شبکههای عصبی فازی
عنوان پایان نامه: بررسی پارامترهای مهم در شبکههای عصبی فازی
قالب بندی: PDF
قیمت: رایگان
شرح مختصر: منطق فازی یعنی استفاده از “زبان طبیعی” بجای اعداد برای توصیف رفتار و عملکرد سیستمها. این مفهوم بیشتر در سازماندهی و ارائه اطلاعات مورد استفاده بوده است. در حال حاضر، منطق فازی برای امنیت شبکههای اطلاعاتی مورد استفاده قرار میگیرد و در زمینههایی مانند مستند سازی و مدیریت رکوردها تحقیقات دیگری انجام نشده است. استفاده از فازی در حوزه هوش مصنوعی اهمیت زیادی پیدا کرده است و میتواند به حل مشکلات مدیریت اطلاعات کمک کند.
شبکههای عصبی فازی سامانههای پردازش داده هستند که از عملکرد مغز انسان الهام میگیرند. این سامانهها توسط پردازندههای کوچک و متعددی که به صورت شبکهای و موازی با یکدیگر ارتباط برقرار میکنند، دادهها را پردازش میکنند. با استفاده از دانش برنامهنویسی، ساختار دادهای شبکهها طراحی میشود که مشابه نورونها عمل کند. ساختار دادهای این نورونها را نورون گویند. با ایجاد ارتباطات بین این نورونها و آموزش شبکه با یک الگوریتم، شبکه آموزش داده میشود.
شبکههای عصبی فازی یک سیستم ارگانی با نورونهایی است که عملکرد و واکنش بدن را هماهنگ میکنند و سیگنالها را به بخشهای مختلف بدن منتقل میکنند. در بیشتر جانداران، سیستم عصبی دو بخش مرکزی و جانبی دارد. در مفاهیم جدیدتر، عبارت شبکه عصبی به معنای شبکهای از نورونهای مصنوعی است که ساخته شدهاند. بنابراین، شبکه عصبی به دو مفهوم شبکه عصبی زیستی و شبکه عصبی مصنوعی اشاره دارد.
شبکههای عصبی به دلیل توانایی بالایشان در استنتاج از دادههای پیچیده، میتوانند در شناسایی الگوها و گرایشهای مختلفی که برای انسانها و کامپیوترها دشوار است، مورد استفاده قرار بگیرند.
تنظیم پارامترهای شبکه عصبی مصنوعی یکی از چالشهای اصلی استفاده از آن است. شبکه عصبی فازی نسبت به روشهای دیگر قدرت بالایی در تشخیص الگوهای موجود در دادهها دارد و در مقایسه با روشهای دیگر، دقت بیشتری دارد. این روش به خوبی میتواند پیشبینیهای مناسبی ارائه کند و دارای سرعت همگرایی و دقت بالایی است.
فهرست:
فصل اول: منطق فازی
مقدمهای بر چیستی منطق فازی
مثالهای کاربردی از منطق فازی در زندگی روزمره
چرا سیستمهای فازی؟
زیرا سیستمهای فازی چگونه کار میکنند؟
سه نوع سیستم فازی وجود دارد
مشکلات اصلی سیستم فازی TSK عبارت از
منطق فازی و مدیریت اطلاعات در کتابخانه
تاریخچه منطق فازی
چیست منطق فازی؟
کاربردهای سیستمهای فازی
کاربردهای منطق فازی در سازماندهی اطلاعات
فصل دوم: شبکه عصبی (Neural Network)
مقدمه
شبکه عصبی
توصیف شبکههای عصبی
شبکههای عصبی زیستی
معرفی شبکه عصبی مصنوعی
تاریخچه شبکههای عصبی مصنوعی
چرا از شبکههای عصبی استفاده میشود
مقایسه شبکههای عصبی با کامپیوترهای سنتی
تشابه با ساختار مغز
تعریف دقیق شبکه عصبی
ساختار شبکههای عصبی
تقسیمبندی شبکههای عصبی
ویژگیهای یک شبکهعصبی
روش کار نورونها
نورون عصبی
ساختار یک نورون مصنوعی
نحوه استفاده از یک نورون مصنوعی
پیادهسازیهای الکترونیکی نورونهای مصنوعی
مدل ریاضی
کاربرد شبکههای عصبی
معایب شبکههای عصبی
نحوه یادگیری شبکههای عصبی
ساختار نورون و لایه نورون
تعریف کلاس
توضیح لوپ اصلی
فصل سوم: بررسی ساختار و پارامترهای مهم شبکههای عصبی فازی
مقدمه
یکپارچگی منطق فازی و شبکههای عصبی
کاربردهای سیستمهای فازی عصبی
انواع شبکه عصبی فازی و نوروفازی
پارامترهای کلیدی سیستمهای عصبی فازی
سیستم استنتاج تطبیقی عصبی فازی
موتور استنتاج فازی
انواع موتورهای استنتاج
تحلیل جامع شبکه تطبیقی بر اساس سیستمهای با منطق فازی
مرور ادبیات
تعیین معیارهای عملکرد شبکه عصبی مصنوعی و وزن هر یک از آنها
تعیین عوامل کنترلی با بیشترین تأثیر بر معیارهای عملکرد تعیین شده
تحلیل واریانس هر یک از معیارهای عملکرد به صورت جداگانه
استفاده از روش برنامهریزی فازی برای یافتن بهترین ترکیب عوامل کنترلی مؤثر
مثال عددی
تعیین معیارهای عملکرد شبکه عصبی مصنوعی و وزن هر یک از آنها
تعیین عوامل کنترلی با بیشترین تأثیر بر معیارهای عملکرد تعیین شده
تحلیل واریانس هر یک از معیارهای عملکرد به صورت جداگانه
تکنیک تبدیل هدف
استفاده از روش برنامهریزی فازی برای یافتن بهترین ترکیب عوامل کنترلی مؤثر
تحقیقات و مطالعات مرتبط با استفاده از شبکههای عصبی فازی
پیشبینی عوامل تأثیرگذار بر قیمت طلا
مدلسازی پیشبینی قیمت سهام
مدلسازی پیشبینی قیمت نفت با استفاده از شبکه عصبی فازی
مدلسازی پیشبینی جایگاه تیم ملی فوتبال ایران در ردهبندی فیفا با استفاده از شبکههای عصبی فازی
برنامهریزی تعمیرات و نگهداری پیشبینانه ایستگاههای گاز با رویکرد PCA و شبکههای عصبی فازی
نتیجهگیری
دانلود رایگان پایان نامه بررسی پارامترهای مهم در شبکه های عصبی فازی
فرستنده: محبوبه امین زاده
حجم فایل: 3,160 کیلوبایت