توضیحات

پروژه درس مدیریت داده و کامپیوتر (شبکه های عصبی مصنوعی)

فهرست پروژه:

تاریخچه

شبکه عصبی چیست؟

کاربرد‌هاي داده کاوي – آناليز بازار

الهام از طبیعت

Perceptron

عوامل رواج استفاده از شبکه های عصبی در دهه 1980

کاربرد شبکه های عصبی در مسئله ارزیابی ملک

یک مسئله خوب جهت پیش بینی و تخمین مناسب دارای سه ویژگی می باشد

مراحل ساختن یک مدل

راه حلها

تابع فعالسازی ( Activation Function )

تابع فعالسازی از دو قسمت تشکیل شده است

تابع ترکیب

تابع تبدیل

توابع خطی

توابع سیگموئید

لایه پنهان:(Hidden Layer)

اریبی یا بایاس

لایه خروجی( Output Layer )

پس انتشار خطا

قانون دلتای تعمیم یافته

الگوریتم های کاربردی برای آموزش شبکه ها

الگوریتم Gradient Descent

مشکلات روش Gradient Descent

انتخاب مجموعه آموزشی

پوشش دهی مقادیر برای تمامی مشخصه ها

تعداد مشخصه ها واندازه مجموعه آموزشی

تعداد خروجی ها

آماده سازی داده ها

مشخصه هایی با مقادیر پیوسته

مشخصه هایی با مقادیر مرتب، گسسته (صحیح)

مشخصه هایی با مقادیر دسته ای

کار با مشخصه هایی با مقادیر دسته ای

تفسیر نتایج

شبکه های عصبی و سری های زمانی

چگونه بفهمیم درون یک شبکه عصبی چه می گذرد؟

تطبیق های خودسازمانده

تطبیق خودسازمانده نوع خاصی از شبکه عصبی است که از آن برای تشخیص خوشه ها استفاده می شود

مثال: پیدا کردن خوشه ها

جمع بندی

نمونه سوأل