تحقیق و پاورپوینت شبکه عصبی کانولوشن

توضیحات

عنوان: شبکه عصبی کانولوشن

• چکیده
• مقدمه
• شبکه عصبی کانولوشن
• معماری CNN
• معماری کلی
• کاربردها
• ادغام
• نتیجه گیری
• منابع

چکیده

اصطلاح Deep Learning یا Deep Neural Network به شبکه های عصبی مصنوعی (ANN) با چند لایه گفته می شود. در طی چند دهه گذشته، یکی از قدرتمندترین ابزارها به حساب می آمده، زیرا قادر به کنترل حجم عظیمی از داده ها است. علاقه به داشتن لایه های پنهان عمیق تر اخیرا شروع به پیشی گرفتن از عملکرد روش های کلاسیک در زمینه های مختلف کرده است. به خصوص در تشخیص الگو. یکی از محبوب ترین شبکه های عصبی عمیق، شبکه عصبی کانولوشن (CNN) است.  این نام را از عملیات خطی ریاضی بین ماتریسهایی به نام کانولوشن می گیرد. در این تحقیق به بررسی شبکه های عصبی کانولوشنال و معماری آن می پردازیم. همچنین سه طرح ارائه شده در این زمینه بیان می شود.

کلمات کلیدی: یادگیری عمیق، یادگیری ماشین، شبکه های عصبی مصنوعی، شبکه های عصبی کانولوشن.

مقدمه

شبکه های عصبی مصنوعی (ANN) سیستم های پردازشی محاسباتی هستند که به شدت از نحوه عملکرد سیستم های عصبی بیولوژیکی (مانند مغز انسان) الهام گرفته شده اند.

ANN ها عمدتاً از تعداد زیادی گره محاسباتی بهم پیوسته (كه به آنها نورون گفته می شود) تشكیل شده اند كه از این میان به طور توزیع شده در هم تنیده می شوند تا به طور كلی از ورودی ها بیاموزند تا خروجی نهایی آن بهینه شود. ساختار اصلی ANN می تواند همانطور که در شکل 1 نشان داده شده است ، مدل سازی شود. ما ورودی را بارگیری می کنیم ، معمولاً به شکل یک بردار چند بعدی است که لایه ورودی آن آن را به لایه های پنهان توزیع می کند. سپس لایه های پنهان از لایه قبلی تصمیم گیری می کنند و وزن می کنند که چگونه یک تغییر تصادفی در خود باعث مخرب یا بهبود خروجی نهایی می شود و از این به عنوان فرایند یادگیری یاد می شود.

توجه:

برای دانلود فایل کامل ورد لطفا اقدام به خرید نمایید.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.