در این نوشتار به معرفی شبکه های عصبی زیستی به شبکه های عصبی مصنوعی به ساختارهای آنها می پردازد در ابتدا نورون های شبکه های عصبی زیستی معرفی شده و طرز کار آنها نشان داده شده مدل ها به ساختار آنها مدل ریاضی آن ها شبکه عصبی مصنوعی به نحوه آموزش به کارگیری این شبکه ها نشان داده شده
چکیده:
بازار اعتبارات مصرفی در ایران با تشکیل بانکهای خصوصی رونق یافته است. فعالیت اصلی در این بازار اعطای تسهیلات مصرفی به متقاضیان بوده و این امر نیاز به اعتبار سنجی متقاضیان تسهیلات جهت کاهش ریسک اعتباری دارد. امروزه سیستمهای هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کرده‌اند. بررسی و تصویب اعتبارات یکی از کاربردهای شبکه عصبی است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام مضاربه با استفاده از شبکه های عصبی جهت رتبه بندی اعتباری شکل گرفته است. به دنبال این هدف ابتدا عوامل مهم تاثیر گذار بر رفتار اعتباری مشتریان شناسایی گردید و سپس مشتریان به سه دسته خوش حساب، بد حساب وسر رسید گذشته تقسیم شدند.
در مرحله بعد مدلهای شبکه عصبی پس از طراحی؛ با داده‌های آموزشی؛ آموزش داده شده و سپس با داده‌های آزمایشی مورد آزمایش قرار گرفتند.
نتایج بدست آمده نشان می‌دهد که رفتار اعتباری مشتریان با استفاده از مدلهای رتبه بندی شبکه‌های عصبی قابل پیش بینی است.
فهرست مطالب
فصل اول
کلیات تحقیق 1
مقدمه 2
1-1 بیان مسأله 4
1-2 سوال‌های تحقیق 7
1-3 اهمیت و ضرورت موضوع تحقیق 7
1-4 اهداف تحقیق 8
1-5 فرضیات تحقیق 9
1-6 چارچوب نظری تحقیق 10
1-7 متغیرهای پژوهشی 12
1-8 سابقه و ضرورت انجام تحقیق (پیشینه تحقیق) 13
1-9 کاربردهای تحقیق 15
1-10 نوع روش تحقیق 16
1-11 محدوده تحقیق 16
1-12 روش نمونه گیری و تعیین حجم نمونه 17
1-13 ابزار گردآوری اطلاعات 18
1-14 محدودیت‌های تحقیق 18
1-15 روش تجزیه و تحلیل اطلاعات 19
1-16 برخی تعاریف، مفاهیم و اصطلاحات 19
فصل دوم 22
ادبیات تحقیق 23
مقدمه 24
بخش اول 25
آشنایی با بانک سامان و انواع تسهیلات 25
آشنایی با بانک سامان 26
چارت خدمات بانک سامان 29
انواع سپرده‌های سرمایه گذاری 29
سپرده کوتاه مدت 29
سپرده کوتاه مدت ویژه 30
سپرده بلند مدت 30
سپرده اندوخته 31
سپرده ارزی 32
تسهیلات حقوقی 32
ابزارهای اعتباری 33
انواع ابزارهای اعتباری 33
ضوابط و معیارهای اساسی اعطای تسهیلات 34
1- قابلیت اعتماد و اطمینان 37
2- قابلیت و صلاحیت فنی 39
3- ظرفیت مالی و کشش اعتباری 40
4- وثیقه (تامین) 42
بخش دوم 47
مبانی نظری رتبه بندی اعتبار 47
مقدمه 48
2-1 مروری بر تاریخچه رتبه بندی اعتبار 50
2-2 رتبه بندی اعتبار 52
فرآیند تصمیم گیری اعطای تسهیلات 53
3-2 سیستمهای رتبه بندی اعتبار 58
4-2 مدلهای رتبه بندی اعتباری 59
5-2 مزایا و محدودیت‌های مدل رتبه بندی اعتبار 60
- محدودیت‌ها 60
بخش سوم 62
مبانی نظری شبکه عصبی 62
مقدمه 63
3-1 هوش مصنوعی 65
3-2 مروری بر تاریخچه شبکه عصبی 67
3-3 شبکه‌های عصبی مصنوعی 70
3-4 اساس بیولوژیکی شبکه عصبی 75
3-5 مقایسه بین شبکه‌های عصبی مصنوعی و بیولوژیکی 79
3-6 مدل ریاضی نرون 80
3-7 ویژگی‌ها و خصوصیات شبکه‌های عصبی مصنوعی 82
3-7-1 قابلیت یادگیری 82
3-7-2 پردازش اطلاعات به صورت متنی 83
3-7-3 قابلیت تعمیم 83
3-7-4 پردازش موازی 84
3-7-5 مقاوم بودن 84
3-8 مشخصه‌های یک شبکه عصبی 84
3-8-1 مدلهای محاسباتی 85
3-8-2 قواعد یادگیری 88
3-8-3 معماری شبکه 90
3-9 عملکرد شبکه‌های عصبی مصنوعی 101
3-10 محدودیت‌های شبکه عصبی 103
3-11 کاربرد شبکه‌های عصبی در مدیریت 104
بخش چهارم 110
خلاصه مقاله‌ها 110
بخش پنجم 124
نتیجه گیری 124
فصل سوم 129
روش شناسی تحقیق 129
3-1 مقدمه 130
3-2 روش تحقیق 131
3-3 جامعه آماری 132
3-4 نمونه آماری 132
3-5 فرضیات تحقیق 133
3-6 محدوده تحقیق 135
3-7 جمع آوری داده‌ها 136
3-8 تعیین حجم نمونه 137
3-9 ابزار گردآوری داده‌ها 138
3-10 روش تجزیه و تحلیل داده‌ها 138
3-11 فرآیند تحقیق 141
فصل چهارم 153
یافته‌های تحقیق 153
4-1 مقدمه 154
4-4-1 آماده سازی داده‌های ورودی جهت رتبه سنجی مشتریان با کمک شبکه عصبی آماده سازی داده‌ها 154
معماری شبکه 155
فصل پنجم 162
نتیجه گیری و پیشنهادها 162
نتیجه گیری 163
پیشنهادات 168
فهرست اشکال
شکل (2-1) : ساختار نورون 77
شکل (2-2) : اولین مدل دقیق سلول عصبی 81
شکل (3-3) : معماری شبکه 91
شکل (3-4) : پرسپترون چند لایه 92
شکل (3-5) : نحوه تشکیل محدوده‌های فضا توسط تعداد مختلف لایه‌های پرسپترون 95
شکل (3-6) : شبکه هاپفیلد 101
فهرست جداول
جدول (3-1) : توابع محرک با علائم قرار دادی 87
جدول (4-1) : مقایسه نتایج میانگین خطا در مدل A 157
جدول (4-2) : نتایج اجرای آموزش مدل A 157
جدول (4-3) : مقایسه نتایج میانگین خطا درمدل B 158
جدول (4-4) : نتایج اجرای آموزش مدل B 158
جدول (4-5) جدول مقایسه نتایج 159
جدول (4-6) نتایج اجرای مدلA 160
جدول (4-7) نتایج اجرای مدل B 160
پیوست :
پیوست الف : جداول و نمودارهای مربوط به مدل A 170
پیوست ب :جداول و نمودارهای مربوط به مدل B 173
این فایل به همراه چکیده، فهرست مطالب، متن اصلی و منابع با فرمت docx(قابل ویرایش) در اختیار شما قرار می گیرد.
تعداد صفحات:190
شرح مختصر : در این تحقیق از نخستین کاربرد شبکه های عصبی یعنی تقریب توابع برای تقریب دیاگرام مودی برای استخراج ضریب اصطکاک دارسی که در محاسبات مربوط به افت فشار سیال لوله ها ناشی از اصطکاک ،استفاده می شود.در مکانیک سیالات ضریب اصطکاک دارسی یا از نمودار مودی استخراج می شود و یا از فرمول های نیمه تجربی مانند معادله کلمبرک محاسبه می شود. در این مقاله تعداد ۱۲۰۰ نمونه از دو داده ورودی به نام عدد بی بعد رینولدز و زبری نسبی لوله تولید کرده ایم که داده های معلوم مسئله هستند و بصورت تصادفی و در محدوده مشخص انتخاب شده اند و۱۲۰۰ نمونه داده خروجی ضریب اصطکاک دارسی است که از روی نمودار مودی و با استفاده از داده های ورودی استخراج شده و به عنوان داده ای آموزش برای شبکه عصبی طراحی شده در نظر گرفته شده اند. آموزش شبکه را با دو سری داده انجام شده است یک سری داده های معمولی و خام و سری دوم داده هایی که ورودی های آنها بصورت غیر خطی نورمالایز لگاریمی شده اند و تفاوت خطای نهایی آنها مورد بررسی قرار گرفته شده است. بعد از آموزش شبکه و رسیدن به سطح خطای مطلوب ،ضریب اصطکاک را از برنامه گرفته و وارد قسمت دوم برنامه برای محاسبه افت فشار لوله ناشی از اصطکاک سیال با جدار لوله برای جریان کاملا فراگیر و لوله با قطر ثابت کرده و افت هد اصلی را بدست آورده ایم.
فهرست :
مقدمه
توضیحاتی در مورد جریان در لوله ها و دیاگرام مودی
افت فشار
شبیه سازی شبکه عصبی
داده های ورودی و خروجی
آموزش شبکه عصبی با جعبه ابزار Matlab
توضیح جز به جز برنامه نوشته شده
خروجی شبکه
بررسی نمودارهای استخراج شده
تعیین تعداد نورون های لایه پنهان
مثالی از محاسبه افت فشار در یک لوله با استفاده از برنامه نوشته شده
خروجی شبکه
منابع و مآخذ
شبکه های عصبی
47 صفحه در قالب word
به همراه 17 اسلاید پاورپوینت
چکیده:
به موازات گسترش کاربرد شبکه عصبی نیاز به فراگیری آن و آشنایی با توانایی ها و قابلیت های آن رخ می نماید.
در این راستا تالیفات زیادی وجود دارد که می توان به آن ها استناد نمود اما در اکثر قریب به اتفاق این خود آموزها مبانی این شبکه ها با تفاضیل و جزئیات بسیار بیان شده است و مسلما بعنوان قدم اول برای آشنایی حجیم و وقت گیر به نظر می رسد. لذا بر آن شدیم تا با درنظر گرفتن نیاز دانشجویان به ویژه در کاربرد های پروژه ای که خود نیز دانشجو هستیم مقدماتی را جهت آشنایی با این شبکه ها بطور مختصر جمع آوری کنیم تا نیازهای مقدماتی جهت آشنایی با این شبکه ها را برطرف کند.
در این پروژه سعی کردیم تعریفی نسبتا جامع و کامل از شبکه های عصبی ، انواع آن ، کاربرد ها ، ساختار ها ، مقایسه ی آن با ساختارها و نرم افزارهای دیگر و ... پرداخته شود. با توجه به گستردگی مطالب در این پروژه سعی کردیم که از پرداختن به جزئیات غیر ضروری پرهیز شود. ما در فصل اول این تحقیق ابتدا به تعریف شبکه عصبی میپردازیم سپس به بررسی شباهت شبکه های عصبی با مغز و بعد از آن به بررسی انواع شبکه های عصبی و در آخر به چند مورد از کاربرد های شبکه های عصبی میپردازیم.
در فصل دوم به کاربردهای شبکه عصبی در OCR و در فصل سوم به انواع شبکه های عصبی ، فصل چهارم به مقایسه شبکه های عصبی و در فصل پنجم به بررسی شبکه های عصبی و الگوریتم های ژنتیک در تجارت میپردازیم و در آخر به نتیجه گیری موضوع میرسیم.
فهرست مطالب
مقدمه. 7
فصل 1 : 8
شبکه عصبی.. 8
2-1 : شباهت شبکه های عصبی با مغز. 10
1-2-1 : ساختار نورون. 11
1-2-2 : روش کار نورون ها 12
1-3 : انواع شبکه های عصبی.. 12
1-3-1 : شبکه عصبی یک لایه ای : 12
1-3-2 : شبکه عصبی دو لایه ای : 13
1-3-3 : شبکه عصبی رقابتی : 13
1-4 : کاربرد شبکه های عصبی.. 13
فصل 2 : 18
کاربردهای شبکه عصبی در OCR.. 18
2-1 : پیشپردازش... 19
2-1-1 : بهبود تصویر. 20
2-1-2 : اصلاح چرخش... 21
2-1-3 : باریکسازی.. 21
2-2 : بخش بندی.. 22
2-3 : دستهبندی.. 24
2-3-1 : بازنمایی الگو و رمزگذاری.. 24
2-3-2 : استخراج ویژگی مبتنی بر بردار. 25
2-3-3 : رمزگذاری ویژگی‌های ساختاری.. 26
2-3-4 : ساختارهای ترکیبی.. 27
فصل 3 : 28
انواع شبکه های عصبی.. 28
3-1 : شبکه‌های عصبی زیستی.. 29
3-2 : شبکه عصبی مصنوعی.. 29
فصل 4 : 31
مقایسه شبکه های عصبی.. 31
4-1 : شبکه های عصبی در مقابل کامپیوتر های معمولی.. 32
4-2 : تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول (سیستمهای خبره) 34
فصل 5 : 36
شبکه های عصبی و الگوریتم های ژنتیک در تجارت.. 36
5-1 : فناوری الگوریتم ژنتیک... 37
5-2 : مروری بر کاربردهای تجاری.. 38
5-2-1 : رفتار مصرف کننده. 39
5-2-2 : بخش بندی،انتخاب بازار هدف، جایگاه یابی.. 39
5-2-3 : مدیریت عناصر آمیخته بازاریابی.. 40
5-3 : سایر حوزه های تجاری.. 43
5-4 : مزایای استفاده از این فناوریهای هوش مصنوعی.. 43
نتیجه گیری.. 45
منابع. 46
مقدمه
این تحقیق با هدف اصلی درک اولیه ای از شبکه های عصبی آغاز شده است. در این تحقیق از منابع و سایت های متنوعی استفاده شده است و راهنمایی های استاد ارجمند سرکار خانم اعظم ایرجی چراغ راه ما بوده است.
شبکه های عصبی نوعی مدل ساده انگارانه از سیستم های عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف در علوم دارند. حوزه کاربرد این شبکه ها آن چنان گسترده است که از کاربردهای طبقه بندی گرفته تا کاربرد هایی نظیر درون یابی و تخمین و آشکارسازی و ... را شامل می شود. شاید مهمترین مزیت این شبکه ها توانایی وافر آن ها در کنار سهولت استفاده از آن ها باشد. به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.
فصل 1
شبکه عصبی
شبکه‌های عصبی را میتوان با اغماض زیاد، مدلهای الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدلهای الکترونیکی شبکه‌های عصبی طبیعی نیز بر اساس همین الگو بنا شده‌اند و روش برخورد چنین مدل‌هایی با مسائل، با روش‌های محاسباتی که به‌طور معمول توسط سیستمهای کامپیوتری در پیش گرفته شده‌اند، تفاوت دارد.
می‌دانیم که حتی ساده‌ترین مغز‌های جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می‌شوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونه‌ای از مواردی هستند که روش‌های معمول محاسباتی برای حل آنها به نتیجه مطلوب نمی‌رسند. درحالی‌که مغز ساده‌ترین جانوران به‌راحتی از عهده چنین مسائلی بر می‌آید.
مفهوم بنیادی شبکه های عصبی ، ساختار سیستم پردازش اطلاعات است که از تعداد زیادی واحد های پردازش (نورون) مرتبط با شبکه ها تشکیل شده اند. سلول عصبی بیولوژیکی یا نورون ، واحد سازنده ی سیستم عصبی در انسان است.
و در ادامه میتوان گفت که شبکه عصبی یک برنامه نرم افزاری یا تراشه نیمه هادی است که بتواند همانند مغز انسان عمل نماید طوری که :
1)به مرور زمان و تعامل بیشتر با محیط کارآزموده تر گردد.
2)علاوه بر انجام محاسبات قادر به نتیجه گیری منطقی باشد.
3)در شرایط جدید راهکار مناسب را ارائه دهد.(قابلیت تعمیم داشته باشد.)
2-1 : شباهت شبکه های عصبی با مغز
اگرچه مکانیسم‌های دقیق کارکرد مغز انسان (یا حتی جانوران) به طور کامل شناخته شده نیست، اما با این وجود جنبه‌های شناخته شده‌ای نیز وجود دارند که الهام بخش تئوری شبکه‌های عصبی بوده‌اند. به‌عنوان مثال، یکی ازسلول‌های عصبی، معروف به نرون (Neuron) است که دانش بشری آن را به‌عنوان سازنده اصلی مغز می‌انگارد. سلول‌های عصبی قادرند تا با اتصال به یکدیگر تشکیل شبکه‌های عظیم بدهند. گفته می‌شود که هر نرون می‌تواند به هزار تا ده هزار نرون دیگر اتصال یابد (حتی در این مورد عدد دویست هزار هم به عنوان یک حد بالایی ذکر شده است).
قدرت خارق‌العاده مغز انسان از تعداد بسیار زیاد نرون‌ها و ارتباطات بین آنها ناشی می‌شود.
ساختمان هر یک از نرون‌ها نیز به‌تنهایی بسیار پیچیده است. هر نرون از بخش‌ها و زیر‌سیستم‌های زیادی تشکیل شده است که از مکانیسم‌های کنترلی پیچیده‌ای استفاده می‌کنند. سلول‌های عصبی می‌توانند از طریق مکانیسم‌های الکتروشیمیایی اطلاعات را انتقال دهند. برحسب مکانیسم‌های به‌کاررفته در ساختار نرون‌ها، آنها را به بیش از یکصدگونه متفاوت طبقه‌بندی می‌کنند. در اصطلاح فنی، نرون‌ها و ارتباطات بین آنها، فرایند دودویی(Binary)، پایدار (Stable) یا همزمان (Synchronous) محسوب نمی‌شوند.
در واقع، شبکه‌های عصبی شبیه‌سازی شده یا کامپیوتری، فقط قادرند تا بخش کوچکی از خصوصیات و ویژگی‌های شبکه‌های عصبی بیولوژیک را شبیه‌سازی کنند. در حقیقت، از دید یک مهندس نرم‌افزار، هدف از ایجاد یک شبکه عصبی نرم‌افزاری، بیش از آنکه شبیه‌سازی مغز انسان باشد، ایجاد مکانیسم دیگری برای حل مسائل مهندسی با الهام از الگوی رفتاری شبکه‌های بیولوژیک است.
ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است
متن کامل را می توانید در ادامه دانلود نمائید
چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است
موضوع فارسی : عوامل خطر عصبی تکاملی و روانی در قاتلان زنجیره ای و قتل عام
موضوع انگلیسی : Neurodevelopmental and psychosocial risk factors in serial killers and mass murderers
تعداد صفحه : 14
فرمت فایل :pdf
سال انتشار : 2014
زبان مقاله : انگلیسی
چکیده
قتل های متعدد و سریال رویدادی نادر است که تاثیر بسیار عمیق اجتماعی هستند. ما باید به انجام
بررسی سیستماتیک، زیر دستورالعمل PRISMA، از هر دو ادبیات کارشناسی و روزنامه نگاری و
با توجه به توده منابع قانونی و قتل های زنجیره ای. یافته های ما نشان می دهد که به طور آزمایشی این اشکال شدید خشونت ممکن است در نتیجه از تعامل بسیار پیچیده از عوامل زیستی، روانی و جامعه شناختی و
که، اختلالات عصبی تکاملی به طور بالقوه، نسبت قابل توجهی از قاتلان زنجیره ای و یا توده ممکن است داشته اند
: مانند اختلال طیف اوتیسم یا ضربه به سر. تحقیقات به قتل های متعدد و سریال است در مراحل ابتدایی است:
فقدان مطالعات دقیق علمی وجود دارند و بیشتر از آن حدیثی و نظری است. خاص ج مطالعه آینده
از نقش بالقوه اختلالات عصبی تکاملی در قتل های متعدد و سریال است موجه و با توجه به
به نادر بودن این وقایع، تکنیک های پژوهش نوآورانه ممکن است لازم باشد
کلمات کلیدی: اختلال طیف اوتیسم
قاتل زنجیره ای
قتل عام
آسیب مغزی
مشکلات روانی اجتماعی