نرون‌ها عناصر پردازشگر اطلاعات هستند که اساس عملیات شبکه‌های عصبی را تشکیل می‌دهند. یک مدل نرونی از سه بخش اصلی تشکیل شده است: مجموعه‌ای از سیناپس‌ها یا ارتباطات که به هر یک از آنها وزنی اختصاص داده می‌شود.
جزئیات بیشتر در ادامه مطلب + دانلود فایل مقاله
پیشینه داخلی و خارجی:
دارد
منابع فارسی:
دارد
منابع لاتین:
دارد
نوع فایل:
Word قابل ویرایش
تعداد صفحه:
23 صفحه
کد:
1697 mg
اجزای شبکه‌های عصبی مصنوعی- عناصر پردازشگر- ساختار شبکه- پرسپترون چندلایه- پردازش اطلاعات در شبکه‌های عصبی مصنوعی- تابع جمع - یادگیری- یادگیری بدون‌ناظر- الگوریتم پس‌انتشارخطا- مروری بر پژوهش¬ها- پژوهش¬های داخلی- پژوهش¬های خارجی- منابع فارسي- منابع لاتین.
نرون‌ها عناصر پردازشگر اطلاعات هستند که اساس عملیات شبکه‌های عصبی را تشکیل می‌دهند.
یک مدل نرونی از سه بخش اصلی تشکیل شده است: مجموعه‌ای از سیناپس‌ها یا ارتباطات که به هر یک از آنها وزنی اختصاص داده می‌شود، جمع‌کننده سیگنال داده‌ها که به وسیله سیناپس مربوطه وزن‌دهی شده‌اند، تابع محرک برای محدود کردن نوسانات خروجی نرون.
در طول عملیات پردازش در شبکه های عصبی مصنوعی هر یک از اتصالات دارای وزن می باشند و این اوزان با توجه به قابلیت تغییرشان در یادگیری شبکه مورد استفاده قرار می گیرند.
هنگامی که مدل مسیر نادرست را انتخاب می کند اوزان میان اتصالات واحدهای شبکه می توانند تغییر یابند و بر اساس داده ها یا شاخص¬هایی اصلاح شوند، این فرآیند تا هزاران بار در یک سیکل تکرار می شوند تا جایی که به جواب صحیح برسد( خازم، 2007، 54) .
نرون‌ها، ورودی‌ها را دریافت می‌کنند، سپس آنها را مورد پردازش قرار داده و خروجی‌ها را تحویل می‌دهند.
ورودی می‌تواند داده خام یا خروجی دیگر عناصر پردازشگر باشد.
خروجی نیز می‌تواند محصول نهایی یا ورودی نرون دیگر باشد.
