image
تاریخ : 2015/08/03 نویسنده : h.gh دیدگاه : 0

شبکه‏ های عصبی مصنوعی (Artificial Neural Network) یا به اختصار (ANN) که امروزه در کاربردهای فراوانی ارزش بالای خود را نشان داده اند، بر اساس مدل بیولوژیک مغز انسان به وجود آمده اند. مفهوم شبکه عصبی مصنوعی که در واقع یکی از مهمترین زیر شاخه‌های هوش مصنوعی است، در واقع نمونه برداری ساده ای از سیستم عصبی انسان است که در قالب یک مدل ریاضی متبلور شده است.
شبکه‏ های عصبی مصنوعی دارای ویژگی‏هایی می باشند که آن‎ها را در برخی از کاربردها مانند تخمین توابع، پیش بینی، تشخیص الگو، کنترل، رباتیک و به طور کلی در هرجا که نیاز به یادگیری یک نگاشت خطی و یا غیر خطی باشد، ممتاز می نماید. از جمله این ویژگی ها می توان به قابلیت یادگیری، قابلیت تعمیم، پردازش موازی و مقاوم بودن، اشاره نمود. تنوع مدل‎های شبکه‎های عصبی و الگوریتم‎های یادگیری آن‏ها، امکان کاربردهای مختلفی را برای آن‎ها فراهم می‎آورد. هر شبکه عصبی مصنوعی و یا به اختصار شبکه عصبی، مشتمل بر مجموعه‎ای از اجزاء کوچک داده پردازی به نام نرون مصنوعی و یا نرون است که هر نرون به نرون‎های دیگر از طریق یک رابطه جهت‎دار که دارای وزن مختص به خود است، مرتبط می‎گردد.
مفروضات زیر در شبکه‎های عصبی مورد توجه قرار می‎گیرند:
• فرایند پردازش اطلاعات در واحدهای ساده‎ای به نام نرون صورت می گیرد. این نرون‎ها، در حقیقت نمونه‎ای بسیار ساده از نرون‎های مغزی‎اند.
• اطلاعات در مسیرهای ارتباطی بین نرون‎ها رد و بدل می‎شوند.
• هر کدام از خطوط ارتباطی بین نرون‎ها دارای وزن هستند.
• هر نرون از یک تابع عملیاتی (معمولا غیر خطی) استفاده می‎کند، تا با اعمال آن روی ورودی نرون (مجموع اطلاعات وزن دار شده)، خروجی مشخصی ایجاد کند.
شبکه‎های عصبی را می توان در موارد گوناگونی از جمله ذخیره کردن و بازیابی داده‎ها، گروه‎بندی شکل‎ها، انجام یک نگاشت کلی از یک مجموعه ورودی به یک مجموعه خروجی، گروه‎بندی و طبقه بندی داده‎های مشابه، بهینه سازی و پیش‎بینی استفاده کرد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *