کتاب شبکه های عصبی شامل 937 و به زبان اصلی

کتاب شبکه های عصبی شامل 937 و به زبان اصلی

فرمت فایل دانلودی: .pdf
فرمت فایل اصلی:
تعداد صفحات: 937
حجم فایل: 9800
قیمت: 2000 تومان

بخشی از متن:
کتاب شبکه های عصبی شامل 937 و به زبان اصلی
فایل pdf با بهترین کیفیت

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

پاورپوینت شبکه های عصبی زیستی

پاورپوینت شبکه های عصبی زیستی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: PPTX
تعداد صفحات: 25
حجم فایل: 415
قیمت: 2900 تومان

بخشی از متن:
توضیحات:
فایل پاورپوینت شبکه های عصبی زیستی ، در حجم 25 اسلاید قابل ویرایش.

بخشی از متن:
آشنایی با شبکه های عصبی زیستی :
این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند.
این شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.back propagation of error))
یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

معرفی ANN ها:
یک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.

در این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node ها و اعمال یک الگوریتم آموزشی به آ ن، شبکه را آموزش می دهند .

در این حافظه یا شبکه ی عصبی node ها دارای دو حالت فعال(on یا 1) وغیرفعال( off یا 0) اند و هر یال (سیناپس یا ارتباط بین node ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.
و...

فهرست مطالب:
آشنایی با شبکه های عصبی زیستی
معرفی شبکه های عصبی مصنوعی(ANNها)
مبانی شبکه های عصبی مصنوعی
توپولوژی شبکه
نرم افزارهای شبکه های عصبی
مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
فرآیند یادگیری شبکه
تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی
ایده ی اصلی شبکه های عصبی مصنوعی
مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
شبکه های عصبی در مقابل کامپیوترهای معمولی
معایب شبکه های عصبی مصنوعی
کاربردهای شبکه های عصبی مصنوعی

این فایل با فرمت پاورپوینت در 25 اسلاید قابل ویرایش تهیه شده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

شبکه های عصبی

شبکه های عصبی

فرمت فایل دانلودی: .doc
فرمت فایل اصلی: docx.
تعداد صفحات: 115
حجم فایل: 2236
قیمت: 18000 تومان

بخشی از متن:
در این نوشتار به معرفی شبکه های عصبی مصنوعی[1] و ساختارهای آنها به صورت خلاصه میپردازیم. در ابتدا نرونهای شبکه های عصبی طبیعی معرفی شده و طرز کار آنها نشان داده شده است. سپس مدل مصنوعی این نرونها و ساختار آنها ، مدل ریاضی آنها ، شبکه های عصبی مصنوعی و نحوه آموزش و بکار گیری این شبکه ها به همراه روش یادگیری گرادیان کاهنده نشان داده شده است. تمرکز بیشتر بر نوعی از این شبکه ها بنام شبکه های عصبی مصنوعی پرسپترون چند لایه میباشد. ابزاهایی نیز برای پیاده سازی این شبکه ها نام برده شده است.

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: doc
تعداد صفحات: 264
حجم فایل: 7415
قیمت: 18000 تومان

بخشی از متن:
تاکنون برای حذف نویزهای آکوستیکی از روش های فعال و غیر فعال استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد. در روش فعال از سیستمی استفاده می شود که شامل یک فیلتر وفقی است. به دلیل ردیابی خوب فیلتر LMS در محیط نویزی، الگوریتم FXLMS بعنوان روشی پایه ارائه شده است. اشکال الگوریتم مذکور این است که در مسائل کنترل خطی استفاده می شود. یعنی اگر فرکانس نویز متغیر باشد و یا سیستم کنترلی بصورت غیرخطی کار کند، الگوریتم فوق به خوبی کار نکرده و یا واگرا می شود.
بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز، با فرکانس متغیر، در یک مجرا و در کوتاه‌ترین زمان ممکن را دارد. برای دستیابی به آن می توان از یک گام حرکت وفقی بهینه ( ) در الگوریتم FXLMS استفاده کرد. به این منظور محدوده ی گام حرکت بهینه در فرکانس های 200 تا 500 هرتز را در داخل یک مجرا محاسبه کرده تا گام حرکت بهینه بر حسب فرکانس ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی بوسیله ی الگوریتم MUSIC ، را از روی منحنی برازش شده، بدست آورده و آن را در الگوریتم FXLMS قرار می‌دهیم تا همگرایی سیستم در کوتاه‌ترین زمان، ممکن شود. در نهایت خواهیم دید که الگوریتم FXLMS معمولی با گام ثابت با تغییر فرکانس واگرا شده حال آنکه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فرکانس متغیر را فراهم می آورد.
همچنین‌به دلیل‌ماهیت غیرخطی سیستم‌های‌ANC ، به ارائه‌ی نوعی شبکه‌ی عصبی‌ RBF TDNGRBF ) ( می‌پردازیم که توانایی مدل کردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده کرده و نتایج آن را با الگوریتم FXLMS مقایسه می کنیم. خواهیم دید که روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای کمتری (30% کاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یک شبکه ی GRBF به شناسایی مجرا می‌پردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبکه ی GRBF (با ترکیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امکان پذیر می شود. ضرایب بکار رفته در ترکیب خطی با استفاده از الگوریتم NLMS بهینه می شوند.

فهرست مطالب
عنوان صفحه
چکیده
فصل صفر: مقدمه
1
2
فصل اول: مقدمه ای بر کنترل نویز آکوستیکی 7
1-1) مقدمه 8
1-2) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال) 9
1-2-1) بیماری های جسمی 9
1-2-2) بیماری های روانی 9
1-2-3) راندمان و کارایی افراد 9
1-2-4) فرسودگی 9
1-2-5) آسایش و راحتی 9
1-2-6 جنبه های اقتصادی 10
1-3) نقاط ضعف کنترل نویز به روش غیرفعال 10
1-3-1) کارایی کم در فرکانس های پایین 10
1-3-2) حجم زیاد عایق های صوتی 10
1-3-3) گران بودن عایق های صوتی 10
1-3-4) محدودیت های اجرایی 10
1-3-5) محدودیت های مکانیکی 10
1-4) نقاط قوت کنترل نویز به روش فعال 11
1-4-1) قابلیت حذف نویز در یک گسترده ی فرکانسی وسیع 11
1-4-2) قابلیت خود تنظیمی سیستم 11
1-5) کاربرد ANC در گوشی فعال 11
1-5-1) تضعیف صدا به روش غیر فعال در هدفون 12
1-5-2) تضعیف صدا به روش آنالوگ در هدفون 13
1-5-3) تضعیف صوت به روش دیجیتال در هدفون 15
1-5-4) تضعیف صوت به وسیله ی ترکیب سیستم های آنالوگ و دیجیتال در هدفون 16
1-6) نتیجه گیری 17

فصل دوم: اصول فیلترهای وفقی
18
2-1) مقدمه 19
2-2) فیلتر وفقی 20
2-2-1) محیط های کاربردی فیلترهای وفقی 22
2-3) الگوریتم های وفقی 25
2-4) روش تحلیلی 25
2-4-1) تابع عملکرد سیستم وفقی 26
2-4-2) گرادیان یا مقادیر بهینه بردار وزن 28
2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا 30
2-4-4) شرط همگرا شدن به٭ W 32
2-5) روش جستجو 32
2-5-1) الگوریتم جستجوی گردایان 32
2-5-2) پایداری و نرخ همگرایی الگوریتم 35
2-5-3) منحنی یادگیری 36
2-6) MSE اضافی 36
2-7) عدم تنظیم 37
2-8) ثابت زمانی 37
2-9) الگوریتم LMS 38
2-9-1) همگرایی الگوریتم LMS 39
2-10) الگوریتم های LMS اصلاح شده 40
2-10-1) الگوریتم LMS نرمالیزه شده (NLMS) 41
2-10-2) الگوریتم های وو LMS علامتدار وو (SLMS) 41
2-11) نتیجه گیری 43

فصل سوم: اصول کنترل فعال نویز
44
3-1) مقدمه 45
3-2) انواع سیستم های کنترل نویز آکوستیکی 45
3-3) معرفی سیستم حذف فعال نویز تک کاناله 47
3-4) کنترل فعال نویز به روش پیشخور 48
3-4-1) سیستم ANC پیشخور باند پهن تک کاناله 49
3-4-2) سیستم ANC پیشخور باند باریک تک کاناله 50
3-5) سیستم های ANC پسخوردار تک کاناله 51
3-6) سیستم های ANC چند کاناله 52
3-7) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن 53
3-7-1) اثرات مسیر ثانویه 54
3-7-2) الگوریتم FXLMS 57
3-7-3) اثرات فیدبک آکوستیکی 61
3-7-4) الگوریتم Filtered- URLMS 66
3-8) الگوریتم های سیستم ANC پسخوردار تک کاناله 69
3-9) نکاتی درباره ی طراحی سیستم های ANC تک کاناله 70
3-9-1) نرخ نمونه برداری و درجه ی فیلتر 72
3-9-2) علیت سیستم 73
3-10) نتیجه گیری 74

فصل چهارم: شبیه سازی سیستم ANC تک کاناله
75
4-1) مقدمه 76
4-2) اجرای الگوریتم FXLMS 76
4-2-1) حذف نویز باند باریک فرکانس ثابت 76
4-2-2) حذف نویز باند باریک فرکانس متغیر 81
4-3) اجرای الگوریتم FBFXLMS 83
4-4) نتیجه گیری 85

فصل پنجم: کنترل غیرخطی نویز آکوستیکی در یک ماجرا
86
5-1) مقدمه 87
5-2) شبکه عصبی RBF 88
5-2-1) الگوریتم آموزشی در شبکه ی عصبی RBF 90
5-2-2) شبکه عصبی GRBF 93
5-3) شبکه ی TDNGRBF 94
5-4) استفاده از شبکه ی TDNGRBF در حذف فعال نویز 95
5-5) نتیجه گیری 98

فصل ششم: نتیجه گیری و پیشنهادات
99
6-1) نتیجه گیری 100
6-2) پیشنهادات 101
مراجع I

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.