پاورپوینت شبکه های عصبی. (pptx) 23 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 23 اسلاید

قسمتی از متن PowerPoint (.pptx) :

موضوع ارائه شبکه های عصبی در عصر حاضر در بسياري از موارد ماشين ها جايگزين انسانها شده اند و بسياري از كارهاي فيزيكي كه در گذشته توسط انسانها انجام مي گرفت امروزه توسط ماشين ها صورت مي گيرد . اگرچه قدرت كامپيوترها در ذخيره، بازيابي اطلاعات و اتوماسيون اداري ،..... غير قابل انكار است، اما همچنان مواردي وجود دارد كه انسان ناچار است خودش كارها را انجام دهد. اما به طور كلي ، موارد مرتبط با ماشين شامل سيستم هايي است كه در آن به علت ارتباطات پيچيده بين اجزا، مغز انسان از درك رياضي اين ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالي رفتارهاي سيستم و گاه آزمايش نتيجه اي كه بر اثر دستكاري يكي از اجزاي سيستم به دست مي آيد تا حدي مي تواند عادتهاي سيستم را شناسايي كند . مقدمه: اين روند يادگيري بر اثر مشاهده مثالهاي متنوع از سيستم ، به كسب تجربه منجر مي شود. در چنين سيستم‌هايي مغز قادر به تجزيه و تحليل داخلي سيستم نيست و تنها با توجه به رفتارهاي خارجي، عملكرد داخلي سيستم را تخمين مي زند و عكس العملهاي آن را پيش بيني مي كند. چگونگي اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصميم گيري ، از موضوعات بحث برانگيز در عصرحاضر است. يكي از مسائل مهم تحقيقاتي در زمينه علوم كامپيوتر، پياده سازي مدلي شبيه به سيستم داخلي مغز انسان براي تجزيه و تحليل سيستم هاي مختلف بر اساس تجربه است .در اين راستا شبكه هاي عصبي يكي از پوياترين حوزه‌هاي تحقيق در دوران معاصر هستند كه افراد متعددي از رشته هاي گوناگون علمي را به خود جلب كرده است .استفاده از شبكه‌هاي عصبي و الگوريتم هاي ژنتيك در حل مسائل پيچيده كاربردي اين روزها بيش از بيش رواج يافته است . جواب دادن به این سوال سخت است. چون در حال حاضر ما حتی تعریف دقیقی برای هوش نداریم!واژه ی هوش مصنوعی Artificial Intelligence اولین بار توسط شخصی به نام John McCarthy استفاده شد با این تعریف: "علم و مهندسی ساخت ماشین های هوشمند".تعریف دیگر از هوش مصنوعی که خیلی از منابع آنرا بکار برده اند:" هوش مصنوعی عبارت است از مطالعه ی این که چگونه کامپیوترها را می توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند "  هوش مصنوعی چیست؟ مبحث هوش مصنوعی و پیشرفت آن از سال 1950 شروع شد! در این سال شخصی بنام آلن تورینگ (Alen Turing) تستی بنام تورینگ تست را معرفی کرد و گفت که هر ماشینی که بتواند از این تست سربلند بیرون بیاید را می شود یک ماشین هوشمند بر شمرد. تا الان هیچ ماشینی نتوانسته این تست را با موفقیت پشت سر بگذارد، که خیلی هم عجیب نیست چون برای یک ماشین این تست بسیار سخت است. این تست از این قرار است که یک نفر پشت دستگاه کامپیوتر با یک برنامه کامپیوتری مکاتبه کند و برنامه او را فریب دهد که شخص متوجه نشود این برنامه است یا یک انسان دیگر تاریخچه هوش مصنوعی: در سال 1958 آقای John McCarthy زبان برنامه نویسی Lisp را اختراع کرد.زبان برنامه نویسی Prolog هم در همین دوره در سال 1972 بوجود آمد که الان هم یک زبان قوی در زمینه ی منطق حساب میشود!در سال 1997 دیپ بلو که یک ماشین شطرنج باز بود، توانست قهرمان جهان "گری کاسپارف" رو شکست بده! که این یک موفقیت بزرگ بود در جهان هوش مصنوعی! طبقه بندی های مهم نرم افزارهای هوش مصنوعی که در فرآیند تصمیم گیری های افراد مورد استفاده قرار می گیرد عبارتند از: شبکه های عصبی الگوریتم های ژنتیک منطق فازی چند مبحث از هوش مصنوعی: شبکه ی عصبی یا Neural Network یکی از مباحثی است که در زمینه هوش مصنوعی بسیار پیشرفت کرده و روی آن کار میشود با یک مثال به تعریف آن می پردازیم: بعد از سال ها حافظه انسان قادر به شناخت چهره افراد است یا مثلا توانایی خواندن خطوط مختلف یا تغییر خط در اثر تمرین در اینجا نکته جالب این است که مغز چگونه این کار های را انجام می دهد و چگونه یاد میگیرد ؟ مغزانسان از یک سری سلول عصبی (Neuron) تشکیل شده که هر کدام سیگنال هایی برای هم میفرستند! این سلول های عصبی کاری که انجام میدهند ساده است مثلا مثل جمع دو تا عدد اما چیزی که باعث میشود بتوانند این کارهای پیچیدرا انجام بدهند این است که تعداد این سلول ها بسیار زیاد است! مغزانسان حدود 10 به توان 11 تا از این سلول ها دارد! هر نورون تعدادی axom دارد که مثل خروجی عمل می کنند و تعداد خیلی زیادی هم dendrite که به عنوان ورودی عمل می کنند. نورون ها یک مقدار مشخصی قدرت سیگنال نیاز دارند تا فعال بشوند، وقتی فعال شدند یک سیگنال الکتریکی برای سایر نورون ها میفرستند! هر چقدر نورون ها بیشتر استفاده بشوند ارتباط بینشان (axonها و dendriteها) قوی تر میشود. حالا ما همین سیستم رو سعی می کنیم در ابعاد کوچک در کامپیوتر شبیه سازی کنیم. کامپیوتر هایی که به آن ها دسترسی داریم حتی قدرت پردازش 20 میلیارد نورون را هم ندارند، ولی با تعداد کمی نورون هم می شود پاسخ های مناسبی از شبکه ی عصبی گرفت