no-img
ام ای پدیا

دانلود سمینار محاسبات فازی، محاسبات عصبی و الگوریتم‌های مبتنی بر ژنتیک و الگوریتم ازدحام ذرات


ام ای پدیا

ادامه مطلب

DOC
دانلود سمینار محاسبات فازی، محاسبات عصبی و الگوریتم‌های مبتنی بر ژنتیک و الگوریتم ازدحام ذرات
doc
اسفند ۱۸, ۱۳۹۵
هر صفحه 100 تومان
تعداد صفحات: 39 صفحه
۳,۹۰۰ تومان
۳,۹۰۰ تومان – خرید

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- منطق فازی ۲

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- شبکه‌های عصبی ۹

۱-۲-۱- مقدمه‌ای بر شبکه‌های عصبی مصنوعی ۹

۱-۲-۲- شباهت با مغز ۹

۱-۲-۳- شبکه‌های عصبی مصنوعی ۱۲

۱-۲-۴- سلول عصبی مصنوعی ۱۳

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- الگوریتم ژنتیک ۲۱

۱-۴-۱- مقدمه ۲۱

۱-۴-۲- نمایش کروموزوم ۲۴

۱-۴-۳- نقشه‌های انکدینگ ۲۵

۱-۴-۴- مقداردهی اولیه‌ی جمعیت ۲۷

۱-۴-۵- تابع تناسب ۲۸

۱-۴-۶- عملگرهای ژنتیک ۲۹

۱-۴-۷- روش‌های انتخاب ۳۳

۱-۵- الگوریتم ازدحام ذرات (PSO) 35

 

 



برچسب‌ها :
, , , , , , , , , , , , , , , , , ,

دیدگاه ها


پاسخ دهید

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