تکامل شبکه های عصبی مصنوعی:
ANN ها:
معماری: یک ANN شامل مجموعه ای از Elementهای در حال پردازش (نرون) است که به عنوان یک گراف متصل تفسیر می شود که هر نود (نرون) i یک تابع انتقال fi را دربر دارد. ANN ها به کلاس های انتشار روبه جلو و بازگشتی مطابق اتصالشان تقسیم می شوند.
یادگیری در ANN ها:
یادگیری در ANNها به طور معمولی با استفاده از مثالهای آموزشی (training) صورت می گیرد، چون با سازگار کردن وزن های ارتباطی در شبکه های تکراری حاصل می شود.
یادگیری در ANNها به سه دسته تقسیم می شود:
- یادگیری با ناظر (supervised learning)
- یادگیری بدون ناظر (unsupervised learning)
- یادگیری تقویتی (reinforcement learning)
فهرست مطالب:
- مقدمه ای بر شبکه های عصبی
- مقدمه ای بر الگوریتم های تکاملی
- تکامل شبکه های عصبی مصنوعی
- آموزش وزن ها
- طراحی معماری
- آموزش و طراحی معماری شبکه های عصبی
- آموزش قوانین یادگیری