شبیه سازی، شبکه های عصبی، تخمین انواع توابع، غیرخطی چند متغیره توسط شبکه عصبی. شبکه های عصبی چند لایه MLP و تک لایه RBF شبکه های عصبی SHL تک لایه مخفی. به عنوان شناسایی و کنترل کننده.

انجام پروژه کنترل عصبی تطبیقی پایدار با استفاده از تئوری پایداری لیاپانوف.
طراحی رویتگر تطبیقی پایدار با استفاده از MLP تک لایه.
کنترل کننده عصبی تطبیقی مستقیم و غیر مستقیم با استفاده از RBF تطبیقی.
شناسایی سیستم های غیرخطی و چند وروددی چند خروجی توسط شبکه های عصبی.
آموزش شبکه عصبی توسط رویتگر KF, EKF
آموزش شبکه عصبی توسط روش مشتق (روش نزول گرادیان)
آموزش شبکه عصبی به صورت دینامیک و قانون تطبیق

قانون یادگیری شبکه های عصبی رقابتی، در گروه یادگیری بدون ناظر قرار می گیرد. در این شبکه ها، چنانچه از نام آنها برمی آید، خروجی های سلول عصبی با یکدیگر به رقابت می پردازند تا یکی از آنها که دارای امتیاز بیشتری است در رقابت برنده شده و در بین سایر سلولها متمایز شود. در مدل همینگ نمونه ساده ای از این نوع رقابت مشاهده می شود. شبکه همینگ را شاید بتوان یکی از ساده ترین نمونه های شبکه های رقابتی دانست. لایه اول و سوم این شبکه از نوع پیشخور هستند. لایه اول عمل همبستگی ورودی با کلاسهای مرجع را انجام می دهد و لایه سوم هم که حکم لایه خروجی کل مدل را دارد، الگوی مرجعی را که از بیشترین شباهت به ورودی برخوردار است تعیین می کند. Continue reading “انجام پروژه شبکه عصبی” »