اگر مغز انقدر ساده باشد که برای ما قابل درک باشد ما ساده تر از ان هستیم که بتوانیم ان را درک کنیم .
شبکه عصبی از توان پردازشی مغز ما الگو برداری کرده است که کاربرد زیادی در تجارت دارد . در مدلسازی شبکه عصبی از روی مغز باید به دو ویژگی بیشتر توجه شود .
1-ساختار موازی مغز : مغز کارهای موازی را مثل دیدن و شنیدن بسیار راحت تر انجام می دهد تا اعمال پی در پی .
2-توان فراگیری مغز : مغز می تواند به خود اموزش دهد. یاد گیری از طریق مثال همان شیوه ای است که ما خواندن، نوشتن و ... را یاد گرفتیم .
2-مبنای بیولوژیکی عصبی :
نورون یک واحد سلولی از سیستم مغز می باشد که تقریبا به تعداد 1011 نورون در مغز وجود دارد که هر یک از نورون ها به بیش از 1000 نورون دیگر متصل اند .
شبکه های عصبی مصنوعی :
سیستم انطباقی که تعدادی عناصر پردازش ساده ( نورون ها ) را شامل می شود و از شبکه اعصاب مغز الگو برداری شده است این مدل شامل سه لایه است .
لایه ورودی : وظایف واحد های این لایه صرفا توزیع مقادیر ورودی به لایه بعدی می باشد بنابر این این لایه یک لایه محاسباتی نیست
لایه پنهان ( میانی ) : این لایه مستقیما به داده های ورودی و نتایج خروجی متصل نیست به همین خاطر به آن لایه پنهان می گویند .
لایه خروجی : خروجی شبکه را در پاسخ به یک ورودی مشخص نشان می دهد .
و در اپامه داریم:
شبکه پیش خور
شبکه بازخوردی
شبکه بدون نظارت
تقریب تابع
دسته بندی الگوها
یادگیری
یادگیری نظارتی
یادگیری تشدیدی
یادگیری نظارتی
الگوریتم پس انتشار
فایل پاورپوینت 28 اسلاید