دانلود سمینار محاسبات فازی، محاسبات عصبی و الگوریتم‌های مبتنی بر ژنتیک و الگوریتم ازدحام ذرات
دانلود سمینار محاسبات فازی، محاسبات عصبی و الگوریتم‌های مبتنی بر ژنتیک و الگوریتم ازدحام ذرات
فرمت قابل ویرایش ورد word
تعداد صفحات: ۳۹ صفحه
خلاصه ای از فایل
منطق فازی
در دنیای واقعی دانش‌های فازی بسیاری وجود دارد که دارای رفتاری مبهم، کم دقت، نادرست، نامعین و نامفهوم می‌باشند. البته تحلیل و تصمیم گیری پیرامون این مسائل برای انسان بدلیل دارا بودن سطح تعقل، قابل تعمیم‌پذیری و انعطاف، استدلال، استنتاج و ادراک کار مشکلی نیست.
همچنین به دلیل درگیر بودن متداول با آن مسأله یا مسائل مشابه اغلب از دانش از پیش آموخته‌ی خود در جهت مدل‌سازی و حل مسأله، تحلیلی مناسب برای آن ارائه می‌نماید. حال سؤال این است که آیا یک ماشین نیز این توانایی را دارد. به یقین جواب منفی است. ماشین و روبات با عملکرد خودکار و بدون دخالت انسان تا به امروز قادر به تصمیم گیری همچون یک انسان را نداشته است. اما با پیدایش سیستم‌های هوش مصنوعی، افزودن قابلیت یادگیری و بهره‌مندی از روش‌های محاسبات نرم می‌توان سیستمی را ارائه نمود که در راستای خاصی تصمیماتی نزدیک به تصمیم یک انسان بگیرد.
سیستم‌های محاسباتی که بر مبنای تئوری جایگشت کلاسیک هستند و یا از منطق دو ارزشی (باینری) کار می‌کنند، قادر به جواب دادن به تمامی سؤالاتی که انسان پاسخ می‌دهد نیستند و اگر هم جوابی داشته باشند در اغلب موارد خطای بسیار بالایی خواهد داشت.
هرچند فرض داشتن عملکرد ماشین همچون انسان یک ایده‌آل محسوب می‌شود، اما این انتظار که سیستم ارائه شده بتواند پی به روابط معنی‌دار یک مسأله ببرد ( با درصد خطای قابل قبول) انتظار قابل قبولی می‌باشد. مبرهن است که در برخورد با مسأله‌ای که دارای عدم قطعیت می‌باشد، باید رفتاری انعطاف‌پذیر داشت.
فهرست
دانلود سمینار محاسبات فازی، محاسبات عصبی و الگوریتم‌های مبتنی بر ژنتیک و الگوریتم ازدحام ذرات ۱
۱-۱-۱- تفاوت مجموعه‌های فازی و مجموعه‌های کلاسیک ۳
۱-۱-۲- مجموعه‌های خشک و غیر خشک ۴
۱-۱-۳- تشریح مجموعه‌های فازی ۵
۱-۱-۴- روند بکارگیری منطق فازی ۶
۱-۱-۵- منطق فازی و ارتباط آن با هوش مصنوعی ۸
۱-۲-۱- مقدمه‌ای بر شبکه‌های عصبی مصنوعی ۹
۱-۲-۳- شبکه‌های عصبی مصنوعی ۱۲
۱-۲-۵- ساختار شبکه های عصبی مصنوعی و عملکرد آنها ۱۳
۱-۲-۶- تقسیم‌بندی شبکه های عصبی براساس ساختار ۱۶
۱-۲-۷- تقسیم‌بندی شبکه های عصبی براساس الگوریتم یادگیری ۱۶
۱-۲-۸- نگرشی کلی بر آموزش شبکه ۱۸
۱-۳- الگوریتم‌های بهینه سازی تکاملی ۱۹
۱-۴-۴- مقداردهی اولیه‌ی جمعیت ۲۷
۱-۵- الگوریتم ازدحام ذرات (PSO) 35
دیدگاه ها