You have no items in your shopping cart.
شبکه عصبی مجموعه ای از الگوریتم است که عملکرد آن از سیستم عصبی انسان ها پیروی می کند، به این شکل که مجموعه ای داده ها را مطابق با نحوه عملکرد آن ها که از سیستم عصبی انسان تقلید میکند را تشخیص می دهد. از خواص شبکه عصبی می توان به سازگاری آن ها اشاره نمود، بدین صورت که با تغییر ورودی خود را سازگار کرده و بدون نیاز به طراحی مجدد، بهترین نتیجه را به عمل می آورد. شبکه های عصبی به شبکه عصبی مصنوعی و یا شبکه عصبی شبیه سازی شده شناخته می شوند و جزو پایه های اصلی یادگیری ماشین و یادگیری عمیق می باشد. از معروف ترین کاربردهای شبکه عصبی می توان به پردازش تصویر، تشخیص گفتار، تشخیص چهره و غیره اشاره نمود. بررسی شبکه های عصبی در متلب یک روش کارآمد در حل بسیاری از مسائل روزمره از جمله تشخیص الگو یا طبقه بندی داده می باشد. پیش نیاز این دوره آموزش مقدماتی متلب می باشد. تبدیل نحوه عملکرد نورون ها به یک مدل ریاضی در نهایت ما را به ساختاری به نام شبکه عصبی مصنوعی در شاخه علم هوش مصنوعی و زیر شاخه هوش محاسباتی می رساند که می توان از این شبکه در مباحث مدلسازی، بهینه سازی، طبقه بندی، شناسایی سیستم و غیره استفاده نمود.
معرفی شبکه های عصبی پرسپترون تک و چند لایه
تئوری
مدل سازی ریاضی
ترکیبات منطقی تک و چند لایه
بررسی روش های بهینه سازی
کلاسیک ؛ Levenberg-Marquardt
هوشمند
معرفی کاربردهای شبکه عصبی
Modeling & Function approximation
Classification ، Vector quantization
Associated Memory
Compression
Optimization
System Identification
Control
معرفی شبکه های عصبی شعاعی
معرفی روش های آموزش کلاسیک و هوشمند و کد نویسی آنها
معرفی سری های زمانی و کدنویسی آنها
معرفی شبکه های عصبی هایفیلد و رقابتی و نگاشت SOM
یادگیری غیرنظارتی و الگوریتم k-means
معرفی ماشین بردار پشتیبان و کلاسترینگ و رگرسیون آن