توضیحات : با سلام. جزوه حاضر که یک فایل پاورپوینت است در 851 اسلاید کلیه مطالب مرتبط با شبکه های عصبی را توضیح می دهد. در این فایل مطالب زیر آموزش داده شده است: 1- یادآوری و مقدمه 2- تکلیف های یادگیری 3- مبانی یادگیری 4- مثال تشریحی شبکه های عصبی در حل مسئله 5- یادگیری در شبکه های تک لایه 6- یادگیری پرسپترون 7- شبکه های پرسپترون چند لایه (Multiple Layer Perceptron) یا MLP 8- جزئیات یادگیری انتشار رو به عقب خطا 9- الگوریتم های پیشرفته تر آموزش در MLP (در سه بخش و به صورت کامل توضیح داده شده است) 10- بهینه سازی در شبکه های چند لایه عمیق 11- مثال نمونه با MLP 12- کاربرد شبکه های چند لایه در حل مسائل معکوس 13- شبکه های عصبی توابع اساسی شعاعی (Radial Basis Function Neural Networks- RBFNN) 14- حافظه و شبکه های عصبی 15- شبکه های بازگشتی- خصوصیات مارکفی 16- شبکه های مارکفی حالت پایدار 17- شبکه هاپفیلد 18- شبکه های بازگشتی در تخمین و پردازش سری های زمانی 19- شبکه های خود سامان ده 20- شبکه های خود سامان ده- تحلیل مولفه های اصلی PCA 21- نگاشت خود سامان ده 22- کوانتیزاسیون برداری 23- شبکه های عصبی اتفاقی (Stochastic Neural Networks) 24- ماشین بولتزمان در این فایل الگوریتم ها به زبان ماشین نیز نوشته شده تا دانش پذیران عزیز بتوانند بر اساس نرم افزاری که با آن راحت تر هستند کدهای مرتبط را بنویسند. در بخش هایی از اسلایدها نیز کدهایی از نرم افزار متلب آورده شده است. این فایل برای دانش پذیران علوم کامپیوتر، آمار و ریاضی (بهینه سازی) و مهندسی کامپیوتر در مقطع کارشناسی، کارشناسی ارشد و دکتری مفید است. در صورت داشتن هرگونه اشکال یا ابهام می توانید از طریق سایت استاد سلام با اینجانب ارتباط بگیرید.