برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان: 

کاربرد آماري شبکه هاي عصبي مصنوعي (رويکرد پرسپترون) در سنجش هاي نوروپسيکولوژي

نوع ارائه: مقاله
نویسنده: فراهاني حجت اله,رحيمي نژاد عباس
 
 
 
عنوان همایش: سمپوزيوم نوروپسيكولوژي ايران
نوع همایش:  جهاد دانشگاهي
حامی:  جهاد دانشگاهی، واحد تربیت معلم
زمان:  1388دوره 4
 
 
چکیده: 
fiogf49gjkf0d

داده هاي حاصل از مغزنگاري و پژوهش هاي نوروپسيکولوژيک بسيار متعدد بوده و در بسياري از موارد مفروضه هاي روش هاي آماري کلاسيک در مورد آنها برقرار نيست. در اين مواقع استفاده از روش هاي منعطف و کارآمدي مانند شبکه هاي عصبي مصنوعي نتايج دقيق تري دست مي دهد. شبکه هاي عصبي مصنوعي( ANNS) ريشه در شبيه سازي سيستم عصبي دارد. شبکه هاي عصبي شامل طبقه بندي وسيعي از الگوهاي رگرسيوني و تشخيصي غيرخطي، و الگوهاي تقليل داده ها مي شوند. يکي از کاربردهاي عمده شبکه هاي عصبي مصنوعي،کاربرد آنها به عنوان روش هاي تحليل داده ها است. يکي از رويکردهاي شبکه هاي عصبي مصنوعي، رويکرد پرسپترون است. پرسپترون لگويي از نورون يا يک نورون مصنوعي است و قابليت هاي پردازش آن قابل تعميم است. در اين الگو چندين ورودي Xi وجود دارد به نحوي که i=1,…, m خواهد بود. هر وروديXi با وزن متناظرWki ضرب مي شود که K شاخص يک نورون معين در شبکه عصبي مصنوعي است. وزن ها مشابه سيناپ ها در يک نورون واقعي عمل مي کنند. مجموع حاصل ضرب هاي وزني XiWki به ازايi=1,…, m معمولا به عنوان شبکه معرفي مي شود. در کاربرد آماري شبکه عصبي پرسپترون ويژگي هاي مهم غيرخطي بودن، يادگيري از مثال ها و انطباق وجود دارد (کانتاردزيک، 1385). در جريان يادگيري پرسپترون مقادير ضرايب وزني تعيين مي شود. اين الگو گسترش يافته و به صورت پرسپترون چند لايه اي تبديل شده است (جکسون، 1386). در اين مقاله کاربردهاي آماري شبکه هاي عصبي مصنوعي پرسپترون که الگويي از نورون هاي طبيعي است در تشخيص طبقات و گروه بندي بر اساس ملاک هاي مشخص مورد بررسي قرار مي گيرد.

 
کلید واژه: شبکه هاي عصبي مصنوعي، پرسپترون
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
 
بازدید یکساله 177   pdf-file
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی