در جهان امروز به علت پیشرفت تکنولوژی و پیچیده تر شدن مسائل، استفاده از روش های نوین، جایگزین بسیاری از روش های سنتی شده که دیگر قادر به تخمین درستی از وضعیت موجود نمی باشند. همچنین پیچیده شدن فرایندها منجر به مشکلاتی مانند غیر خطی شدن رابطه پارامترهای فرایند شده که روش های پیشین قادر به انجام و یا تصمیم گیری در مورد آنها نیستند، از این رو روش های جدیدی از قبیل شبکه های عصبی جهت تحلیل این فرایندها پدید آمده است. به دلیل پیچیده بودن محاسبات شبکه عصبی استفاده از نرم افزارهای کامپیوتری توسط کاربران ناگزیر می نماید. در این میان نرم افزارهای متعددی به محاسبه شبکه های عصبی می پردازند. نرم افزار SPSS نسبت به سایر نرم افزارها دارای مزیت هایی بوده که مهمترین آن سهولت استفاده از آن می باشد. از این رو بر آن شدیم تا راهنمای مناسبی جهت استفاده از این نرم افزار مهیا کنیم که کتاب حاضر حاصل این احساس نیاز می باشد. توجه داشته باشید که این آموزش بر اساس مثال های کاربردی صورت می پذیرد که تأثیر مفیدی بر آموزش نرم افزار دارد...
کتاب آموزش شبکه های عصبی در نرم افزار SPSS، مشتمل بر 152 صفحه، در 3 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:
فصل 1: مقدمه
- شبکه عصبی چیست؟
- مزیت های شبکه های عصبی
- محدودیت های شبکه عصبی
- نرون عصبی انسان
- شبکه های عصبی تک نرونه، تک لایه، چند لایه
- انواع شبکه ای عصبی مصنوعی از نظر برگشت پذیری
- مراحل طراحی یک شبکه عصبی مصنوعی
- یادگیری نظارت نشده یا بدون ناظر
- شبکه پرسپترون
- یادگیری یک پرسپترون
- توابعی که پرسپترون قادر به یادگیری آنها می باشد
- الگوریتم های یادگیری پرسپترون
- مشکلات روش Gradient descent
- الگوریتم Back propagation
- انواع مدل های پرسپترون چند لایه
- شبکه های تابع شعاع مدار (RBF)
- معماری شبکه
- شبکه های عصبی در SPSS
- آموزش شبکه RBF
- لایه خروجی
- مزایای یک RBF
- برخی کاربردهای شبکه های عصبی مصنوعی
فصل 2: راهنمای کاربر
بخش اول
- شبکه های عصبی در SPSS
- ساختار شبکه عصبی
بخش دوم
- پرسپترون چند لایه
- متغیرهای وابسته
- ساخت یک شبکه پرسپترون چند لایه
- تفکیک کردن (Partitions)
- ساختار (Architecture)
- لایه های پنهان
- آموزش (Training)
- خروجی (Out Put)
- ذخیره (save)
- احتمال ها و شبه احتمال ها
- صدور (Export)
- گزینه ها (Options)
بخش سوم
- تابع شعاع مدار
- متغیرهای وابسته
- ساخت یک شبکه تابع شعاع مدار
- تفکیک کردن (Partiotions)
- ساختار (Architecture)
- خروجی (Out Put)
- ذخیره (save)
- احتمال ها و شبه احتمال ها
- صدور (Export)
- گزینه ها (Options)
فصل 3: مثال ها
بخش اول
- پرسپترون چندلایه
- آماده سازی داده ها جهت انجام تحلیل ها
- شروع تحلیل ها
- خلاصه فرایند انجام شده
- اطلاعات شبکه
- خلاصه مدل
- طبقه بندی
- تصحیح نمودن آموزش اضافی
- ایجاد نمونه آموزشی
- آغاز نمودن تحلیل ها
- خلاصه ای از فرایند انجام شده
- اطلاعات شبکه
- خلاصه مدل
- طبقه بندی
- منحنی ROC
- نمودار پیش بینی بر اساس مشاهده (Predicted-by-Observed Chart)
- Cumulative Gains and lift charts
- اهمیت متغیرهای مستقل
- خلاصه
- استفاده از پرسپترون چند لایه به منظور محاسبه هزینه های درمانی و مدت زمان بستری بیماران
- آماده سازی داده ها جهت انجام تحلیل ها
- آغاز آنالیزها
- اعلام خطرها
- خلاصه فرایند
- اطلاعات شبکه
- خلاصه مدل
- جدول پیش بینی بر اساس مشاهده (Predicted-by-Observed Charts)
- Residual by predicted chart
- Independent variable importance
- شبکه های عصبی در SPSS
- خلاصه
بخش دوم
- تابع شعاع مدار
- استفاده از RBF جهت طبقه بندی مشتریان خدمات ارتباط از راه دور
- آماده سازی داده ها جهت آغاز آنالیزها
- راه اندازی آنالیزها
- خلاصه فرایند انجام شده
- اطلاعات شبکه
- خلاصه مدل
- طبقه بندی
- نمودار پیش بینی بر اساس مشاهده
- منحنی ROC
- Cumulative gains and lift charts
- پیوست
- فایل های نمونه
جهت دانلود کتاب آموزش شبکه های عصبی در نرم افزار SPSS، برلینک زیر کلیک نمایید.
