دانلود کدهای متلب شبکه های عصبی مصنوعی

“شبکه های عصبی” تغییرمسیر اینجا. برای شبکه های سلول های عصبی زنده، شبکه عصبی را ببینید. برای مجله، شبکه های عصبی (مجله) را ببینید. برای مفهوم تکاملی، شبکه های خنثی (تکامل) را ببینید. آموزش ماشین آلات و داده کاوی پراکندگی های مرزی تصمیم ماشین بردار پشتیبان خطی (خط چین) مشکلات     طبقه بندی خوشه بندی رگرسیون ناهنجاری انجمن تشخیص قوانین یادگیری تقویتی یادگیری قابلیت پیشبینی ساختار آنلاین یادگیری نیمهنظارتی یادگیری القاء دستور زبان آموزش نظارت شده (طبقه بندی • رگرسیون)     درخت های تصمیم گیری ها گروه ها (کیسه، تقویت، جنگل تصادفی) رگرسیون ساده و بی تکلف شبکه بیز عصبی K-NN خطی رگرسیون لجستیک پرسپترون پشتیبانی ماشین بردار ماشین بردار (SVM) ارتباط (RVM) خوشه     درخت غان سلسله مراتبی K-به معنی انتظار-حداکثر (EM)     DBSCAN OPTICS میانگین تغییر تقلیل ابعاد     تحلیل عاملی CCA ICA LDA NMF PCA T-SNE پیش بینی ساختار     مدل های گرافیکی (خالص بیز، CRF، HMM) تشخیص ناهنجاری     K-NN عامل پرت محلی شبکه های عصبی     خودرمزگذار یادگیری چند لایه پرسپترون ماشین RNN محدود بولتزمن شبکه عصبی SOM کانولوشن عمیق نظریه     نظریه یادگیری محاسباتی معضل گرایش واریانس به حداقل رساندن خطر ابتلا به تجربی PAC یادگیری نظریه VC یادگیری آماری     آیکون پورتال پورتال آموزش ماشین     آیکون پورتال پورتال علوم کامپیوتر     پورتال آیکون آمار پورتال     V T E شبکه عصبی مصنوعی یک گروه به هم پیوسته از گره ها، شبیه به شبکه گسترده ای از نورون ها در مغز است. در اینجا، هر گره دایره نشان دهنده نورون مصنوعی و فلش نشان دهنده یک اتصال از خروجی یک نورون به ورودی دیگر. در یادگیری ماشین و علوم شناختی، شبکه های عصبی مصنوعی (ANN ها) یک خانواده از الگوریتم های یادگیری آماری با الهام از شبکه های عصبی بیولوژیکی (سیستم عصبی مرکزی از حیوانات، به ویژه مغز) و استفاده می شود به منظور برآورد و یا توابع تقریبی است که می تواند بستگی دارد تعداد زیادی از نهاده ها و به طور کلی ناشناخته است. شبکه های عصبی مصنوعی به طور کلی به عنوان سیستم های به هم پیوسته “نورون” است که می تواند ارزش از ورودی محاسبه، و قادر به یادگیری ماشین و همچنین به لطف تشخیص الگو به طبیعت تطبیقی ​​خود معرفی شده اند. به عنوان مثال، یک شبکه عصبی برای تشخیص دست خط است که توسط مجموعه ای از نورون ورودی که ممکن است توسط پیکسل های یک تصویر ورودی فعال تعریف شده است. پس از وزن و توسط یک تابع (تعیین شده توسط طراح شبکه) تبدیل شده است، فعالانه از این سلول های عصبی هستند و سپس به سلول های عصبی دیگر منتقل می شود. این فرایند تکرار شده است تا در نهایت، نورون خروجی فعال می شود. این امر، تعیین که شخصیت به عنوان خوانده شده بود. مانند سایر روش های یادگیری ماشین – سیستم های که از داده های یادگیری – شبکه های عصبی کرده اند برای حل طیف گسترده ای از وظایف که سخت برای حل با استفاده از برنامه نویسی مبتنی بر قواعد عادی، از جمله بینایی کامپیوتر و تشخیص گفتار هستند استفاده شده است. محتویات     ۱ سابقه و هدف     ۲ تاریخچه         ۲٫۱ ارتقاء از سال ۲۰۰۶     ۳ مدل         ۳٫۱ عملکرد شبکه         ۳٫۲ آموزش             ۳٫۲٫۱ انتخاب یک تابع هزینه         ۳٫۳ پارادایم آموزش             ۳٫۳٫۱ یادگیری نظارت شده             ۳٫۳٫۲ آموزش بدون نظارت             آموزش ۳٫۳٫۳ آرماتور         ۳٫۴ الگوریتم های یادگیری     ۴ استفاده از شبکه های عصبی مصنوعی     ۵ نرم افزار         ۵٫۱ برنامه های کاربردی در زندگی واقعی         ۵٫۲ شبکه های عصبی و علوم اعصاب             ۵٫۲٫۱ انواع مدل های     ۶ عصبی نرم افزار شبکه     ۷ انواع شبکه های عصبی مصنوعی     ۸ خواص نظری         ۸٫۱ قدرت محاسباتی         ۸٫۲ ظرفیت         ۸٫۳ همگرایی         ۸٫۴ تعمیم و آمار     ۹ اختلافاتی         ۹٫۱ مسائل آموزش         ۹٫۲ مسائل سخت افزار         ۹٫۳ مثالهای نقض عملی به انتقادات         ۹٫۴ روش ترکیبی     ۱۰ گالری     همچنین ۱۱ مشاهده     ۱۲ پیوند به بیرون     ۱۳ کتابشناسی     ۱۴ پیوند به بیرون