(در فایل دانلودی نام نویسنده موجود است)
فهرست مطالب
عنوان صفحه
چکیده 1
مقدمه 2
فصل اول: شبکه های عصبی
.1-1سیستمهای عصبی طبیعی. 5
.1-1-1 نورون بیولوژیک. . .6
.2-1مقدمه ای بر شبکه های عصبی مصنوعی 9
.3-1اهمیت استفاده از شبکه های عصبی مصنوعی 10
.4-1مدل سازی نورون درشبکه های عصبی مصنوعی 11
.5-1انواع شبکه های عصبی مصنوعی 12.
.6-1یادگیری در شبکه های عصبی مصنوعی. 14
.7-1شبکه های عصبی پیش رو 15.
.8-1شبکه های عصبی پس انتشار. 17
.1-8-1روش آموزش پس انتشار 18.
.9-1شبکه های عصبی انعطاف پذیر. 21
فصل دوم:تشخیص میزان موفقیت داروهای HPT درکاهش انگلهای دامی با بهره گرفتن از شبکه های عصبی
.1-2موضوع. 27
.2-2شیوه ها 28
.3-2نتایج آزما یش های بالینی 30
.4-2تحقیق پرسشنامه ای. 34
.5-2پیاده سازی داده های جمع آوری شده با بهره گرفتن از شبکه های عصبی 36
فصل سوم: روش پیاده سازی شبکه های عصبی با بهره گرفتن از FPGA
.1-3 مقدمه ای بر 43 FPGA
.2-3روش پیاده سازی شبکه های عصبی با بهره گرفتن از 48 FPGA
فصل چهارم:
نتیجه گیری و پیشنهادات 69
مقاله ارائه شده در پجمین کنفرانس بین المللی سیستم های هوشمند WSEASکشور اسپانیا (مادرید 73 (2006
چکیده انگلیسی 77
فهرست جدول ها
عنوان صفحه
.1-1جدول: : توابع مهم قابل استفاده در شبکه های عصبی 12
.1-2 جدول : سطح آماری گروه های تحت درمان و کنترل 31
.2-2جدول: درصدلارو آلوده در 38 دسته از گروه های تحت کنترل و بررسی 33
.3-2جدول: نشان دهنده درصد وجود انگلهادر دامهای موردا زمایش 38 2
.4-2جدول: نتایج شبیه سازی برای داده های تست 41 .
فهرست شکل ها
عنوان
صفحه
.1-1شکل: جریان اطلاعات در سیستم عصبی انسان
7
.2-1شکل: مدل سازی یک نورون مصنوعی
11
.3-1شکل: شبکه عصبی با طراحی پیش رو سه لایه
15
.4-1شکل: ساختار شبکه عصبی با طراحی پس انتشار سه لایه
17
.5-1شکل: منحنی تغییرات تابع انعطاف پذیر تک قطبی نسبت به پارامتر a
23
.6-1شکل: منحنی تغییرات تابع انعطاف پذیر دو قطبی نسبت به پارامتر a
٢٣
.1-2شکل: ساختار شبکه عصبی طراحی شده
39
.2-2شکل: کاهش خطا در حین شبیه سازی
40
.1-3شکل: ساختار آرایه ای یک PLA
45
.2-3شکل: ساختار آرایه ای یکSPLD
46
.3-3شکل: یک ساختار LUTچهار ورودی که عمل AND را انجام می دهد
47
.4-3شکل: شمای کلی شبکه پیاده سازی شده با FPGA
50
.5-3شکل: پیاده سازی تابع فعالیت برای نورون های ورودی
52
.6-3شکل: پیاده سازی تابع فعالیت برای نورون های خروجی
53
.7-3شکل: پیاده سازی تابع مجموع حاصل ضرب
54
.8-3شکل: جمع کننده 16 بیتی
55
.9-3شکل: جمع کننده 32 بیتی
56
.10-3شکل: مقایسه تابع سیگموئید و بسط مک لورن تا جمله X 11
58
.11-3شکل: پیاده سازی تابع سیگموئید
61
.12-3شکل: شمارنده 16 بیتی
62
.13-3شکل: T Flip Flop
63
.14-3شکل: مالتی پلکسر دو به یک
63
.15-3شکل: شیفت رجیستر
64
.16-3شکل: لچ 16 بیتی
65
.17-3شکل: شیفت دهنده به چپ و راست
66
.18-3شکل:مقایسه کننده 32 بیتی
67
چکیده :
شبکه های عصبی با توجه به توان بالا درپـردازش موازی،قابلیـت یـادگیری، تعمـیم، طبقـه بندی، قدرت تقریب، به خاطر سپردن و به خـاطر آوردن الگوهـا، خیـزش وسـیعی در زمینـه هـای مختلف هوش مصنوعی ایجاد کرده اند. از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چنـد لایـه جهـت پیـاده سـازی سـخت افزاری سیستم استفاده شده است و روش جدیدی برای پیاده سازی شـبکه هـای عـصبی بـر روی
82%d9%88%d9%82%db%8c-%d8%ac%d8%b1%d8%a7/">
|
[سه شنبه 1398-12-06] [ 01:29:00 ب.ظ ]
|
