فایل پاورپوینت فصل ششم شبکه های عصبی مصنوعی (پرسپترون چند لایه)

فایل پاورپوینت فصل ششم شبکه های عصبی مصنوعی (پرسپترون چند لایه)

دانشجویان و کاربران گرامی در این بخش گروه علمی گوگل فایل فایل جامع پاورپوینت فصل ششم شبکه های عصبی مصنوعی (پرسپترون چند لایه) را آماده دانلود و استفاده شما عزیزان قرار داده است .این فایل شامل ۷۵ اسلاید زیبا آموزنده و قابل ویرایش با مطالب سودمند می باشد. در صورت تمایل می توانید این فایل ارزشمند را از فروشگاه سایت گوگل فایل خریداری و دانلود نمایید. امید است سودمند بوده و مورد استفاده شما عزیزان قرار گیرد. پس از اتمام فرآیند خرید لینک فایل قابل مشاهده و دانلود می باشد و یک لینک هم به ایمیل شما ارسال خواهد شد.

فایل پاورپوینت فصل ششم شبکه های عصبی مصنوعی (پرسپترون چند لایه)

قسمتی از متن فایل:

شبکه‏‎های پیش ‏خورد چند لایه:

جهت سیگنال ورودی بصورت لایه به لایه از ورودی به خروجی است، سلول‏های عصبی چند لایه را (MLP) نیز می‏‎نامند.

– نوع یادگیری این شبکه‏ ها از نوع تحت نظارت است.

-الگوریتم یادگیری این شبکه ‏ها از نوع تصحیح خطا است که به آن در اینجا الگوریتم پس انتشار خطا (BP) نیز می‏ گویند.

-که در واقع فرم تعمیم یافته الگوریتم کمترین میانگین مربعات (LMS) است.

الگوریتم پس انتشار خطا شامل دو بخش متمایز از هم است:

۱– عبور مستقیم: بردار سیگنال به لایه ورودی اعمال می‏ شود، خروجی لایه به لایه بدست می‏ آید، در حالیکه وزن‏ ها ثابت ‏اند.

۲- عبور معکوس: خطای خروجی محاسبه شده و لایه به لایه به سمت ورودی برمی‏ گردد. وزن‏ها اصلاح می‏ شود .

شبکه پیش خورد دارای سه مشخصه بارز است:

۱- هر سلول دارای یک تابع S شکل مشتق‏پذیر در خروجی است مثل Sigmoid

۲- دارای یک یا چند لایه مخفی است که هدف آن یادگیری خصوصیات ویژه الگوی ورودی است.

۳- ازدحام وزن‏ها بسیار بالاست بطوری که شبکه توانایی پردازش موازی را فراهم می‏‎کند.

تغییرات در وزن‏ها در الگوریتم فوق براساس اعمال یک الگوی ورودی و محاسبه وزن‏های جدید است (مربعات خطا).

در حالیکه در LMS تغییرات در وزنها بر اساس میانگین مربعات خطا بوده است.

مطالعه بیشتر