شبکه های عصبی مصنوعی

 | تاریخ ارسال: 1399/7/1 | 
 دانشکده مهندسی پزشکی       
 
تحصیلات تکمیلی   (اختیاری)
 
 
عنوان درس: شبکه های عصبی مصنوعی
 
تعداد واحد       ۳                                                 پیش نیاز  پردازش سیگنال های دیجیتال
                                                                                      
 
                                                                           هم نیاز   -
        
 

اهداف کلی درس رئوس مطالب:
 
1. مقدمه ای بر شبکه های عصبی
 
2. نورون زیستی و مدل مک کلوپیتس
* یادگیری در شبکه های عصبی ، حافظه انجمنی ، شبکه پرسپترون، الگوریتم حداقل میانگین مربعات پرسپترون چند لایه.
 
3.تبیین ریاضی عملکرد شبکه های عصبی در فضاهای با ابعاد زیاد

4. الگوریتم پس انتشار خطا و مبانی ریاضی آن

5. الگوریتم های توسعه یافته تر از نظر سرعت و کیفیت همگرایی نسبت به پس انتشار خطای کلاسیک

6. روش های افزایش و هرس نورون ها و اتصالات

7. شبکه های جلوسوی چند لایه با تأخیر زمانی (TDNN)، شبکه RBF ، شبکه های Recurrent ، شبکه هاپفیلد، ماشین بولتزمان، سیستم های خود سازمانده ، یادگیری رقابتی، نگاشت خود سازمانده (SOFM)  شبکه های ART1 و ART2 شبکه نئوکاگلیترون

 



روش ارزیابی:
 
□ عملکردی    □ آزمون نوشتاری    ■ آزمون نهایی    ■ میان ترم    □ ارزشیابی مستمر
* بسته به نظر استاد ممکن است مواردی نظیر تمرینها، سمینار و پروژه در نمره پایانی درس تأثیر داده شود.
 


مراجع
 
1)J. C. Principe, N. R. Euliano, and W. C. Lefebvre, Neural and adaptive systems:fundamentals through simulations: wiley. 2000 .
2) S. Hykin, "Neural Networks: A compreshensive Foundation. Printice- Hall," inc, New Jersey, 1999 .
3) B. D. Ripley, pattern Recogition and Neural Networks, Cambridge university press, 2008 .
4) H. Tang, et al. Neural Networks: Computational Models and and Applications, Springer, 2007 .
5( م- منهاج، مبانی شبکه های عصبی انتشارات دانشگاه صنعتی امیرکبیر. 1379


دفعات مشاهده: 790 بار   |   دفعات چاپ: 4 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر