روش های شبکه های عصبی مصنوعی تمامی روش های شبکه مصنوعی همراه با توضیح و نحوه عملکرد انها Neural Networks mlp rbf svr lvq

1. ‫عصبی‬ ‫های‬ ‫شبکه‬ ‫بررسی‬
1. Mlp
2. Rbf
3. Svm
4. Svr
5. Lvq

2. ‫پرسپتون‬ ‫الیه‬ ‫چن‬ ‫عصبی‬ ‫شبکه‬

24. ‫گیری‬ ‫نتیجه‬:
‫میکند‬ ‫کمینه‬ ‫رو‬ ‫خطا‬ ‫دیگر‬ ‫های‬ ‫روش‬ ‫خالف‬ ‫بر‬ ‫زیرا‬ ‫نیست‬ ‫حساس‬ ‫ها‬ ‫داده‬ ‫به‬ ‫نسبت‬.
‫روش‬ ‫هماننده‬rbf‫رود‬ ‫می‬ ‫کار‬ ‫به‬ ‫تابع‬ ‫تقریب‬ ‫برای‬ ‫وهم‬ ‫بندی‬ ‫طبقه‬ ‫برای‬ ‫هم‬.
‫میگیرد‬ ‫قرار‬ ‫استفاده‬ ‫مورد‬ ‫معموال‬ ‫خطی‬ ‫صورت‬ ‫به‬ ‫که‬ ‫هس‬ ‫روشی‬.

25. Rbf

27. ‫تابع‬ ‫همان‬ ‫ها‬ ‫کرنل‬ ‫فهمید‬ ‫خواهیم‬ ‫کنییم‬ ‫دقت‬
‫قرار‬ ‫کننده‬ ‫جمع‬ ‫از‬ ‫بعد‬ ‫که‬ ‫هستند‬ ‫های‬ ‫اکتیو‬
‫است‬ ‫امده‬ ‫کننده‬ ‫جمع‬ ‫قبل‬ ‫اینجا‬ ‫در‬ ‫که‬ ‫داشتند‬

47. ‫گیری‬ ‫نتیجه‬:
‫هاي‬ ‫شبكه‬ ‫در‬RBF‫وجود‬ ‫الیه‬ ‫نوع‬ ‫سه‬‫دارد‬:‫ورودی‬ ‫الیه‬/‫مخفی‬ ‫الیه‬/‫خروجی‬ ‫الیه‬.
‫یك‬ ‫ساختار‬‫ي‬ ‫شبكه‬RBF‫همانند‬MLP‫است‬:‫براي‬ ‫میتواند‬ ‫ترتیب‬ ‫بدین‬(‫بندي‬ ‫دسته‬)‫و‬‫یا‬(‫تابع‬ ‫تقریب‬)‫شود‬ ‫استفاده‬.
‫شبکه‬،RBF‫شبکه‬ ‫مانند‬MLP‫و‬ ‫ورودي‬ ‫اطالعات‬ ‫بین‬ ‫خطی‬ ‫غیر‬ ‫نگاشت‬ ‫نوع‬ ‫هر‬ ‫پردازش‬ ‫قابلیت‬‫را‬ ‫خروجـی‬‫اختال‬ ‫در‬ ‫دو‬ ‫این‬ ‫تفاوت‬ ‫دارد‬‫ف‬
‫آنها‬ ‫تحریک‬ ‫توابع‬ ‫بین‬‫است‬.
‫شبکه‬‫هاي‬RBF‫در‬ ‫اغلـب‬‫بهتر‬ ‫نقاط‬ ‫بندي‬ ‫طبقه‬ ‫مسائل‬‫از‬MLP‫شـبکه‬ ‫صـورتیکه‬ ‫در‬ ‫کنـد‬ ‫مـی‬ ‫عمـل‬MLP‫بـرازش‬ ‫در‬‫مناسبتر‬ ‫منحنـی‬‫است‬

48. Support Vector Machines‫پشتیبان‬ ‫بردار‬ ‫ماشین‬:
.
SVM‫شاخه‬ ‫جزو‬ ‫که‬ ‫است‬ ‫ای‬ ‫کننده‬ ‫بندی‬ ‫دسته‬Kernel Methods‫محسوب‬ ‫ماشین‬ ‫دریادگیری‬
‫میشود‬.
SVM‫در‬‫سال‬1992‫توسط‬Vapnik‫پایه‬ ‫بر‬ ‫و‬ ‫شده‬ ‫معرفی‬statistical learning theory‫گردیده‬ ‫بنا‬
‫است‬.
‫شهرت‬SVM‫بدقت‬ ‫عصبی‬ ‫های‬ ‫شبکه‬ ‫با‬ ‫که‬ ‫است‬ ‫نویس‬ ‫دست‬ ‫حروف‬ ‫تشخیص‬ ‫در‬ ‫آن‬ ‫موفقیت‬ ‫بخاطر‬
‫میکند‬ ‫برابری‬ ‫شده‬ ‫تنظیم‬:1.1%‫خطا‬
‫حاشیه‬ ‫حداکثر‬ ‫با‬ ‫هائی‬ ‫ابرصفحه‬ ،‫باشند‬ ‫جداپذیر‬ ‫خطی‬ ‫بصورت‬ ‫ها‬ ‫دسته‬ ‫اینکه‬ ‫فرض‬ ‫با‬
maximum margin‫کنند‬ ‫جدا‬ ‫را‬ ‫ها‬ ‫دسته‬ ‫که‬ ‫آورد‬ ‫می‬ ‫بدست‬ ‫را‬.
‫بیشتر‬ ‫ابعاد‬ ‫با‬ ‫فضای‬ ‫به‬ ‫ها‬ ‫داده‬ ‫نباشند‬ ‫جداپذیر‬ ‫خطی‬ ‫بصورت‬ ‫ها‬ ‫داده‬ ‫که‬ ‫مسایلی‬ ‫در‬
‫نمود‬ ‫جدا‬ ‫خطی‬ ‫بصورت‬ ‫جدید‬ ‫فضای‬ ‫این‬ ‫در‬ ‫را‬ ‫آنها‬ ‫بتوان‬ ‫تا‬ ‫میکنند‬ ‫پیدا‬ ‫نگاشت‬.
SVM‫یا‬‫دادن‬ ‫قرار‬ ‫معیار‬ ‫با‬ ‫که‬ ‫است‬ ‫مرزی‬ ‫یا‬ ‫بند‬ ‫دسته‬ ‫یک‬ ، ‫پشتیبان‬ ‫بردار‬ ‫ماشین‬
‫می‬ ‫مشخص‬ ‫ما‬ ‫برای‬ ‫را‬ ‫ها‬ ‫داده‬ ‫بین‬ ‫تفکیک‬ ‫و‬ ‫بندی‬ ‫دسته‬ ‫بهترین‬ ، ‫پشتیبان‬ ‫بردارهای‬
‫کند‬.

70. ‫گیری‬ ‫نتیجه‬:
svm‫کند‬ ‫می‬ ‫جدا‬ ‫خطی‬ ‫غیر‬ ‫صورت‬ ‫به‬ ‫هم‬ ‫و‬ ‫خطی‬ ‫صورت‬ ‫به‬ ‫هم‬ ‫دارد‬ ‫یکجا‬ ‫رو‬ ‫مزیت‬ ‫چند‬
‫شود‬ ‫نمی‬ ‫توسعه‬ ‫بزرگ‬ ‫های‬ ‫بیس‬ ‫دیتا‬ ‫برای‬ ‫و‬ ‫هست‬ ‫حساس‬ ‫ها‬ ‫داده‬ ‫زیاد‬ ‫تعداد‬ ‫به‬ ‫نسبت‬.
‫است‬ ‫خوبی‬ ‫روش‬ ‫و‬ ‫نیست‬ ‫حساس‬ ‫ها‬ ‫داده‬ ‫ابعاد‬ ‫افزایش‬ ‫به‬ ‫نسبت‬.
‫کرد‬ ‫استفاده‬ ‫شروع‬ ‫از‬ ‫قبل‬ ‫ابعاد‬ ‫روشکاهش‬ ‫از‬ ‫میتوان‬ ‫بیس‬ ‫دیتا‬ ‫بودن‬ ‫بزرگ‬ ‫صورت‬ ‫در‬.
svm‫کرنل‬ ‫با‬ ‫که‬rbf‫روش‬ ‫خود‬ ‫به‬ ‫نسبت‬ ‫میشود‬ ‫طراحی‬rbf‫ها‬ ‫سینتر‬ ‫و‬ ‫ها‬ ‫پارامتر‬ ‫و‬ ‫میاید‬ ‫حساب‬ ‫به‬ ‫تری‬ ‫هوشمند‬ ‫روش‬
‫کند‬ ‫می‬ ‫انتخاب‬ ‫خودش‬ ‫رو‬.

71. support vector regression(‫رگرسیون‬‫بردار‬‫پشتیبان‬: )
.
svm‫از‬ ‫میشود‬ ‫استفاده‬ ‫کالس‬ ‫دو‬ ‫برای‬ ‫دارد‬ ‫باینری‬ ‫حالت‬ ‫چون‬svr‫برای‬n‫میشود‬ ‫استفاده‬ ‫حالت‬.
‫کاربرد‬:‫میشود‬ ‫استفاده‬ ‫زمانی‬ ‫سری‬ ‫بینی‬ ‫پیش‬ ‫و‬ ‫مدلسازی‬ ‫و‬ ‫تخمین‬ ‫و‬ ‫منحنی‬ ‫پردازش‬ ‫و‬ ‫تابع‬ ‫تقریب‬ ‫برای‬.
‫روش‬ ‫ماننده‬ ‫دقیقا‬svm‫استفاده‬ ‫خطا‬ ‫کاهش‬ ‫برای‬ ‫جریمه‬ ‫تابع‬ ‫اینجا‬ ‫در‬ ‫که‬ ‫تفاوت‬ ‫این‬ ‫با‬ ‫میکند‬ ‫عمل‬
‫میکنیم‬.

77. ‫ایراد‬ ‫مهمترین‬:
‫مقادیر‬ ‫تنظیم‬svr‫ندارد‬ ‫خاصی‬ ‫اصول‬ ‫که‬(‫افسیلون‬ ‫و‬ ‫سیگما‬ ‫و‬ ‫هزیینه‬ ‫تابع‬)
‫الگوریتم‬ ‫هماننده‬ ‫ساز‬ ‫بهینه‬ ‫یک‬ ‫یا‬ ‫خطا‬ ‫و‬ ‫سعی‬ ‫با‬ ‫باید‬›‫کرد‬ ‫استفاده‬ ‫نتیک‬

79. Learning Vector Quantization(LVQ)
.
‫است‬ ‫سازی‬ ‫مدل‬ ‫قابل‬ ‫رقابتی‬ ‫عصبی‬ ‫شبکه‬ ‫یک‬ ‫صورت‬ ‫به‬.
‫فلسفه‬‫روش‬som‫روش‬ ‫و‬lvq‫توسط‬ ‫که‬kohenen‫نظارت‬ ‫های‬ ‫روش‬ ‫برای‬ ‫یکی‬ ‫ولی‬ ‫است‬ ‫مشترک‬ ‫هم‬ ‫با‬ ‫است‬ ‫شده‬ ‫ارایه‬
‫رود‬ ‫می‬ ‫کار‬ ‫به‬ ‫شده‬ ‫نظارت‬ ‫غیر‬ ‫و‬ ‫بندی‬ ‫خوشه‬ ‫برای‬ ‫ودیگری‬ ‫بندی‬ ‫طبقه‬ ‫و‬ ‫شده‬.

80. Vq‫روش‬ ‫برای‬ ‫هم‬ ‫که‬ ‫هس‬ ‫کلی‬ ‫عبارت‬ ‫یک‬som‫برای‬ ‫هم‬ ‫و‬lvq‫ماننده‬ ‫دیگر‬ ‫های‬ ‫روش‬ ‫سایر‬ ‫هم‬ ‫و‬kmeans‫میرود‬ ‫کار‬ ‫به‬.
Vq‫فضای‬ ‫در‬ ‫رو‬ ‫برداری‬ ‫یک‬n‫اندیس‬ ‫یک‬ ‫به‬ ‫تبدیل‬ ‫و‬ ‫میگیرد‬ ‫بعدی‬i‫میکند‬.i‫به‬ ‫مربوط‬ ‫کد‬ ‫اصطالح‬ ‫به‬x‫میباشد‬.

82. ‫گیری‬ ‫نتیجه‬:‫از‬ ‫نامحدود‬ ‫مجموعه‬ ‫یک‬x‫ها‬ ‫اندیس‬ ‫از‬ ‫محدود‬ ‫مجموعه‬ ‫یک‬ ‫به‬ ‫میشوند‬ ‫نگاشت‬ ‫یا‬ ‫مپ‬ ‫ها‬ ‫این‬ ‫داریم‬ ‫رو‬ ‫ها‬
‫مجموعه‬ ‫خود‬ ‫شبیه‬ ‫های‬ ‫مجموعه‬ ‫از‬ ‫محدود‬ ‫مجموعه‬ ‫یا‬x‫ها‬ ‫فرش‬ ‫برای‬ ‫تصویر‬ ‫رنگ‬ ‫کاهش‬ ‫کاربرد‬ ‫هستند‬

84. Voronoi Diagram
‫اشا‬ ‫تقریب‬ ‫گیرند‬ ‫قرار‬ ‫ان‬ ‫در‬ ‫ها‬ ‫ایکس‬ ‫سری‬ ‫یک‬ ‫که‬ ‫فضای‬ ‫یا‬ ‫میکند‬ ‫معلوم‬ ‫رو‬ ‫ها‬ ‫اندیس‬ ‫بین‬ ‫رقابتی‬ ‫مرزهای‬‫برابر‬ ‫ن‬
‫است‬ ‫فضا‬ ‫ان‬ ‫مرکز‬.

86. ‫زد‬ ‫تقریب‬ ‫رو‬ ‫شکلی‬ ‫هر‬ ‫میشود‬ ‫بشوند‬ ‫تر‬ ‫ریز‬ ‫ها‬ ‫شکل‬ ‫قدر‬ ‫هر‬.
‫است‬ ‫مراکز‬ ‫کردن‬ ‫پیدا‬ ‫اصلی‬ ‫و‬ ‫اساسی‬ ‫مشکل‬.‫بشود‬ ‫کمینه‬ ‫خطا‬ ‫میزان‬ ‫تا‬.

87. ‫کنیم؟‬ ‫بهینه‬ ‫رو‬ ‫خطا‬ ‫چطور‬

90. ‫میتوان‬‫د‬ ‫و‬ ‫میشوند‬ ‫همگرا‬ ‫مرزها‬ ‫اون‬ ‫به‬ ‫میشوند‬ ‫توصیف‬ ‫بیز‬ ‫تئوری‬ ‫با‬ ‫که‬ ‫کالس‬ ‫تفکیکی‬ ‫مرزهای‬ ‫به‬ ‫این‬ ‫کرد‬ ‫ثابت‬‫یک‬ ‫واقع‬ ‫ر‬
‫هست‬ ‫بهینه‬ ‫بندی‬ ‫طبقه‬ ‫الگوریتم‬.
‫پا‬ ‫که‬ ‫شرطی‬ ‫به‬ ‫میاد‬ ‫در‬ ‫بندی‬ ‫طبقه‬ ‫گونه‬ ‫هر‬ ‫پس‬ ‫از‬ ‫من‬ ‫نظر‬ ‫به‬ ‫میشه‬ ‫همگرا‬ ‫میاد‬ ‫ها‬ ‫لیمیت‬ ‫یا‬ ‫بردارها‬ ‫بیزین‬ ‫به‬ ‫نهایتا‬ ‫در‬ ‫و‬‫مثل‬ ‫ها‬ ‫رامتر‬
‫هس‬ ‫مشکلی‬ ‫بحث‬ ‫که‬ ‫شوند‬ ‫انتخاب‬ ‫درستی‬ ‫به‬ ‫الفا‬

92. LVQ1‫جور‬ ‫یک‬ ‫واقع‬ ‫در‬
SOM‫هر‬ ‫است‬ ‫شده‬ ‫نظارت‬
‫نداری‬ ‫همسایگی‬ ‫ساختار‬ ‫چند‬‫م‬
‫اومدن‬ ‫بعد‬LVQ 1‫بهینه‬ ‫رو‬
‫و‬ ‫کردن‬LVQ2‫ارائه‬ ‫رو‬
‫دادند‬