مبانی نظری و پیشینه تحقیق شبکه عصبی فازی مصنوعی

25,000 تومان می‌توانید توسط تمام کارت‌های بانکی عضو شتاب خرید خود را انجام داده و بلافاصله بعد از خرید فایل را دریافت نمایید. خرید و دانلود فایل سوال از فروشنده راهنمای دریافت
  • اطلاعات و مشخصات فایل
مبانی نظری و پیشینه تحقیق شبکه عصبی فازی مصنوعی
  • کد فایل: 5955
  • قیمت: 25,000 تومان
  • فرمت فایل دانلودی: .zip
  • حجم فایل: 662 کیلوبایت
  • تعداد مشاهده: 703 بازدید
  • فرمت فایل اصلی: DOCX
  • تعداد صفحات: 60 صفحه
  • اطلاعات فروشنده

شرح فایل

مبانی نظری و پیشینه تحقیق شبکه عصبی فازی
تعداد صفحات : 60
فرمت : word (قابل ویرایش)
کاملترین و به روزترین در سطح اینترنت
دارای پیشینه داخلی و خارجی جدید (1389-1397)
دارای منابع فارسی و انگلیسی جدید
فاقد غلط املایی و نگارشی.
رفرنس دهی و پاورقی استاندارد.
بخشی از مطالب فایل :
شبکه عصبي فازي
 سيستم فازي
در ميان روش‌هاي مدل سازي نوين، سيستم‌هاي فازي جايگاه ويژه اي را کسب نموده اند. اين امر را مي توان معلول توانايي پياده سازي دانش بشري با استفاده از مفهوم برچسب‌هاي زباني و قواعد فازي، غير خطي بودن و قابليت تطبيق پذيري اين نوع سيستم‌ها دانست. به طور خلاصه‌يک سيستم فازي‌يک سيستم مبتني بر قواعد منطقي اگر- آنگاه است. نقطه شروع ساخت‌يک سيستم فازي به دست آوردن مجموعه اي از قواعد اگر- آنگاه فازي از دانش فرد خبره‌يا دانش حوزه مورد نظر است. به دست آوردن اين قواعد مهمترين و سخت ترين مرحله کار است. چرا که نيازمند دانش بالاي فرد متخصص و پياده سازي صحيح آن است. داشتن روشي که در کنار دانش بشري بتوان از اطلاعات عادي موجود براي ساخت قواعد استفاده کرد نيز مي تواند در اين مرحله بسيار مفيد باشد(آذر و افسر،1385). در اين بخش به طور مختصر به معرفي سيستم‌هاي فازي که غالبا در مسائلي نظير پيش‌بيني به طور مکمل استفاده مي‌شوند، پرداخته مي‌شود. همانطور که اشاره شد، براي بيان کردن سيستم‌هاي فازي احتياج به قوانين اگر-آنگاه است. در سيستم‌هاي فازي از متغيرهاي فازي استفاده مي‌شود. متغيرهاي فازي به عبارات مورد استفاده در زبان طبيعي براي تشريح مفاهيمي که معمولا داراي ابهام و عدم قطعيت هستند، مي گويند(کلير[1]، 1995). براي معرفي سيستم‌هاي فازي ابتدا بايد با منطق فازي و مفاهيم مرتبط با آن آشنا شد.
 
2-3-1- منطق فازي
در منطق دودويي که اولين بار توسط ارسطو مطرح شد، شاهد در نظر گرفتن حالات بصورت قطعي درست‌يا غلط هستيم.‌يعني مي توان وقايع طبيعي را بدرستي و با قطعيت تعريف و اندازه گيري نمود. در حاليکه در کسب وکار، اقتصاد، مباحث مالي و بسياري از علوم ديگر، حالات طبيعي مبهم بوده و فاصله بين آنچه هست و آنچه نيست به درستي تعريف نشده است. بهرحال، بطور کلي مي توان گفت، فازي عبارتست از عمليات روي اطلاعات نادقيق و تحليل نا دقيق اطلاعات(بوزاديو[2]، 1997). منطق فازي اولين بار توسط پروفسور لطفي زاده استاد دانشگاه برکلي در مقاله اي تحت عنوان" مجموعه‌هاي فازي" در سال 1965 به دنيا عرضه شد. ليکن نزديک چندين سال طول کشيد تا دانشمندان به کاربردها آن دست‌يافتند و منطق فوق در سيستم‌هاي کنترلي مورد استفاده قرار گرفت. اين منطق سالها بعد و در اوائل دهه 90 کاربردهاي خويش را در عرصه‌هاي علوم ديگر همانند مديريت‌يافت و راهي تازه براي تحليل و مدلسازي مسائل در فضاي عدم قطيعت پيش روي محققان قرار داد(وونالتراک[3]، 1997). 


[1] Klir
[2] Bojadziev
[3] VonAltrock
2-4- شبکه عصبي فازي
2-4-1- شبکه‌هاي عصبي مصنوعي
هوش مصنوعي اختصارا روشي است در جهت هوشمند ساختن کامپيوتر. اين منظور زماني برآورد مي‌شود که ما قادر باشيم چگونگي تفکرانسان در زمان تصميم گيري‌يا حل مساله را بررسي کرده و آن را پس از تقسيم بندي به مراحل پايه اي در قالب‌يک برنامه کامپيوتري ارائه نمائيم. هوش مصنوعي وسيله ايست ساده و سازمان‌يافته براي طراحي برنامه‌هاي تصميم گيري پيچيده.  فکر انسان مي تواند اطلاعات را بدون تغيير در روند کار مغز و بدون ايجاد اختلال در اطلاعات ذخيره شده قبلي جذب نمايد.‌يک برنامه هوش مصنوعي نيز مشابه اين روش کار مي‌کند. روش‌هاي هوش مصنوعي اجازه مي دهند تا ساختار‌يک برنامه به گونه اي باشد که هر بخش آن مجزا بوده و مشخص کننده‌يک گام به سوي حل‌يک مساله‌يا‌يک سري از مسائل باشد. هر بخش از برنامه مانند قسمتي از اطلاعات مغز انسان مي‌باشد اگر اين اطلاعات دچار اختلال شود، مغز مي تواند به طور  خودکار رويه تفکرش را به گونه اي تغيير دهد تا واقعيت‌هاي جديد را تنظيم نمايد. براي اين کار نياز نيست تمامي پيش آگاهي‌هاي‌يک فرد مورد بررسي قرار گيرد. بلکه کافي است تنها اطلاعات بخشهايي که مربوط به اين تغيير مي‌شوند استفاده گردد.‌يک برنامه استاندارد مي تواند از پس تمامي قابليت‌هاي هوش مصنوعي برآيد، ولي نمي تواند مثل آن سريع و راحت باشد. هوش مصنوعي در مواردي همچون بازيها، اثبات تئوري‌ها، حل مسائل روزمره و عمومي، ادراک توسط کامپيوتر، فهم زبان طبيعي و حل مسائل خاص و تخصصي کاربر دارد(عرباني،1385). در طي دهه اخير شاهد حضور موفق شبکه‌هاي عصبي مصنوعي[1] بوده ايم. ايده آموزش براي حل مسائل شناسايي الگوهاي پيچيده با استفاده از ديدگاه عامل‌هاي داده هوشمند براي محققان دانشگاهي بسيار چالش انگيز شده است. شبکه‌هاي عصبي ابزار محاسباتي ساده اي براي آزمون داده‌ها و ايجاد مدل از ساختار داده‌هاست. داده‌هايي که براي ايجاد مدل‌ها استفاده مي‌شوند، به داده‌هاي آموزشي مشهور هستند. هر گاه شبکه عصبي از داده‌هاي آموزش براي‌يادگيري الگوهاي موجود در داده‌ها استفاده کند، مي تواند آنها را براي دستيابي به خروجي‌ها و نتايج مختلف به کار بگيرد(سرفراز و افسر،1384). 
 
2-4-2- تاريخچه شبکه‌هاي عصبي مصنوعي
مباحث هوش مصنوعي پيش از بوجود آمدن علوم الکتريک، توسط فلاسفه و رياضي داناني نظير ارسطو[2] و بول[3] که اقدام به ارائه قوانين و نظريه‌هايي در باب منطق نمودند، مطرح شده بود. در سال 1943، با اختراع رايانه‌هاي الکترونيک، هوش مصنوعي دانشمندان را به چالشي بزرگ فراخواند. چرا که بنظر مي رسيد فناوري در نهايت قادر به شبيه سازي رفتارهاي هوشمندانه خواهد بود. در سال 1950 آلن تورينگ[4]، رياضي دان انگليسي، معيار سنجش رفتار‌يک ماشين هوشمند را چنين بيان داشت: " سزاوارترين معيار براي هوشمند شمردن‌يک ماشين، اينست که آن ماشين بتواند انساني را به گونه اي بفريبد که آن را متقاعد کند با‌يک انسان روبروست" . در سال 1956 طي جلسه اي در کالج دارتموث[5] آمريکا با حضور و همکاري ماروين مينسکي[6]، جان مک کارتي[7]، هربرت سايمون[8]، آلن نيوئيل[9] و غيره، اصطلاح هوش مصنوعي ابداع و اولين برنامه کامپيوتري هوش مصنوعي انتشار‌يافت. با وجود مخالفت گروهي از متفکرين با هوش مصنوعي که با ديده ترديد به کارآمدي آن مي نگريستند، تنها پس از چهار دهه عرصه علم شاهد تولد ماشينهاي شطرنج باز و ديگر سيستم‌هاي هوشمند در صنايع گوناگون گرديد(رعيتي شوازي،5 138). طي چند دهه اخير، تلاش‌هاي بسيار جدي جهت طراحي مدارات الکترونيکي که قادر باشند شبکه عصبي  زيستي را همانند سازي کنند صورت گرفته است. شبکه‌هاي مدل شده که با نام الگوهاي شبکه‌هاي عصبي شناخته شده اند، گسترش‌يافته و مدل سازي شده اند. برخي از اين نمونه‌ها به گونه اي بسيار نزديک عملکرد شبکه عصبي زيستي را همانند سازي کرده اند و برخي ديگر تفاوت بسياري دارند. 


[1] Artificial Neural Networks
[2] Aristotle
[3] Bool
[4] Alan Turing
[5] Dartmouth College
[6] Marvin Minsky
[7] John McCarthy
[8] Herbert Simon
[9] Alan Newell
.....................................
بخشی از پیشینه داخلی :

در تحقیقی که آيت (1396) تحت عنوان رده بندي نتايج آنژيوگرافي با تركيب شبكه عصبي- فازي و الگوريتم ژنتيك انجام دادد به این نتیجه رسیدد که از 85 درصد داده ها جهت مرحله آموزش شبكه عصبي- فازي و 15 درصد باقيمانده جهت مرحله آزمون استفاده شد. نتايج حاصل از شبيه سازي در شاخص هاي صحت، دقت، حساسيت و اختصاصيت در حالت ميانگين به ترتيب 0.9496، 0.9253، 0.9435 و 0.9569 و در بهترين حالت براي هر شاخص معادل عدد 1 به دست آمده است. در نتیجه استفاده از الگوريتم ژنتيك در فرآيند آموزش شبكه عصبي- فازي موجب بهبود سرعت در اين شبيه سازي شد. همچنين بالا بودن شاخص هاي به دست آمده عملكرد مناسب سيستم پيشنهادي در رده بندي و تشخيص افراد مبتلا به بيماري عروق كرونري قلب را تاييد مي كند.

در تحقیقی که دولت کردستانی و همکاران (1397) تحت عنوان ارزيابي کارايي مدل هاي شبکه عصبي-فازي تطبيقي و شبکه عصبي مصنوعي در پيش بيني رسوب معلق روزانه (مطالعه موردي: حوضه آبخيز گرو) انجام دادند به این نتیجه رسیدند که بهترين پيش بيني با با ضريب همبستگي 0.96، ضريب کارايي 0.95 و ميانگين مربعات خطاي 12. 4789 ميلي گرم بر ليتر مربوط به الگوي ورودي 2 با متغير هاي ورودي دبي جريان روز جاري (Qt) و تاخير دبي جريان روزانه تا 1 روز قبل از مبدا زماني پيش بيني (1Qt-) و تاخير رسوب معلق روزانه تا 1 روز قبل از مبدا زماني پيش بيني (1St-) مي باشد. بررسي نتايج حاصل از مدل هاي شبکه عصبي-فازي تطبيقي و شبکه عصبي مصنوعي نشان داد که مدل شبکه عصبي-فازي تطبيقي در هر سه الگو عملکرد بهتري نسبت به شبکه عصبي مصنوعي در پيش بيني رسوب معلق روزانه داشته است.

...............

......

..

بخشی از منابع :

-        دولت كردستاني مجتبي، نوحه گر احمد و جاني زاده سعيد. (1397). ارزيابي کارايي مدل هاي شبکه عصبي-فازي تطبيقي و شبکه عصبي مصنوعي در پيش بيني رسوب معلق روزانه (مطالعه موردي: حوضه آبخيز گرو). پژوهش هاي ژئومورفولوژي كمي. سال 6. شماره 4. صص 12-130.

-        نساجي زواره مجتبي، قرمزچشمه باقر و رحيم زاده فاطمه. (1395). بازسازي دبي روزانه با استفاده از روش هاي شبکه عصبي و فازي- عصبي (مطالعه موردي: سرشاخه هاي حوزه آبخيز کارون). مرتع و آبخيزداري. دوره 69. شماره 2. صص 503-514.

-          الواني سيدمهدي، معمارزاده طهران غلامرضا و كاظمي حسين. (1392). تبيين مولفه هاي رهبر معنوي با استفاده از سيستم هاي عصبي فازي انطباق پذير. مديريت فرهنگ سازماني. دوره 11، شماره 3. صص 95-120.

-        افخمي حميده، طالبي علي، محمدي مژده و فتوحي فرزانه. (1394). بررسي امکان پيش بيني سرعت باد با استفاده از مدل هاي هيبريد شبکه هاي عصبي، شبکه هاي فازي-عصبي و تئوري موجک (مطالعه موردي: ايستگاه سينوپتيک يزد). مجله علوم و مهندسي آبخيزداري ايران. دوره 9. شماره 30. صص 31-40.

-        آيت سيدسعيد. (1396). رده بندي نتايج آنژيوگرافي با تركيب شبكه عصبي- فازي و الگوريتم ژنتيك. مجله دانش و تندرستي. دوره 12. شماره 2. صص 1-8.

-         انواري رستمي علي اصغر، آذر عادل و نوروزي محمد. (1393). مدل سازي پيش بيني EPS  با استفاده از شبکه هاي عصبي فازي. پژوهش هاي حسابداري مالي و حسابرسي. دوره 6. شماره 23. صص 1-15.

-         اخباری محمد، اخباری مهدی. (1390). کاربرد رويکرد منطق فازی در مدل‌سازی اقتصاد غير رسمی در ايران. فصلنامه پژوهش‌های اقتصادی. سال نوزدهم. شماره 59. صص 167-131. 


خرید و دانلود فایل
  • قیمت: 25,000 تومان
  • فرمت فایل دانلودی: .zip
  • حجم فایل: 662 کیلوبایت

راهنمای خرید و دانلود فایل

  • پرداخت با کلیه کارتهای بانکی عضو شتاب امکانپذیر است.
  • پس از پرداخت آنلاین، بلافاصله لینک دانلود فعال می شود و می توانید فایل را دانلود کنید. در صورتیکه ایمیل خود را وارد کرده باشید همزمان یک نسخه از فایل به ایمیل شما ارسال میگردد.
  • در صورت بروز مشکل در دانلود، تا زمانی که صفحه دانلود را نبندید، امکان دانلود مجدد فایل، با کلیک بر روی کلید دانلود، برای چندین بار وجود دارد.
  • در صورتیکه پرداخت انجام شود ولی به هر دلیلی (قطعی اینترنت و ...) امکان دانلود فایل میسر نگردید، با ارائه نام فایل، کد فایل، شماره تراکنش پرداخت و اطلاعات خود، از طریق تماس با ما، اطلاع دهید تا در اسرع وقت فایل خریداری شده برای شما ارسال گردد.
  • در صورت وجود هر گونه مشکل در فایل دانلود شده، حداکثر تا 24 ساعت، از طریق تماس با ما اطلاع دهید تا شکایت شما مورد بررسی قرار گیرد.
  • برای دانلود فایل روی دکمه "خرید و دانلود فایل" کلیک کنید.

نام
ایمیل
تلفن تماس
سوال یا نظر