تحقیق حل مسائل برنامه ريزي خطي و درجه دوم بوسيله مدلهاي شبكه هاي عصبي

دسته بندي : علوم پایه » آمار
دانلود تحقیق با موضوع حل مسائل برنامه ريزي خطي و درجه دوم بوسيله مدلهاي شبكه هاي عصبي،
در قالب word و در 98 صفحه، قابل ویرایش.


بخشی از متن تحقیق:
فصل اول
مقدمه اي بر شبكه هاي عصبي
1-1 مقدمه 
در ساليان اخير شاهد حركتي مستمر، از تحقيقات صرفاً تئوري به تحقيقات كاربردي بخصوص در زمينه پردازش اطلاعات، براي مسائلي كه براي آن ها راه حلي موجودنيست ويا براحتي قابل حل نيستند بوده ايم. با عنايت به اين امر، علاقه فزاينده اي در توسعه تئوريك سيستمهاي دنيا ميكي هوشمند مدل آزاد ـ كه مبتني بر داده هاي تجربي هستند ـ ايجاد شده است. شبكه هاي عصبي مصنوعي  جزء اين دسته از سيستمهاي ديناميكي قراردارند، كه با پردازش روي داده هاي تجربي دانش يا قانون نهفته در وراي داده ها را به ساختار شبكه منتقل مي كنند. به همين خاطر به اين سيستمها هوشمند  گويند. چرا كه براساس محاسبات روي داده هاي عددي يا مثال ها ، قوانين كلي را فرامي گيرند. اين سيستم ها در مدلسازي ساختار نرو سيناپتيكي  مغز بشر مي كوشند. پياده سازي ويژگيهاي شگفت انگيز مغز در يك سيستم مصنوعي (سيستم ديناميكي ساخته دست بشر) هميشه وسوسه انگيز و مطلوب بوده است. محققيني كه طي سالها در اين زمينه فعاليت كرده اند بسيارند، ليكن نتيجه اين تلاشها صرف نظر ازيافته هاي ارزشمند باور هر چه بيشتر اين اصل بوده است كه مغز بشر دست يافتني است. 
با تاكيد بر اين نكته كه گذشته از متافيزيك، دور از دسترس بودن ايده آل «هوش طبيعي» را مي توان با عدم كفايت دانش موجود بشر از فيزيولوژي عصبي  پذيرفت، بايد اذعان داشت كه عالي بودن هدف و كافي نبودن دانش موجود خود سبب انگيزش پژوهشهاي بيشتر و بيشتر در اين زمينه بوده و خواهند بود، همچنان كه امروزه شاهد بروز چنين فعاليتهايي در قالب شبكه هاي عصبي مصنوعي هستيم، اغلب آن هايي كه با چنين سيستم هايي آشنايي دارند، به اغراق آميز بودن نام آنها معترفند، اگرچه اين اغراق بيانگر مطلوبيت و نيز بعضي شباهتهاي اين گونه سيستم ها با سيستم هاي طبيعي است ولي مي تواند تا حدي بين آن چه كه سيستم هاي عصبي مصنوعي در اختيار قرار      مي دهد و آن چه كه از نامشان بر مي آيد تناقض ايجاد نمايد.
1-2 تاريخچه شبكه هاي عصبي
بعضي از پيش زمينه هاي شبكه هاي عصبي را مي توان به اوايل قرن بيستم و اواخر قرن نوزدهم برگرداند. در اين دوره كارهاي اساسي در فيزيك ، روانشناسي و نروفيزيولوژي  توسط علمايي چون هرمان فون هلمهلتز ، ارنست ماخ و ايوان پاولف  صورت پذيرفت. اين كارهاي اوليه عموماً بر تئوريهاي كلي يادگيري ، بينايي و شرطي تاكيد داشته اند و اصلاً به مدلهاي مشخص  رياضي عملكرد نرونها اشاره اي نداشته اند.
ديدگاه جديد شبكه هاي عصبي در دهه 40 قرن بيستم آغاز شد زماني كه وارن مك كلوث   و والترپيتز  نشان دادند كه شبكه هاي عصبي مي توانند هر تابع حسابي و منطقي  را محاسبه نمايند. كار اين افراد را مي توان نقطه شروع حوزه علمي شبكه هاي عصبي مصنوعي ناميد و اين موضوع با دونالدهب  ادامه يافت، شخصي كه عمل شرط گذاري  كلاسيك را كه توسط پاولف مطرح شده بود به عنوان خواص نرونها معرفي  نمود و سپس مكانيسمي را جهت يادگيري نرونها بيولوژيكي ارائه داد. نخستين كاربرد شبكه هاي عصبي در اواخر دهه50 قرن بيستم مطرح شد زماني كه فرانك روز نبلات در سال 1958 شبكه پرسپترون را معرفي نمود. روز نبلات و همكارانش شبكه اي ساختند كه قادر بود الگوها را از هم شناسايي نمايد. در همين زمان بود كه برنارد ويدرو  در سال 1960 شبكه عصبي تطبيقي خطي آدلاين را با قانون يادگيري جديد مطرح نمود كه از لحاظ ساختار، شبيه شبكه پرسپترون بود. پيشرفت شبكه هاي عصبي تا دهه 70 قرن بيستم ادامه يافت. در سال 1972 تئوكوهونن ، جيمز اندرسون ، بطور مستقل و بدون اطلاع از هم، شبكه هاي عصبي جديدي را معرفي نمودند كه قادر بودند به عنوان عناصر ذخيره ساز عمل نمايند. استفان گروسبرگ  در اين دهه روي شبكه هاي خود سازمانده  فعاليت مي كرد. فعاليت در زمينه شبكه هاي عصبي در دهه 60 قرن بيستم در قياس با دهه 80 به علت عدم بروز ايده هاي جديد و نبود كامپيوترهاي سريع ـ جهت پياده سازي ـ كمرنگ مي نمود. لكن در خلال دهه 80، رشد تكنولوژي ميكروپروسسورها روند صعودي داشت و تحقيقات روي شبكه هاي عصبي فزوني يافت و ايده هاي بسيار جديدي مطرح شدند. ايده هاي نووتكنولوژي بالا براي رونسانس دوباره در شبكه هاي عصبي كافي به نظر مي رسيد. در اين زايش دوباره شبكه هاي عصبي و جديد قابل تامل مي باشد. استفاده از مكانيسم تصادفي جهت توضيح عملكرد يك طبقه وسيع از شبكه هاي برگشتي  است كه مي توان آن ها را جهت ذخيره سازي اطلاعات استفاده نمود. اين ايده توسط جان هاپفليد ، فيزيكدان آمريكايي در سال 1982 مطرح شد. دومين ايده مهم كه كليد توسعه شبكه هاي عصبي در دهه 80 شد الگوريتم «پس انتشار خطا»  مي باشد كه توسط ديويد رامل هارت  و جيمز مكلند  در سال 1986 مطرح گرديد. با بروز اين دو ايده شبكه هاي عصبي متحول شدند. در ده سال اخير هزاران مقاله نوشته شده است و شبكه هاي عصبي كاربرد زيادي در رشته هاي مختلف علوم پيدا كردند. شبكه هاي عصبي در هر دو جهت توسعه تئوريك و عملي در حال رشد مي باشند اما اين روند رشد، آهسته و مطمئن نبوده، دوره هايي بسيار سريع و دوره هايي كند مشاهده شده است. بيشتر پيشرفتها در شبكه هاي عصبي به ساختارهاي نوين و روشهاي يادگيري جديد مربوط مي شود.

دسته بندی: علوم پایه » آمار

تعداد مشاهده: 371 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: Word

تعداد صفحات: 98

حجم فایل:417 کیلوبایت

 قیمت: 50,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی:
    در قالب word و در 98 صفحه، قابل ویرایش.