پنج شنبه 15 آذر 1398
بازدید امروز : 1081 نفر
موتور جستجوی سایت نیازمندیهای دانشجویی موتور جستجوی پیشرفته مقالات و تحقیقات و ...
تلگرام سایت تحقیق
سفارش پیشینه پژوهش سفارش از طریق تلگرام یا واتس آپ
تحویل در محیط ورد : word
عنوان :

پروژه شبکه عصبی و کاربرد های آن در برق

عنوان سفارش :
پروژه شبکه عصبی و کاربرد های آن در برق
تعداد صفحه :
120
قیمت :
12000 تومان
فهرست مطالب:
  • مقدمه :
  • نرون طبیعی :
  • یادگیری در سیستمهای بیولوژیک:
  • شباهت شبکۀ عصبی زنده و مصنوعی :

  • کاربرد شبکههای عصبی :
  • تعریف شبکه های عصبی مصنوعی :
  • نرونهای مصنوعی :
  • اجزای یک شبکه عصبی :
  • الگوبرداری از مغز انسان :
  • افزایش سرعت :
  • حساسیت بالا به رخداد اشتباه :
  • رایانه ها قادر نیستند از تجربیات گذشته استفاده نمایند:
  • عدم ارائۀ پاسخ مناسب در شرایط جدید :
  • ویژگیهای شبکه های عصبی مصنوعی :

  • قابلیت یادگیری :
  • قابلیت تعمیم :
  • پردازش موازی :
  • مقاوم بودن :
  • قابلیت کاربری :
  • تشخیص دادههای اشتباه :
  • تحمل خطا :
  • غیرخطی بودن :
  • تصویر کردن ورودی – خروجی :
  • معایب شبکه های عصبی :
  • انواع توابع انتقال :
  • یادگیری شبکههای عصبی :
  • یادگیری نظارت شده :
  • یادگیری نظارت نشده :
  • یادگیری تقویتیافته :
  • الگوریتم پسانتشار خطا :
  • آموزش دلتا :
  • آموزش ترکیبی :
  • آموزش رقابتی :
  • آموزش هب :
  • ساختارهای مختلف شبکه های عصبی مصنوعی :

  • شبکه های پسخور :
  • شبکه های پیشخور :
  • شبکه های پیشخور تکلایه :
  • شبکه های پیشخور چندلایه :
  • پرسپترون :
  • یادگیری پرسپترون :
  • یادگیری پرسپترون مبتنی بر روشبرداری :

  • محدودیتهای پرسپترون :
  • شبکه های عصبی پرسپترون چندلایه :

  • رفع مشکل :
  • حل مشکل :
  • مدل جدید :
  • شبکۀ هاپفیلد :
  • مقدمه :
  • کلیات :
  • تعیین محل خطا براساس وضعیت کلیدها و رله ها :

  • دلایل استفاده از شبکه عصبی :
  • دادههای لازم برای آموزش شبکه عصبی:
  • بدست آوردن جریان اتصال کوتاه به وسیله نرمافزار پاشا :

  • نکاتی درباری چگونگی انتخاب تعداد و محل ثباتها :
  • فیلتر کردن مولفه اصلی جریان
  • فیلتر کردن براساس جریان واقعی فازها :
  • پیشنهادات برای کارهای آتی:
  • شرح مقاله :
  • برنامهریزی تست :
  • شبکه های عصبی مصنوعی و کاربرد آن در عیب یابی سیستمها :

  • شبکه های عصبی تکلایه :
  • شبکه های عصبی چندلایه :
  • انتشار بازگشتی:
  • شبکه های عصبی رقابتی :
  • شبکه عصبی سیستم عیبیابی :
  • روش یادگیری :
  • تعدیل اتصالات باتوجه به نتیجه تست:
  • نتایج مدلسازی :
  • نتیجه:
  • منابع
  • مقدمه :
  • بعضی از پیش زمینه های شبکه عصبی را می توان به اوایل قرن بیستم و اواخر قرن نوزدهم برگرداند. در این دوره ، کارهای اساسی در فیزیک ، روانشناسی و نروفیزیولوژی توسط علمایی چون هرمان فون هلمهلتز ، ارنست ماخ و ایوان پاولف صورت پذیرفت. این کارهای اولیه عموماً بر تئوریهای کلی یادگیری ، بینایی و شرطی تأکید داشته اند و اصلاً به مدلهای مشخص ریاضی عملکرد نرونها اشاره ای نداشته اند.

    دیدگاه جدید شبکه های عصبی در دهۀ 40 قرن بیستم آغاز شد زمانی که وارن مک کلوث و والترپیتز نشان دادند که شبکه های عصبی می توانند هر تابع حسابی و منطقی را محاسبه نمایند. کار این افراد را می توان نقطۀ شروع حوزۀ علمی شبکه های عصبی مصنوعی نامید و این موضوع با دونالد هب ادامه یافت ؛ شخصی که عمل شرط گذاری کلاسیک را که توسط پاولف مطرح شده بود به عنوان خواص نرونها معرفی نمود و سپس مکانیسمی را جهت یادگیری نرونهای بیولوژیکی ارائه داد.

  • - نرون طبیعی :
  • مغز آدمی شامل بیش از ده بیلیون نرون می باشد که هر کدام از آنها به طور متوسط به چندین هزار نرون دیگر متصل می باشد. این اتصالات تحت عنوان سیناپس شناخته می شوند. مغز انسان شامل حدود 60 ترلیون از این پیوندها می باشد.

    نرون ها دو نوع می باشند. نرون های داخلی مغز که در فاصله های حدود 100 میکرون به یکدیگر متصل اند و نرون های خارجی که قسمت های مختلف مغز را به یکدیگر و مغز را به ماهیچه ها و اعضای حسی را به مغز متصل می کنند.

    نرون ها در واقع المان های پردازش و بسیار ساده می باشند. هر نرون شامل یک سوما که بدنه نرون می باشد ، یک آکسون و چند دندریت می باشد.

  • یادگیری در سیستم های بیولوژیک:
  • تصور می شود یادگیری هنگامی صورت می گیرد که شدت اتصال یک سلول و سلول دیگر در محل سیناپس ها اصلاح می گردد.

    به نظر می رسد که این مقصود از طریق ایجاد سهولت بیشتر در میزان آزاد شدن ناقل شیمیایی حاصل می گردد. این حالت باعث می شود که دروازه های بیشتری روی دندریت های سمت مقابل باز شود و به این صورت باعث افزایش میزان اتصال دو سلول شود. تغییر میزان اتصال نرون ها به صورتی که باعث تقویت تماس های مطلوب شود از مشخصه های مهم در مدلهای شبکه های عصبی است.

    تحقیقهای مشابه
    پروژه شبکه عصبی و کاربرد های آن در برق
    119 صفحه - 12000 تومان
    پروژه شبکه عصبی و کاربرد های آن در برق
    120 صفحه - 12000 تومان
    پروژه رشته کامپیوتر بررسی شبکه مشبکmesh network
    62 صفحه - 10000 تومان
    کار آماری بررسی عوامل موثر بر جلب مشارکت مردمی در ایجاد بهره برداری و حفظ پروژه های عمرانی و شبکه آبیاری
    18 صفحه - 35000 تومان
    پروتکل‌های امنیتی شبکه ها پروژه کامپیوتر
    61 صفحه - 12000 تومان
    بررسی تخلیه جزئی در عایقهای جامد وآشکار سازی آنها پروژه رشته برق الکترونیک
    83 صفحه - 14000 تومان
    پروژه شبکه عصبی مصنوعی
    133 صفحه - 15000 تومان
    مدل سازی شبکه های عصبی مصنوعی در شهر رشت
    37 صفحه - 4000 تومان
    پروژه مهندسی زراعت و اصلاح نباتات عنوان مدلسازی تابش و طول دوره روشنایی به کمک شبکه های عصبی مصنوعی
    70 صفحه - 15000 تومان
    ترجمه مقاله و تحقیق - پیش بینی سطح آب بوسیله شبکه عصبی مصنوعی در سیستم رودخانة SURMA-KUSHIYARA از بنگلادش 11
    17 صفحه - 22100 تومان
    کاربرد شبکه های عصبی در شناسایی و مدلسازی سیستم ها فایل بصورت پاورپوینت
    44 صفحه - 6000 تومان
    ترجمه مقاله و تحقیق - شبکه های عصبی مبانی استفاده از mattab جعبه ابزار شبکه عصبی 45
    73 صفحه - 28000 تومان
    پروژه شبکه های عصبی انواع آنها و روشهای نوین در شبکه های عصبی
    127 صفحه - 16000 تومان
    دیده بانی پایداری دلتاژ سیستم نیرو با استفاده از شبکه های عصبی مصنوعی با مجموعه ای کاهش یافته از ورودی ها
    35 صفحه - 6000 تومان
    مفهوم شبکه در لینوکس و کاربرد آن
    28 صفحه - 2500 تومان

    ترجمه انگلیسی به فارسی سایت تحقیق

    برای پیدا کردن ما فقط کافیست «سایت تحقیق» را در گوگل سرچ کنید

    ترجمه فارسی به انگلیسی سایت تحقیق
    رفرنس نویسی با نرم افزار endnote سایت تحقیقصحافی پایان نامه رساله مقاله کتاب سایت تحقیق
    با کلیک روی +۱ ما را در گوگل محبوب کنید
    صفحه اصلی| تحقیق | تحقیق های آماده | ترجمه | ترجمه آماده | کار آماری | کار آماری آماده | طرح کارآفرینی | نما و پلان

    Tel : 09118370377
    Email : tahghighnet@yahoo.com
    Telegram : @tahghighnet
    channel: https://t.me/tahghighchannel
    Instagram : tahghighnetinsta
    www.tahghigh.net
    2019 - 2007