کتاب مبانی شبکه‌های عصبی؛ هوش محاسباتی – جلد ۱

کتاب مبانی شبکه‌های عصبی؛ هوش محاسباتی – جلد ۱: در سال‌های اخیر شاهد حرکتی مستمر از تحقیقات صرفا تئوری به تحقیقات کاربردی بخصوص در زمینه پردازش اطلاعات مسائلی که برای آن‌ها راه‌حلی موجود نیست و یا براحتی قابل حل نیستند بوده‌ایم. شبکه‌های عصبی مصنوعی از جمله سیستم‌های دینامیکی است که با پردازش روی داده‌های تجربی، دانش یا قانون نهفته در ورای داده‌ها را به ساختار شبکه منتقل می‌کنند. شبکه‌های عصبی مصنوعی به عنوان یکی از مولفه‌های اصلی هوش محاسباتی از خواص مهمی برخوردارند که آن‌ها را در علوم و مسائل فنی مهندسی حائز اهمیت می‌نماید. در بین این خواص توانایی تقریب‌زنی توابع، ساختار موازی، قدرت یادگیری و تعمیم از اهمیتی خاص برخوردار است. در این کتاب اصول و مفاهیم اولیه شبکه‌های عصبی، ساختار و قوانین یادگیری آن، با کاربردهایی در مسائل علمی مطرح در دنیای علوم مهندسی از قبیل سیستم‌های کنترلی،پردازش سیگنال و شناسایی الگو، تشریح شده است. در فصل اول کتاب،‌ معنای شبکه‌های عصبی، انگیزه‌های بیولوژیکی و نرون مصنوعی، تاریخچه و کاربردهای شبکه‌های عصبی مصنوعی و انتظارات ما از اینگون شبکه‌ها بیان شده است. ایده اصلی شبکه‌های عصبی با ارائه نمونه‌های ساده بلوک‌های ریاضی جهت فهم بهتر و اولیه شبکه‌های عصبی ارائه شده است. در فصل سوم یک مسئله تشریحی (شناسایی الگو) و در فصل چهار پس از ارائه ایده کلی الگوریتم یادگیری،‌شبکه پرسپترون تک‌لایه و قانون یادگیری آن به‌طور کامل مورد بررسی قرار گرفته است. فصل پنجم نیز شامل شبکه‌های حافظه‌انجمنی، قانون یادگیری با ناظر و بدون ناظر هب، آنالیز عملکرد و قانون کوهنن و شبکه‌هاپفیلد است. در فصل ششم، دسته خاصی از شبکه‌های عصبی معرفی شده‌اند که از نظر ساختار و عملکرد شباهت زیادی به مدل همینگ دارند. طبقه‌ای از شبکه‌های عصبی موسوم به آدالاین که متشکل از یک نرون با تابع تبدیل خطی است در فصل هفتم مورد بررسی و مطالعه قرار گرفته است. در فصل آخر کتاب نیز پس از مرور کوتاه بر شبکه‌های عصبی چندلایه، شبکه مادالاین و قوانین یادگیری MR، تعمیمی از الگوریتم LMS موسوم به یادگیری پس انتشار خطا (BP) تشریح شده است.