جزوه و خلاصه کتاب آمار زیستی - بر اساس کتاب بهرام طارمی، بهرام ضیغمی - زیست - pdf

دانلود خلاصه و جزوه کتاب آمار زیستی

بر اساس کتاب بهرام طارمی، بهرام ضیغمی

رشته زیست شناسی دانشگاه پیام نور

شامل 70 صفحه با فرمت pdf

حل المسائل کتاب آمار زیستی - بر اساس کتاب بهرام طارمی، بهرام ضیغمی - زیست - pdf

دانلود حل المسائل کتاب آمار زیستی

بر اساس کتاب بهرام طارمی، بهرام ضیغمی

رشته زیست شناسی دانشگاه پیام نور

شامل 97 صفحه با فرمت pdf

دانلود پاورپوینت آشنایی با سیستم عصبی زیستی

مشخصات این فایل
عنوان: آشنایی با سیستم عصبی زیستی
فرمت فایل : پاورپوینت (قابل ویرایش)
تعداد اسلایدها : 24

این پاورپوینت در مورد آشنایی با سیستم عصبی زیستی  می باشد.

بخشی از تیترها به همراه مختصری از توضیحات هر تیتر ازپاورپوینت آشنایی با سیستم عصبی زیستی

معرفی ANN ها
یک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.در این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node  ها و اعمال یک الگوریتم  آموزشی به آ ن،  شبکه را آموزش می دهند .
در این حافظه یا شبکه ی عصبی node  ها دارای دو حالت فعال(on  یا 1) وغیرفعال(   off یا 0) اند و هر یال (سیناپس یا ارتباط  بین node  ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند....(ادامه دارد)

به طور خلاصه یک شبکه عصبی باید خصوصیات زیر را داشته باشد:
بتواند الگوها را طبقه بندی کند.
به اندازه کافی کوچک باشد تا از نظر فیزیکی واقع گرایانه باشد.
با به کار گیری آموزش، قابل برنامه ریزی باشد و قدرت یادگیری داشته باشد. یعنی توانایی تنظیم پارامترهای شبکه ( اوزان سیناپتیکی )، در مسیر زمان که محیط شبکه تغییر می کند و شبکه وارد شرایط جدیدی می شود. هدف از این کار این است که اگر شبکه برای یک وضعیت خاص آموزش دید و تغییر کوچکی در شرایط محیطی شبکه رخ داد، شبکه بتواند با آموزش مختصر، برای شرایط جدید نیز کارآمد باشد.    دیگر این که اطلاعات در شبکه های عصبی در سیناپس ها ذخیره و هر نرون در شبکه به صورت بالقوه از کل فعالیت سایر نرون ها تأثیر می پذیرد. در نتیجه اطلاعات از نوع مجزا از هم نبوده و متأثر از کل شبکه می باشد....(ادامه دارد)

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
یکی از مهم‌ترین تفاوت‌های حافظه انسان با حافظه کامپیوتر در نوع آدرس دهی این دو نوع حافظه می‌باشد. در حافظه کامپیوتر اساس کار بر پایه آدرس خانه‌های حافظه یا آدرس اطلاعات بر روی حافظه دائم می‌باشد. به عنوان مثال برای دستیابی به یک تصویر یا متن خاص، باید آدرس حافظه یا فایل مربوط به آن تصویر یا متن را داشته باشید. اما با داشتن خود تصویر یا متن نمی‌توانید به سادگی آدرس حافظه مربوطه را بیابید (البته به این معنی که این کار با یک قدم قابل انجام نیست، وگرنه می‌توانید تصویر یا متن مورد نظر را با تمام موارد موجود در حافظه مقایسه کرده و در صورت تطبیق آدرس را بیابید. ناگفته پیداست که انجام چنین کاری بسیار زمان بر و پر هزینه می‌باشد).
اما به سازوکار همین عمل در ذهن انسان دقت کنید. با دیدن یک تصویر ناقص اغلب بلافاصله کامل آنرا به خاطر می‌آورید یا با دیدن تصویر یک شخص سریعا نام او را می‌گویید، یا با خواندن یک متن سریعا تمامی مطالب مربوط به آن را به ذهن می‌آورید. در واقع ذهن انسان یک نوع حافظه آدرس‌دهی شده بر اساس محتواست (Content Addressable Memory). همانگونه که از این نام مشخص است در این نوع حافظه، با دادن محتوای یک خانه حافظه، بلافاصله آدرس آن به عنوان خروجی داده می‌شود....(ادامه دارد)

معایب ANN ها
با وجود برتری هایی که شبکه های عصبی نسبت به سیستم های مرسوم دارند، معایبی نیز دارند که پژوهشگران این رشته تلاش دارند که آن ها را به حداقل برسانند، از جمله:
قواعد یا دستورات مشخصی برای طراحی شبکه جهت یک کاربرد اختیاری وجود ندارد.
در مورد مسایل مدل‌سازی، نمی‌توان صرفاً با استفاده از شبکه عصبی به فیزیک مسأله پی برد. به عبارت دیگر مرتبط ساختن پارامترها یا ساختار شبکه به پارامترهای فرآیند معمولاً غیرممکن است.
دقت نتایج بستگی زیادی به اندازه مجموعه آموزش دارد.
آموزش شبکه ممکن است مشکل یا حتی غیرممکن باشد.
پیش‌بینی عملکرد آینده شبکه ( عمومیت یافتن ) آن به سادگی امکان‌پذیر نیست...(ادامه دارد)

فهرست مطالب پاورپوینت آشنایی با سیستم عصبی زیستی

آشنایی با شبکه های عصبی زیستی
معرفی شبکه های عصبی مصنوعی(ANNها)
مبانی شبکه های عصبی مصنوعی
توپولوژی شبکه
نرم افزارهای شبکه های عصبی
مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی
فرآیند یادگیری شبکه
تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی
ایده ی اصلی شبکه های عصبی مصنوعی
مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر
شبکه های عصبی در مقابل کامپیوترهای معمولی
معایب شبکه های عصبی مصنوعی
کاربردهای شبکه های عصبی مصنوعی