شبیه سازی شناسایی متن با استفاده از شبکه های عصبی

شبیه سازی شناسایی متن با استفاده از شبکه های عصبی

نوع فایل: wordقابل ویرایش 77 صفحهچکیده: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 ANNنظیرسیستم 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:مقدمهفصل اول: مبانی شبکه های عصبی1-1- شبکه های عصبی طبیعی1-1-1- ساختار مغز1-1-2- شکل بیولوژیکی شبکه های عصبی1-1-3- ساختار نرون1-1-4- نحوه کار مغز1-1-4-1- چگونگی یادگیری1-1-4-2- محرک1-1-4-3- مغز تربیت پذیر11-4-4- شکل گیری یادگیری پایدار1-1-4-5- پاداش و مغز1-1-4-6- ترمیم پذیری سلولهای از بین رفته در مغز1-2- شبکه های عصبی مصنوعی1-2-1- تاریخچه شبکه های عصبی مصنوعی1-2-2- شباهت های شبکه های عصبی مصنوعی و بیولوژیکی1-2-3- مدل ریاضی شبکه های عصبی1-2-4- اتصالات یک شبکه عصبی1-2-5- پیاده سازی الکترونیکی نرونهای مصنوعی1-2-6- عملیات شبکه های عصبی1-2-7- ساختار شبکه های عصبی مصنوعی چند لایه1-2-8- ساختار نرون مصنوعی1-2-9- نحوه کار شبکه عصبی مصنوعی1-2-9-1- توابع محرک1-2-10- شبکه های عصبی مصنوعی به عنوان سیستمهای دینامیکی آموزش پذیر1-2-11- فرآیند یادگیری1-2-11-1- یادگیری بانظارت1-2-11-2- یادگیری تشدیدی1-2-11-3- یادگیری بدون نظارت1-2-12- روش آموزش شبکه1-2-12-1- روش تغییر حالت نرونها1-2-12-2- آموزش به صورت تعدیل وزنها1-2-12-3- الگوریتم پس انتشار خطا1-2-13- ایده اصلی شبکه های عصبی1-2-13-1- شبکه هاپفیلد و نحوه عملکرد آن1-2-14- ویژگی های یک شبکه عصبی1-2-15- ارزیابی شبکه1-2-16- شبکه های پس خور(بازگشتی)1-2-17- قابلیت شبکه های عصبی مصنوعیفصل دوم: کاربرد شبکه های عصبی2-1- تشخیص الگو2-1-1- روشهای مختلف تشخیص الگو2-1-1-1- روشهای ریاضی2-1-1-2- استفاده از شبکه های عصبی2-1-2- سیستم تشخیص گفتار و کاربرد آن2-1-2-1- تشخیص الگوی صدا با استفاده از شبکه عصبی2-1-2-2- تبدیل متن فارسی به گفتار2-1-3- سیستم تشخیص متن2-1-4- سیستم تشخیص تصویر2-1-4-1- درک تصویر2-2- محاسباتی2-2-1- الگوریتم های هوش مصنوعی در بازیهای کامپیوتریA2-2-1-1- الگوریتم *2-2-1-2- الگوریتم ماشین با حالات محدود2-2-2- الگوریتم ماشین2-2-3- شبکه عصبی مصنوعی و الگوریتم های پیشرفته در بازیهای کامپیوتری2-2-3-1- بررسی شبکه عصبی به کار رفته در چند بازی کامپیوتری2-2-3-2- هوش مصنوعی در بازیهای تیراندازی2-2-3-3- هوش مصنوعی در بازیهای ورزشی2-3- کاربردهای شبکه های عصبی مصنوعی2-3-1- کاربردهای پزشکی2-3-2- کاربردهای کشاورزی2-3-3- کاربردهای صنعتی2-3-4- کاربردهای نظامی2-3-5- کاربردهای جغرافیایی2-3-6- کاربردهایی در مسائل مهندسی عمرانفصل سوم: حل مساله3-1- مساله3-1-1- شکل داده ها و نحوه بیان آنها3-1-2- تعداد لایه های میانی3-1-3- تعداد نرونهای میانی3-1-4- تعداد،توزیع و فرمت الگوهای آموزشی3-2- سیستم تشخیص متن3-2-1- روش استفاده شده برای تشخیص3-2-2- بلوک دیاگرام سیستم تشخیص حروف3-2-3- بیان مساله3-2-4- فرمت ورودی3-2-5- مدل شبکه3-2-6- فرمت خروجی3-2-7- نحوه آموزش3-2-8- ویژگیهای برنامه تشخیص متنفصل چهارم: نتیجه گیری4-1- نتیجه گیری4-2- کارهای انجام شده4-3- چشم انداز جایگاه شبکه عصبی مصنوعی در آیندهمراجعمنابع و مأخذ:1. مهندس مهدیزاده.مح، 1382،شبکه های عصبی مصنوعی و کاربردهای آن در مهندسی عمران2. آیزاک آسیموف ، 1975، ترجمه محمود بهزاداسرار مغز آدمی3. اریک جنسن،1993،مغز و آموزش