سارا-افشار 36437 اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ شبکه های عصبی ، با قابلیت قابل توجه در استنتاج معانی از داده های پیچیده یا مبهم ، برای استخراج الگوها و شناسایی روشهایی که آگاهی از آنها برای انسان و دیگر تکنیک های کامپیوتری بسیار پیچیده و دشوار است به کار گرفته می شوند. یک شبکه عصبی تربیت یافته می تواند به عنوان یک متخصص در مقوله اطلاعاتی ای که برای تجزیه تحلیل به آن داده شده به حساب آید.از این متخصص می توان برای بر آورد وضعیت های دخواه جدید و جواب سؤال های " چه می شد اگر " استفاده کرد. 4 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ تلاش‌هايي كه براي اجرايي كردن سيستم‌هاي خبره به كار گرفته شده‌اند، با مشكلات مشتركي مواجه بوده‌اند. با افزايش سطح پيچيدگي سيستم‌ها، منابع كامپيوتري مورد نياز سيستم به شدت افزايش مي‌يابند و سيستم با كندي بيش از حد روبرو مي‌شود. در حقيقت تجربه نشان داده است كه در وضعيت فعلي، سيستم‌هاي خبره تنها مي‌توانند در مواقعي مفيد واقع شوند كه هدف محدود و مشخصي تعيين شده باشد. شبكه‌هاي عصبي در مسيري گام برمي‌دارند كه ابزارها توانايي فراگيري و برنامه‌ريزي خود را داشته باشند. ساختارشبكه‌هاي عصبي به گونه‌اي است كه قابليت حل مسئله را بدون كمك فرد متخصص و برنامه‌ريزي خارجي داشته باشند. شبكه‌هاي عصبي قادر به يافتن الگوهايي در اطلاعات هستند كه هيچ‌كس، هيچ‌گاه از وجود آنها اطلاع نداشته است. درحالي‌كه سيستم‌هاي خبره در عمل به موفقيت‌هاي بسياري دست يافته‌اند، شبكه‌هاي عصبي در كاربردهايي همچون ديد مصنوعي، تشخيص و توليد پيوسته گفتار، فراگيري ماشيني و نظاير آن با مشكلاتي روبرو بوده‌اند. در حال حاضر شبكه‌هاي عصبي كاملاً وابسته به سرعت پردازنده سيستم اجرا كننده هستند. 4 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ اینایی که این زیر بیان می کنم نظرات و برداشت های خودمه نمیدونم چقدر درست هستند نمیدونم تا حالا با مسایلی برخورد کردید که تعداد حالاتش خیلی خیلی خیلی .....................زیاد باشه؟ تو تاپیک اموزش شبکه های عصبی گفتیم که شبکه های عصبی یه طبقه بند الگوست اینجا باید این نکته رو اضافه کنم که هر شبکه عصبی درسته یه طبقه بند الگوست ولی هر طبقه بند الگو , شبکه عصبی نیس فرض کنید یه سیستمی داریم فوق العاده پیچیده , مثل سیستم کنترل هواپیمای مسافر بری یا سیستمی که کار مرکز کنترل یه نیروگاه هسته ای رو انجام میده برای چنین سیستم هایی به نظرتون چن تا حالت می تونه اتفاق بیافته هر حالتش تحت چه شرایطی اتفاق می افته ؟ ایا تضمینی هس سیستمی خودکار بشه طراحی کرد که بشه درش تمامی حالات را پیاده سازی کرد ؟ درجواب باید بگیم نه , هیچ تضمینی نیس هیچ تضمینی برا سیستم های پیچیده , یه حدی از پیچیدگی درنظر میگیرن ولی از این حد گذشت دیگه نمیشه از روشهای کلاسیک برای مدیریت اون سیستم استفاده کرد اینجاست که سه تا شاخه های علوم به کمک ما می ایند یکی منطق فازی ست که برای اولین بار یه ایرانی اونو ارایه کرده یکی شبکه های عصبی ست و دیگری الگوریتم های متاهیوریستیکی ست که اتفاقا اینام از طبیعت الهام گرفته اند کارشون پیدا کردن جواب نزدیک به بهینه هس درلابلای میلیاردها میلیاردها میلیاردها و............................جواب همون طور که می دونید هر سیستم ساخت بشر دو جنبه داره یکی جنبه سخت افزاری و دیگری جنبه نرم افزاری متاسفانه هردوی اینها دارای محدودیت هستند فرضکنید سیستمی دارای n! به توان n! حالت هست به نظرتون کدوم سیستمی می تونه تمامی این حالت ها رو شبیه سازی کنه ؟ به فرض که از نظر سخت افزاری محدودیتی نداشته باشیم ولی از نظر نرم افزاری شاید برای اجرای چنین برنامه ای میلیاردها سال زمان لازم باشه 4 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ یک شبکه عصبی به طور کلی با یک کامپیوتر سنتی در موارد زیر تفاوت دارد :1. شبکه‌های عصبی دستورات را به صورت سری اجرا نکرده، شامل حافظه‌ای برای نگهداری داده و دستورالعمل نیستند.2. به مجموعه‌ای از ورودی‌ها به صورت موازی پاسخ می‌دهند.3. بیشتر با تبدیلات و نگاشت‌ها سروکار دارند تا الگوریتم‌ها و روش‌ها.4. شامل ابزار محاسباتی پیچیده نبوده، از تعداد زیادی ابزارساده که اغلب کمی بیشتر از یک جمع وزن دار را انجام می‌دهند تشکیل شده‌اند.شبکه‌های عصبی شیوه‌ای متفاوت برای حل مسئله دارند. کامپیوترهای سنتی از شیوه الگوریتمی برای حل مسئله استفاده می‌کنند که برای حل مسئله مجموعه‌ای از دستورالعمل‌های بدون ابهام دنبال میشود. این دستورات به زبان سطح بالا و سپس به زبان ماشین که سامانه قادر به تشخیص آن می‌باشد تبدیل می‌شوند. اگر مراحلی که کامپیوتر برای حل مسئله باید طی کند از قبل شناخته شده نباشند و الگوریتم مشخصی وجود نداشته باشد، سامانه توانایی حل مسئله را ندارد. کامپیوترها می‌توانند خیلی سودمندتر باشند اگر بتوانند کارهایی را که ما هیچ پیش زمینه‌ای از آنها نداریم انجام دهند. شبکه‌های عصبی و کامپیوترها نه تنها رقیب هم نیستند بلکه می‌توانند مکمل هم باشند. کارهایی وجود دارند که بهتر است از روش الگوریتمی حل شوند و همین طور کارهایی وجود دارند که جز از طریق شبکه عصبی مصنوعی قابل حل نمی‌باشند و البته تعداد زیادی نیز برای بدست آوردن بازده حداکثر، از ترکیبی از روشهای فوق استفاده می‌کنند. به طور معمول یک کامپیوتر سنتی برای نظارت بر شبکه عصبی استفاده میشود. شبکه‌های عصبی معجزه نمی‌کنند، اگر به طور محسوس استفاده شوند کارهای عجیبی انجام می‌دهند. برگرفته از ویکیپدیا 3 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ راستی یه نکته هم به ذهنم رسید شده تاحالا کسی ازتون دلیل انجام کاری رو بخواد ولی شما نتونید مرحله به مرحله , دلیل و منطقتونو بیان کنید اینا کار همون نورونهای عصبی ماست یکی از دلایلی که از شبکه های عصبی استفاده می کنیم همینه فردا یه مثال قابل لمس براتون میزنم 4 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ انسان از راههای تجربه , اموزش و مطالعه دانش کسب می کنه کسی که تو کاره ارز و سکه هس تو مرحله اغازین کارش , اشتباهاتش درمورد پیش بینی قیمت ها بیشتره اما رفته رفته میزان اشتباه کم میشه ولی هرگز به صفر نمیرسه چطور میشه که اشتباهات کم میشه یکی تجربه : یعنی فرد نگاه می کنه به شرایط بازار و و سیاست و .... درسالهای قبل و تاثیری که روی قیمتها گذاشته بود دومی منبع اطلاعات و دانش : حتما شنیدید میگن فلان کارگزار منبع اطلاعاتیش خیلی قویه واسه اون پیش بینی هاش ردخور نداره توی شبکه عصبی تجربه از طریق ارایه قیمتهای سالهای قبل (مثالها و همون قضیه یادگیری باناظر ) یادگرفته میشود منظور از یادگیری یعنی پیداکردن مقادیر بایاس ووزنهای اتصالی هر نورون طوری که درمقابل ارایه طیف متنوعی از نمونه ها و داده ها , شبکه جوابهای درست ارایه بده اما دانش کجای شبکه عصبی قرار داره هنوزنمیدونم شما بلدی بگو 2 لینک به دیدگاه
alimec 23102 اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ اینایی که این زیر بیان می کنم نظرات و برداشت های خودمه نمیدونم چقدر درست هستندنمیدونم تا حالا با مسایلی برخورد کردید که تعداد حالاتش خیلی خیلی خیلی .....................زیاد باشه؟ تو تاپیک اموزش شبکه های عصبی گفتیم که شبکه های عصبی یه طبقه بند الگوست اینجا باید این نکته رو اضافه کنم که هر شبکه عصبی درسته یه طبقه بند الگوست ولی هر طبقه بند الگو , شبکه عصبی نیس فرض کنید یه سیستمی داریم فوق العاده پیچیده , مثل سیستم کنترل هواپیمای مسافر بری یا سیستمی که کار مرکز کنترل یه نیروگاه هسته ای رو انجام میده برای چنین سیستم هایی به نظرتون چن تا حالت می تونه اتفاق بیافته هر حالتش تحت چه شرایطی اتفاق می افته ؟ ایا تضمینی هس سیستمی خودکار بشه طراحی کرد که بشه درش تمامی حالات را پیاده سازی کرد ؟ درجواب باید بگیم نه , هیچ تضمینی نیس هیچ تضمینی برا سیستم های پیچیده , یه حدی از پیچیدگی درنظر میگیرن ولی از این حد گذشت دیگه نمیشه از روشهای کلاسیک برای مدیریت اون سیستم استفاده کرد اینجاست که سه تا شاخه های علوم به کمک ما می ایند یکی منطق فازی ست که برای اولین بار یه ایرانی اونو ارایه کرده یکی شبکه های عصبی ست و دیگری الگوریتم های متاهیوریستیکی ست که اتفاقا اینام از طبیعت الهام گرفته اند کارشون پیدا کردن جواب نزدیک به بهینه هس درلابلای میلیاردها میلیاردها میلیاردها و............................جواب همون طور که می دونید هر سیستم ساخت بشر دو جنبه داره یکی جنبه سخت افزاری و دیگری جنبه نرم افزاری متاسفانه هردوی اینها دارای محدودیت هستند فرضکنید سیستمی دارای n! به توان n! حالت هست به نظرتون کدوم سیستمی می تونه تمامی این حالت ها رو شبیه سازی کنه ؟ به فرض که از نظر سخت افزاری محدودیتی نداشته باشیم ولی از نظر نرم افزاری شاید برای اجرای چنین برنامه ای میلیاردها سال زمان لازم باشه درود بر شما چند سال پیش یکی اثبات کرد که اگه از تموم رایانه های موجود در جهان ابر رایانه و.. استفاده کنیم(پردازش موازی) نمی تونیم محاسبات موجود رو انجام بدیم. البته نمیدونم چقدر تونستم دقیق بگم. ولی بخاطر همین اثباتش جایزه نوبل گرفت. اسمش هم نمی دونم. 2 لینک به دیدگاه
سارا-افشار 36437 مالک اشتراک گذاری ارسال شده در 13 خرداد، ۱۳۹۱ درود بر شماچند سال پیش یکی اثبات کرد که اگه از تموم رایانه های موجود در جهان ابر رایانه و.. استفاده کنیم(پردازش موازی) نمی تونیم محاسبات موجود رو انجام بدیم. البته نمیدونم چقدر تونستم دقیق بگم. ولی بخاطر همین اثباتش جایزه نوبل گرفت. اسمش هم نمی دونم. من قانون امدال رو میدونم امدال ثابت کرد همه کارها رو نمیشه به صورت موازی انجام داد قبلا اینجوری فکر می کردن اگه کاری که روی یه پردازنده t1 واحد زمان ببره با p پردازنده به صورت موازی انجام بدن زمان اجرا p بار سریع تر میشود امدال ثابت کرد که اگر m درصد یه task فقط به صورت ترتیبی انجام بشه درانصورت اگر تعداد پردازنده ها به سمت بی نهایت میل کنه بازم سرعت انجام کار به اندازه m خواهد بود به خاطر همین پیدا کردن و ارایه الگوریتم های موازی خودش درحد یه مقاله isi و تزدکترا ست اما یکی از مزایایی که برای شبکه های عصبی درنظر می گیرن و درواقع جزو یکی از نقاط قوت مهم شبکه عصبی هس اینه که دردل نورون فقط یه عمل ساده جمع داریم که برای اونم الگوریتم موازی ارایه شده از طرف دیگه تمامی اعمال ریاضی و محاسباتی با عمل جمع قابل انجامه بحث سر همون تصمیم گیری برای انجام یه کاری یا انجام ندادن اوناست یعنی منطق 3 لینک به دیدگاه
RezaMolkara 12 اشتراک گذاری ارسال شده در 20 دی، ۱۳۹۲ با سلام خانم افشار من تازه شروع به تحقیق در این زمینه کرده ام الان یه تحقیق دارم در مورد پهنه بندی آلودگی خاک بوسیله شبکه عصبی، ولی به شبکه عصبی خیلی علاقه درام. اگه لطف کنید راهنمایی کنید که از کجا باید شروع کنم و چیکار باید بکنم!؟ چه منابعی رو پیشنهاد می کنید؟ خیلی ممنون لینک به دیدگاه
RezaMolkara 12 اشتراک گذاری ارسال شده در 20 دی، ۱۳۹۲ با سلام خانم افشار من تازه شروع به تحقیق در این زمینه کردم و خیلی هم به اون علاقه دارم زمینه تحقیق فعلی من در مورد پهنه بندی آلودگی خاک بوسیله شبکه عصبیه به نظرتون از کجا باید شروع کنم؟ چه منابعی رو پیشنهاد می کنید؟ ممنون لینک به دیدگاه
ارسال های توصیه شده