لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 63 صفحه
قسمتی از متن word (..doc) :
دانشگاه آزاد اسلامی
واحد بندرعباس
دانشکده فنی مهندسی ، گروه عمران
پایان نامه برای دریافت درجه کارشناسی ارشد«M . Sc.»
عنوان:
محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی
Back Propagation (BP)
مباحث اصلی مورد بحث :
1- مقدمه
2- معرفی شبکه عصبی مصنوعی
3- فرکانس طبیعی
4- مدل سازی و آنالیز ورق با ANSYS
5- بررسی فرکانس ورق با هوش مصنوعی
6- نتیجه گیری و پیشنهادات
فصـل اول : مقدمه
در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است تواناییهای مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل میتواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا میباشد ، سیستمهای عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکههای عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شدهاند و همان گونه که مغز انسان میتواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکههای عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیدهاند،جوابهای قابل قبول ارائه دهند.
شبکههای عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصصهای گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری داشنمندان در چند زمینه علمی از قبیل مهندسی رایانه،
برق، سازه و بیولوژی اند. کاربرد شبکههای عصبی در مهندسی عمران و بخصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود.از موارد استفاده شبکههای عصبی در مهندسی عمران میتوان به بهینه سازی، تحلیل، طراحی، پیش بینی خیز و وزن سازهها، تحلیل و طراحی اتصالات، پیش بینی نتایج آزمایشهای بتنی و خاکی ،کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره نمود.
فصـل دوم : شبکه های عصبی مصنوعی
2-1- مقدمه
در این فصل به بررسی اجمالی شبکههای عصبی مصنوعی پرداخته میشود. با استفاده از شبکههای عصبی مصنوعی سعی میشود که ساختار مغز انسان شبیهسازی شود. در مغز انسان حدود1011 واحد سازنده بنام نرون2 که همان سلولهای عصبی هستند وجود دارد که هر یک از آنها به حدود 104 نرون دیگر متصل است.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 7 اسلاید
قسمتی از متن powerpoint (..pptx) :
بنام خدا
بنام خدا
تنظیم عصبی
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 55 اسلاید
قسمتی از متن powerpoint (..pptx) :
بنام خدا
علوم تنظیم عصبی
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 25 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
مباحث :
آشنایی با شبکه های عصبی زیستی
معرفی شبکه های عصبی مصنوعی( ANN ها)
مبانی شبکه های عصبی مصنوعی
توپولوژی شبکه
نرم افزارهای شبکه های عصبی
مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
فرآیند یادگیری شبکه
تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی
ایده ی اصلی شبکه های عصبی مصنوعی
مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
شبکه های عصبی در مقابل کامپیوترهای معمولی
معایب شبکه های عصبی مصنوعی
کاربردهای شبکه های عصبی مصنوعی
آشنایی با شبکه های عصبی زیستی
این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند.
این شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند. back propagation of error) )
یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده از مثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.
معرفی ANN ها
یک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.
در این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node ها و اعمال یک الگوریتم آموزشی به آ ن، شبکه را آموزش می دهند .
در این حافظه یا شبکه ی عصبی node ها دارای دو حالت فعال ( on یا 1) وغیرفعال ( off یا 0) اند و هر یال (سیناپس یا ارتباط بین node ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.
معرفی ANN ها (ادامه...)
ANN ها در واقع مثلثی هستند با سه ضلع مفهومی :
سیستم تجزیه و تحلیل داده ها
نورون یا سلول عصبی
قانون کار گروهی نورونها (شبکه)
ANN ها دست کم از دو جهت شبیه مغز انسا ن اند:
مرحله ای موسوم به یاد گیری دارند .
وزن های سیناپسی جهت ذخیره ی دانش به کار می روند .
هوش مصنوعی و مدل سا زی شناختی سعی بر این دارند که بعضی خصوصیا ت شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سا زی شناختی ،ساخت مدلهای ریا ضی سیستم های نورونی زیستی می باشد .
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 19 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
مقدمه ای بر فارماکولوژی سیستم عصبی خود مختار( ANS )
کلیات ANS
سیستم عصبی خود مختار بخش ناخودآگاه، اتوماتیک و غیر ارادی عمده سیتم عصبی است و از برخی نقاط در تضاد با سیستم عصبی سوماتیک (ارادی) است.
جنبه های آناتومیک ANS
بخش حرکتی ( efferent ) سیستم عصبی خودمختار بزگترین مسیر انتقال پیام از CNS به اندام های غیر ارادی است.
سیستم عصبی خود مختار گوارش( ENS ) بخشی از ANS
شبکه مزانتر(شبکه آئروباخ)
شبکه زیر مخاطی
ورودی از سیستم عصبی سمپاتیک و پاراسمپاتیک
بخش حسی ( afferent ) سیستم عصبی خود مختار دارای اهمیت بخصوص در کنترل اندام های غیر ارادی است.
نوروترانسیمتر در ANS
انتقال کولینرژیک: استیل کولین میانجی عصبی اصلی در عقده های اعصاب اتونوم و سیناپس فیبر عصبی پس عقده ای پاراسمپاتیک با سلول تاثیر پذیرنده است.
انتقال آدرنرژیک: نوراپی نفرین میانجی اصلی در سیناپس فیبر عصبی سمپاتیک با سلول تاثیر پذیرنده است.
مهمترین استثناء ها عبارت است از:
غدد عرق تنظیم کننده درجه حرارت بدن
فیبر های عصبی گشاد کننده عروق عضلات اسکلتی
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 25 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
دستگاه عصبی
دستگاه عصبی پیکری، بدنی یا سوماتیک
دستگاه عصبی احشائی
اصطلاحات
نرون (سلول عصبی)
جسم سلولی
زوائد سلولی
نروگلیا (سلولهای پشتیبان عصبی)
اصطلاحات
بافت سفید
بافت خاکستری
(Neural nucleus) هسته عصبی
(Neural Ganglion ) عقده عصبی
دستگاه عصبی مرکزی
فایل دانلودی حاوی یک فایل پاورپوینتی قابل ویرایش در 86 اسلاید به صورت متنی همراه با عکس میباشد.
از جمله مطالب فایل دانلودی:
مقدمه
شبکه عصبی چیست؟
شبکه عصبی چه قابلیتهائی دارد؟
مسائل مناسب برای یادگیری شبکه های عصبی
الهام از طبیعت
Perceptron
توانائی پرسپترون
توابعی که پرسپترون قادر به یادگیری آنها میباشد
توابع بولی و پرسپترون
اضافه کردن بایاس
آموزش پرسپترون
قانون پرسپترون
الگوریتم gradient descent
بدست آوردن قانون gradient descent
محاسبه گرادیان
خلاصه یادگیری قانون دلتا
مشکلات روش gradient descent
تقریب افزایشی gradient descent
مقایسه آموزش یکجا و افزایشی
شبکه های چند لایه
یک سلول واحد
تابع سیگموئید
الگوریتم Back propagation
الگوریتم Back propagation
الگوریتم BP
شرط خاتمه
مرور الگوریتم BP
افزودن ممنتم
قدرت نمایش توابع
فضای فرضیه و بایاس استقرا
قدرت نمایش لایه پنهان
قدرت نمایش لایه پنهان
قدرت تعمیم و overfitting
دلایل رخ دادن overfitting
مثال: تشخیص ارقام
روشی که وزنها یاد گرفته میشوند
شبکه چه چیزی را یاد میگیرد؟
مثالی از تنوع ارقام دستنویس
انواع اتصالات شبکه
انواع مختلف یادگیری
اعمال Backpropagation به تشخیص اشیا
بخشی از متن:
شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.
یادگیری شبکه عصبی در برابر خطاهای داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار، شناسائی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.
شبکه عصبی چیست؟
روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.
شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 63 صفحه
قسمتی از متن word (..doc) :
دانشگاه آزاد اسلامی
واحد بندرعباس
دانشکده فنی مهندسی ، گروه عمران
پایان نامه برای دریافت درجه کارشناسی ارشد«M . Sc.»
عنوان:
محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی
Back Propagation (BP)
مباحث اصلی مورد بحث :
1- مقدمه
2- معرفی شبکه عصبی مصنوعی
3- فرکانس طبیعی
4- مدل سازی و آنالیز ورق با ANSYS
5- بررسی فرکانس ورق با هوش مصنوعی
6- نتیجه گیری و پیشنهادات
فصـل اول : مقدمه
در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است تواناییهای مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل میتواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا میباشد ، سیستمهای عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکههای عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شدهاند و همان گونه که مغز انسان میتواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکههای عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیدهاند،جوابهای قابل قبول ارائه دهند.
شبکههای عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصصهای گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری داشنمندان در چند زمینه علمی از قبیل مهندسی رایانه،
برق، سازه و بیولوژی اند. کاربرد شبکههای عصبی در مهندسی عمران و بخصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود.از موارد استفاده شبکههای عصبی در مهندسی عمران میتوان به بهینه سازی، تحلیل، طراحی، پیش بینی خیز و وزن سازهها، تحلیل و طراحی اتصالات، پیش بینی نتایج آزمایشهای بتنی و خاکی ،کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره نمود.
فصـل دوم : شبکه های عصبی مصنوعی
2-1- مقدمه
در این فصل به بررسی اجمالی شبکههای عصبی مصنوعی پرداخته میشود. با استفاده از شبکههای عصبی مصنوعی سعی میشود که ساختار مغز انسان شبیهسازی شود. در مغز انسان حدود1011 واحد سازنده بنام نرون2 که همان سلولهای عصبی هستند وجود دارد که هر یک از آنها به حدود 104 نرون دیگر متصل است.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 19 اسلاید
قسمتی از متن powerpoint (..ppt) :
بنام خدا
مقدمه ای بر فارماکولوژی سیستم عصبی خود مختار( ANS )
کلیات ANS
سیستم عصبی خود مختار بخش ناخودآگاه، اتوماتیک و غیر ارادی عمده سیتم عصبی است و از برخی نقاط در تضاد با سیستم عصبی سوماتیک (ارادی) است.
جنبه های آناتومیک ANS
بخش حرکتی ( efferent ) سیستم عصبی خودمختار بزگترین مسیر انتقال پیام از CNS به اندام های غیر ارادی است.
سیستم عصبی خود مختار گوارش( ENS ) بخشی از ANS
شبکه مزانتر(شبکه آئروباخ)
شبکه زیر مخاطی
ورودی از سیستم عصبی سمپاتیک و پاراسمپاتیک
بخش حسی ( afferent ) سیستم عصبی خود مختار دارای اهمیت بخصوص در کنترل اندام های غیر ارادی است.
نوروترانسیمتر در ANS
انتقال کولینرژیک: استیل کولین میانجی عصبی اصلی در عقده های اعصاب اتونوم و سیناپس فیبر عصبی پس عقده ای پاراسمپاتیک با سلول تاثیر پذیرنده است.
انتقال آدرنرژیک: نوراپی نفرین میانجی اصلی در سیناپس فیبر عصبی سمپاتیک با سلول تاثیر پذیرنده است.
مهمترین استثناء ها عبارت است از:
غدد عرق تنظیم کننده درجه حرارت بدن
فیبر های عصبی گشاد کننده عروق عضلات اسکلتی