دانلود با لینک مستقیم و پر سرعت .
نوع فایل: word
قابل ویرایش 121 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.
شبکه‌های عصبی در کاربردهای مختلفی نظیر مسائل تشخیص الگو که خود شامل مسائلی مانند تشخیص متن، شناسایی گفتار، پردازش تصویر و مسائلی ازاین دست می‌شود به کار می‌رود.
این پروژه 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 ANN نظیر سیستم تشخیص متن می پردازیم.کاربرحرفی را به عنوان ورودی به سیستم تایپ می کند سپس عمل مقایسه این الگو با الگوهای ذخیره شده در پایگاه داده سیستم صورت می گیرد،البته این روش نیاز به به روز شدن و استفاده مستمر دارد در غیر این صورت مثمر ثمر نخواهد بود.
شبیه سازی فعالیت های انسان توسط ماشین ها یکی از زمینه های تحقیقاتی از زمان اختراع کامپیوترهای دیجیتال بوده است . در برخی زمینه ها که نوع خاصی از هوشمندی را نیاز داشته ؛ مانند بازی شطرنج ؛ پیشرفت های خوبی صورت گرفته است اما در مسائلی مانند بینایی ماشین حتی قدرتمندترین کامپیوترها نیز به راحتی از انسان شکست می خورند . شبیه سازی خواندن انسان نیز یکی از بخشهای جذابی است که طی سه دهه گذشته موضوع تحقیقات بسیاری از دانشمندان بوده و هنوز تا تکامل آن راه بسیاری در پیش است .
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.
می توان شبکه های عصبی را با اغماض زیاد، مدل های الکترونیکی از ساختار مغز انسان نامید چرا که مکانیسم آموزش مدل های الکترونیکی شبکه های عصبی همانند مغز انسان بر تجربه استوار است.قدرت و سرعت کامپیوترهای امروزی به راستی شگفت انگیز است؛ زیرا کامپیوترهای قدرتمند می‌توانند میلیون‌ها عملیات را در کمتر از یک ثانیه انجام دهند. شاید آرزوی بسیاری از ما انسان‌ها این باشد که ای کاش می‌شد ما نیز مانند این دستگاه‌ها کارهای خود را با آن سرعت انجام می‌دادیم، ولی این نکته را نباید نادیده بگیریم که کارهایی هستند که ما می‌توانیم آنها را به آسانی و در کمترین زمان ممکن انجام دهیم، ولی قوی‌ترین کامپیوترهای امروزی نیز نمی‌توانند آنها را انجام دهند و آن قدرت تفکری است که مغز ما انسان‌ها داردحال تصور کنید که دستگاهی وجود داشته باشد که علا‌وه بر قدرت محاسبه و انجام کارهای فراوان در مدت زمان کوتاه، قدرت تفکر نیز داشته باشد یا به قول معروف هوشمند باشد.
فهرست مطالب:
چکیده
فصل اول: مبانی شبکه های عصبی
مقدمه
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
1-1-4-4- 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-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
2-1-4- سیستم تشخیص تصویر
2-1-4-1- درک تصویر
2-2- محاسباتی
2-2-1- الگوریتم های هوش مصنوعی در بازیهای کامپیوتری
2-2-1-1- الگوریتم * A
2-2-1-2- الگوریتم ماشین با حالات محدود
2-2-2- شبکه عصبی مصنوعی و الگوریتم های پیشرفته در بازیهای کامپیوتری
2-2-2-1- بررسی شبکه عصبی به کار رفته در چند بازی کامپیوتری
2-2-2-2- هوش مصنوعی در بازیهای تیراندازی
2-2-2-3- 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
فصل سوم: حل مساله
مقدمه
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
فصل چهارم: سیستم تشخیص متن
مقدمه
4-1- روش استفاده شده برای تشخیص
4-1-1- بلوک دیاگرام سیستم تشخیص حروف
4-2-الگوشناسی
4-3-تشخیص متن
4-3-1-عملیات تشخیص متن
4-4-شبکه عصبی LVQ
4-5-بهبودتصاویرمتن
4-5-1-فیلترمیانه
4-5-2-میانگین گیری
4-5-3-قطعه بندی
4-5-4-projection افقی وعمودی
4-5-5-حذف نقاط تنها
4-5-6-پیاده سازی واجرا
4-6-پارامترهای فازی برای شناسایی کارکترها
4-6-1-معرفی
4-6-2-شبکه های عصبی
4-7-تشخیص کارکترها بوسیله نگاشت پیکسلی
4-8-روش پیشنهادی برای شناسایی کارکترها
4-8-1-تشخیص خواص هرکارکتر
4-8-2-جداسازی بخشهای کارکتر
4-8-3-مشخص کردن فضای مرجع
4-8-4-محاسبه خواص هر بخش
4-9-استفاده از خواص کارکتربعنوان ورودی شبکه
4-9-1-نتایج عملی
4-9-2-نتیجه گیری
فصل پنجم: نتیجه گیری
5-1- نتیجه گیری
5-2- کارهای انجام شده
5-3- چشم انداز جایگاه شبکه عصبی مصنوعی در آینده
منابع
منابع فارسی
منابع لاتین
منابع و مأخذ:
[1] مهندس مهدیزاده.مح، شبکه های عصبی مصنوعی وکاربردهای آن،آذر1382
[2] آیزاک آسیموف ، ترجمه محمود بهزاد،اسرار مغز آدمی،1975
[3] اریک جنسن،ترجمه فرهادفرجی مغزوآموزش،1993
[4] هادی صدوقی یزدی،مهدی آبادی،دانشگاه تربیت مدرس،مهر1387
[5] دکترحسن آقایی،چهارمین کنفرانس ماشین بینایی وپردازش تصویر ایران،بهمن1385
[6] محمدامین طوسی،کلاسه بندی فازی درحل مسایل برنامه ریزی ،ابان 86
[7] محمدرضا اکبرزاده،دانشگاه فردوسی مشهد،پارامترهای فازی درشناسایی کارکترهای دستنویس ،دی ماه 1388
[8] یاسرمحمدیان روشن، چهارمین کنفرانس ماشین بینایی وپردازش تصویر ایران،بهمن1385
[9] سیاوش محمودیان،شناخت حروف توسط شبکه های عصبی،آذر1389
[10] مجتبی روحانی،تشخیص کارکترها با استفاده ازنگاشت پیکسلی،، پنجمین کنفرانس ماشین بینایی وپردازش تصویر ایران،آبان1387
[11] محمدرضافیض تشخیص متن درشبکه های عصبی مصنوعی،، پنجمین کنفرانس ماشین بینایی وپردازش تصویر ایران،ابان1387
[12] محمدابراهیمی، ،شناسایی کارکترها به کمک شبکه فازی درشبکه های عصبی،سومین کنفرانس اطلاعات ودانش،آذر1386
منابع لاتین:
[1] G.E.M.D.C. Bandara, S.D. Pathirana, R.M. Ranawana,” Use of Fuzzy Feature Descriptions to recognize Handwritten Alphanumeric Characters”,University of Peradeniya, Sri Lanka, 2003.
[2] Shahzad Malik,” Hand-Printed Character Recognizer using Neural Networks”, 2000.
[3] S.Chachra, N.Parimi, S.Chander,” Handwritten Character Recognition Using Neuro-Fuzzy Techniques”, Department Of Electrical Engineering, India, 2000.
[4] Paul D.Gader, James M.Keller,” Fuzzy Methods in Handwriting Recognition: An Overview”, University of Missouri – Columbia, 1997.
[5] C.Leja, A.Malaviya, L.Peters,” A fuzzy statistical rule generation method for handwriting recognition”, German National Research Center for Information Technology, 1996.
[6] A.Malaviya, L.Peters,” Handwriting Recognition with Fuzzy Linguistic Rule”, the Proceedings of the Third European Congress on Intelligent Techniques and Soft Computing (EUFIT‘95), Aachen, pp. 1430-1434,
[7]sarle,warren s,"archive of neural network FAQ,2002
[8]J.Hochberg,L.Kelly and T.Thomas"Automatic script from images"ICDR ,1995.
