آشنایی با شبکه های عصبی زیستی:

این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سینا پس ها اطلاعات را منتقل می کنند. در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلول ها می توانند نبود آن را جبران کرده و نیز در بازسازی آن سهیم باشند. این شبکه ها قادر به یادگیری اند.

مثلا با اعمال سوزش به سلول های عصبی لامسه، سلول ها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده از مثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

مبانی ANN ها:

شبکه های عصبی به طور کلی سیستم های ریاضی یادگیر غیر خطی هستند. طرز کار این شبکه ها از روش کار مغز انسان الگو برداری شده است. در واقع شبکه های عصبی طبق تعریف ماشینی است برای ساخت یک مدل که می توان آن را بوسیله سخت افزار یا نرم افزار شبیه سازی کرد و عملکردی شبیه مغز انسان دارند. یک شبکه عصبی بر خلاف کامپیوترهای رقومی که نیازمند دستورات کاملا صریح و مشخص است به مدل های ریاضی محض نیاز ندارد بلکه مانند انسان قابلیت یادگیری به وسیله تعدادی مثال مشخص را دارد.

هر شبکه عصبی سه مرحله آموزش اعتبار سنجی و اجرا را پشت سر می گذارد. در واقع شبکه های عصبی را می توان در حل مسایلی که روابط دقیق ریاضی بین ورودی ها و خروجی های آن برقرار نیست بکار برد. آموزش دیدن شبکه های عصبی در واقع چیزی جز تنظیم وزن های ارتباطی این نرون ها به ازائ دریافت مثال های مختلف نیست تا خروجی شبکه به سمت خروجی مطلوب همگرا شود.

ANN ها در واقع مثلثی هستند با سه ضلع مفهومی:

• سیستم تجزیه و تحلیل داده ها
• نورون یا سلول عصبی
• قانون کار گروهی نورونها (شبکه)

هوش مصنوعی و مدل سازی شناختی سعی بر این دارند که بعضی خصوصیات شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سازی شناختی، ساخت مدل های ریاضی سیستم های نورونی زیستی می باشد.

فهرست مطالب:

• آشنایی با شبکه های عصبی زیستی
• معرفی شبکه های عصبی مصنوعی (ANN ها)
• مبانی شبکه های عصبی مصنوعی
• ایده ی اصلی شبکه های عصبی مصنوعی
• مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
• شبکه های عصبی در مقابل کامپیوترهای معمولی
• معایب شبکه های عصبی مصنوعی
• کاربردهای شبکه های عصبی مصنوعی
• فرآیند یادگیری شبکه
• توپولوژی شبکه