمان ده، از روش یادگیری رقابتی برای آموزش استفاده می شود و مبتنی بر مشخصه های خاصی از مغز انسان توسعه یافته است. سلولها در مغز انسان در نواحی مختلف طوری سازمان دهی شده اند که در نواحی حسی مختلف، با نقشه های محاسباتی مرتب و معنی دار ارائه می شوند. برای نمونه، ورودیهای حسی لامسه –شنوائی و … با یک ترتیب هندسی معنی دار به نواحی مختلف مرتبط هس ...

توضیحات بیشتر - دانلود 14,000 تومان

عملکرد شبکه های عصبی در شبیه سازی سلول های خورشیدی

عملکرد شبکه های عصبی در شبیه سازی سلول های خورشیدی عملکرد شبکه های عصبی در شبیه سازی سلول های خورشیدی فایل ورد 132 صفحه نياز به جايگزيني انرژي هاي ديگري به جاي انرژي فسيلي، به دلايل بيشماري كه براي آن وجود دارد، انسان را به سوي استفاده از انرژي هاي تجديد پذير از جمله انرژي خورشيدي سوق داده است. اما آنچه كه در اين ميان اهميت ويژه اي دارد، پيداكردن روش هايي جهت دريافت ماكزيمم توان از مبدل هاي اين انرژي ها مي باشد. در اين ميان پايان نامه ي موجود ...

توضیحات بیشتر - دانلود 14,000 تومان

آخرین محصولات فروشگاه