دانلود مقاله شبکه های عصبی با فرمت ورد ودر 37 صفحه قابل ویرایش

قسمتی از متن مقاله

مقدمه:

در عصر حاضر در بسياري از موارد ماشين ها جايگزين انسانها شده اند و بسياري از كارهاي فيزيكي كه در گذشته توسط انسانها انجام مي گرفت امروزه توسط ماشين ها صورت مي گيرد . اگرچه قدرت كامپيوترها در ذخيره، بازيابي اطلاعات و اتوماسيون اداري ،..... غير قابل انكار است، اما همچنان مواردي وجود دارد كه انسان ناچار است خودش كارها را انجام دهد. اما به طور كلي ، موارد مرتبط با ماشين شامل سيستم هايي است كه در آن به علت ارتباطات پيچيده بين اجزا، مغز انسان از درك رياضي اين ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالي رفتارهاي سيستم و گاه آزمايش نتيجه اي كه بر اثر دستكاري يكي از اجزاي سيستم به دست مي آيد تا حدي مي تواند عادتهاي سيستم را شناسايي كند .

اين روند يادگيري بر اثر مشاهده مثالهاي متنوع از سيستم ، به كسب تجربه منجر مي شود. در چنين سيستم‌هايي مغز قادر به تجزيه و تحليل داخلي سيستم نيست و تنها با توجه به رفتارهاي خارجي، عملكرد داخلي سيستم را تخمين مي زند و عكس العملهاي آن را پيش بيني مي كند.
چگونگي اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصميم گيري ، از موضوعات بحث برانگيز در عصرحاضر است. يكي از مسائل مهم تحقيقاتي در زمينه علوم كامپيوتر، پياده سازي مدلي شبيه به سيستم داخلي مغز انسان براي تجزيه و تحليل سيستم هاي مختلف بر اساس تجربه است .در اين راستا شبكه هاي عصبي يكي از پوياترين حوزه‌هاي تحقيق در دوران معاصر هستند كه افراد متعددي از رشته هاي گوناگون علمي را به خود جلب كرده است .استفاده از شبكه‌هاي عصبي و الگوريتم هاي ژنتيك در حل مسائل پيچيده كاربردي اين روزها بيش از بيش رواج يافته است .1

1- مبانی شبکه های عصبی – دکتر منهاج

تاریخچه:

هوش مصنوعی به خودی خود علمی است کاملا جوان و بسیاری شروع هوش مصنوعی را سال 1395 می دانند، زمانی که آلن تورینگ مقاله خود را درباره چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به آزمون تورینگ مشهور شد). وی در آن مقاله یک روش را برای تشخیص هوشمندی پیشنهاد می کرد. این روش بیشتر به یک بازی شبیه بود.

فرض کنید شما در یک سمت از یک دیوار ، پرده یا هر مانع دیگر هستید و به صورت تله تایپ با آن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتا یک مکالمه بین شما و شخص آن سوی دیوار می تواند صورت پذیرد. حال اگر پس از پایان مکالمه به شما گفته شود که آن سوی دیوار نه یک شخص (شما کالا از هویت آن سوی دیوار بی خبرید) بلکه یک ماشین بوده که به شما پاسخ داده، آن ماشین هوشمند خواهد بود، درغیر اینصورت (یعنی در صورتی که شما در وسط مکالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار، هوشمند نیست و موفق به گذراندن آزمون تورینگ نشده است.

باید دقت کرد که تورینگ به دو دلیل کاملا مهم این نوع ارتباط (ارتباط متنی به جای صوت) را انتخاب کرد. اول اینکه موضوع ادراکی صوت را کاملا از صورت مساله حذف کند و این آزمون هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نکند و دوم اینکه بر جهت گیری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاکید کند.

هرچند تاکنون تلاش های متعددی در جهت پیاده سازی آزمون تورینگ صورت گرفته مانند برنامه Eliza و یا زبان AIML -زبانی برای نوشتن برنامه هایی که قادر به چت کردن خودکار باشند- اما هنوز هیچ ماشینی موفق به گذر از چنین آزمونی نشده است.همانگونه که مشخص است، این آزمون نیز همچنان دو پیش فرض اساسی را دربردارد:

1- نمونه کامل هوشمندی ، انسان است.

2- مهم ترین مشخصه هوشمندی، توانایی پردازش و درک زبان طبیعی است.

این که توانایی درک زبان ، نشانه هوشمندی است، تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی که به معرفت شناسی پرداخته شده زبان همیشه در جایگاه نخست فعالیتهای شناختی قرار داشته است. از یونانیان باستان که لوگوس را به عنوان زبان و حقیقت یکجا به کار می برند تا فیلسوفان امروزین که یا زبان را خانه وجود می دانند، یا آن ریشه مسائل فلسفی می خوانند; زبان همواره شان خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ کرده است.

در 1943 مک کلاچ (روانشناس، فیلسوف و شاعر) و پیتز ( ریاضیدان) طی مقاله ای ، نظرهای آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را ترکیب کردند. فکر اصلی آن مقاله چگونگی انجام اعمال منطقی با اجزای ساده شبکه عصبی بود. اجزای بسیار ساده (نورون ها) این شبکه فقط از طریق سیگنال های تحریک و توقیف با هم در تماس بودند. این همان چیزی بود در بعدها دانشمندن علوم رایانه آن را در مدارهای And و OR نامیدند و طراحی اولین رایانه در 1947 به دست نیومان و عمیقتا از آن الهام می گرفت. امروز پس از گذشته نیم قرن از کار مک کلاچ و پیتز شاید بتوان گفت که این کار الهام بخش گرایشی کاملا پویا ونوین در هوش مصنوعی است.1

نخستین کاربرد علمی شبکه های عصبی در اواخر دهه 50 قرن بیستم مطرح شد، زمانی که فرانک روز نبلات در سال 1958 شبکه پرسپرون را معرفی نمود . روزنبلات و همکارانش شبکه ای ساختند که قادر بود الگوها را از هم شناسایی کند . در همین زمان بود که برنارد ویدرو درسال 1960 شبکه عصبی تطبیقی خطی آدلاین را با قانون یادگیری جدید مطرح نمود که از لحاظ ساختار شبیه شبکه پرسپرون بود.

پیشرفت شبکه های عصبی تا دهه 70 قرن بیستم ادامه یافت. در 1972 تئوکوهونن و جیمزاندرسون بطور مستقل و بدون اطلاع از هم، شبکه های عصبی جدیدی را معرفی نمودند که قادر بودند به عنوان "عناصر ذخیره ساز" عمل نمایند.استفان گروسبرگ در این دهه روی شبکه های خود سازمانده فعالیت می کرد.

استفاده از مکانیسم تصادفی جهت توضیح عملکرد یک طبقه وسیع از شبکه های برگشتی که می توان آنها را درجهت ذخیره سازی اطلاعات استفاده نمود. این ایده توسط جان هاپفیلد فیزیکدان آمریکایی در سال 1982 مطرح شد. دومین ایده مهم که کلید توسعه شبکه های عصبی در دهه 80 شد، الگوریتم "پس از انتشار خطا" می باشد که توسط دیوید راملهارت و جیمز مکلند در سال 1986 مطرح گردید. با بروز این دو ایده شبکه های عصبی متحول شدند. 2

1- تاریخ هوش مصنوعی–علیرضا قمی

2- مبانی شبکه های عصبی – دکتر منهاج

در سال 1997 دیپ بلو که یک ماشین شطرنج باز بود، توانست قهرمان جهان "گری کاسپارف" رو شکست بده که این موفقیت بزرگ بود در جهان هوش مصنوعی !

چند مبحث از هوش مصنوعی:

طبقه بندی های مهم نرم افزارهای هوش مصنوعی که در فرآیند تصمیم گیری های افراد مورد استفاده قرار می گیرد عبارتند از:

v شبکه های عصبی

v الگوریتم های ژنتیک

v منطق فازی1

شبکه عصبی چیست؟
 روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود.
 شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.
 شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری می باشد.
 یادگیری شبکه عصبی در برابر خطاهای داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسایی گفتار، شناسایی و تعبیر تصاویر و یادگیری روبات اعمال شده است.2