مباحث پیشرفته در شبکه های عصبی

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

اهداف کلی درس رئوس مطالب:
 
۱. قوانین پیشرفته یادگیری در شبکه های عصبی:
* روش گرادیان مزدوج
* روش (levenburg- Marquardt)
۲. تغییر و توسعه ساختاری در شبکه های عصبی:
* نگاهی بر توسعه و تکامل در مغز
*شبکه های عصبی مصنوعی یا ساختار پویا
* روش های هرس واحدها و اتصالات (pruning)
* روش های افزایش واحدها و اتصالات (Constructive)
* روش های افزایش و هرس توأم واحدها و اتصالات

 
۳.  الگوریتم های تکاملی و تکامل دادن شبکه های عصبی
* مقدمه ای بر الگوریتم های تکاملی
* الگوریتم های ژنتیک
*استراتژی های تکاملی
* تکامل دادن شبکه های عصبی مصنوعی
* تکامل دادن وزن های اتصالات
* تکامل دادن معماری شبکه (نحوه اتصال بندی، توابع تبدیل گره ها)

 
۴. شبکه های عصبی مدولار:
* اصول طراحی شبکه های عصبی مدولار
* چند مثال از شبکه های عصبی مدولار

 
۵. شبکه های عصبی بازگشتی
* شبکه های Jordan و Elman
* باز کردن شبکه های بازگشتی در زمان
* روش های تعلیم شبکه های عصبی بازگشتی RTRL و BPTT
* تعلیم نقطه ثابت
* تعلیم مسیر
* شبکه هایفیلد پیوسته
* تحلیل پایداری شبکه های عصبی بازگشتی

 
۶. پردازش هوشمند سیگنال ها توسط شبکه های عصبی:
* تحلیل مؤلفه های اساسی غیرخطی توسط شبکه های عصبی
* تحلیل مؤلفه های اساسی غیرخطی توسط شبکه های عصبی
* پردازش معکوس در شبکه های عصبی چلوسو به کمک پس انتشار خطا
* پردازش دو سویه در شبکه های عصبی با استفاده از شبکه های معکوس یکدیگر
۷. شبکه های عصبی پالسی (اسپایکی)

۸. نمونه هایی از کاربردها

 
 



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)M. M. Gupla, L. Jin and N. Homman, static and Dynamic Neural Network: From Fundamentals to Advanced theory, John wiley & sons, 2004 .
9)A. charalam bopulos, D. I. Fotiadis and D. Polyzos Advanced Topics in Scattering Theory and Biomedical Engineering, world Seientific,2010 .
3) G. Ferla,L. Fortuna and A. imbruglia, Advanced Topics in Microelectronics and system cesign, world scientific, 2000 .
4) M. H. Hassoun , Fundamentals of Artificial Neural Networks , MIT press, 1995 .
5) D. Graupe principles of Artificial Neural Networks, world Scientific,2007
6)Y. H. Hu& J. N. Hwang, Handbook of Neural Network signal prentice Hall, 1999 .
7) S. S. Haykin , Neural Network: A comprehensive Foundation, Processing. CRC Press, 2010 .
8) J. C. Principe , N. R. Euliano and W. C. Lefebvre, Neural and Adaptive Systems: Fundamentals through simulations, john wiley & sons. 2000 .
9) M. A. Arbib, the Handbook of Brain Theory and Neural Network, MIT press, 2003 .
10) ch. M. Bishop. Neural Network for Pattern Recognition, Oxford University Press, 1995 .
11) J. M. Zurada Introduction to Artifical Neural Systems , Jaico Publishing House,2006 .
12) A. Zaknich, Neural Networks for intelligent signal processing world scientifiv, 2003.


دفعات مشاهده: 222 بار   |   دفعات چاپ: 9 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر