مقاله شبکه عصبی

شبکه عصبی مصنوعی 1
Use of Artificial Neural Network and Image Analysis to Predict ... Optimum artificial neural network (ANN) models were developed based on one to two hidden layers and 10–20 neurons per hidden layer. The ANN ترجمه مقاله پیشبینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی‎ 13 دسامبر 2014 ... دسته: مقالات ترجمه شده فرمت فایل: docx حجم فایل: 860 کیلوبایت تعداد صفحه: 33 پیشبینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی ...‎ کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان - مقاله ...‎ 5 دسامبر 2014 ... ... of a Bearingless Induction Motor With Artificial Neural Network Inverse ... کلمات کلیدی: معکوس شبکه عصبی مصنوعی (ANN) ، موتور القایی ...‎ ترجمه مقاله کنترل برداری بدون-سنسورسرعت یک موتور القایی بدون ...‎ 28 ژانویه 2015 ... ... یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی ... اصطلاحات مرتبط__ معکوس شبکه عصبی مصنوعی (ANN) ، موتور ...‎ برنامه توسعه تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده ...‎ برنامه توسعه تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه گیم و شبکه عصبی مصنوعی. نوشته شده در 29/10/2014 توسط علی. عنوان لاتین مقاله: ...‎ یاتاقان - سرای مقالات دانشگاهی - ترجمه مقالات انگلیسی doc، pdf (ورد)‎ ... (Obderver) سرعت معکوس شبکه عصبی مصنوعی چکیده__ به منظور جلوگیری از ... Induction Motor With Artificial Neural Network Inverse Speed Observer عنوان ...‎ شبکه عصبی - سرای مقالات دانشگاهی‎ ... Induction Motor With Artificial Neural Network Inverse Speed Observer عنوان فارسی ... ترجمه مقاله پیشبینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی.‎ ترجمه مقاله کنترل برداری بدون-سنسورسرعت یک موتور القایی بدون ...‎ 28 ژانویه 2015 ... ترجمه مقاله کنترل برداری بدون-سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی.‎ سنسور - سرای مقالات دانشگاهی - ترجمه مقالات انگلیسی doc، pdf (ورد)‎ ... (Obderver) سرعت معکوس شبکه عصبی مصنوعی چکیده__ به منظور جلوگیری از ... Induction Motor With Artificial Neural Network Inverse Speed Observer عنوان ...‎ شبکه عصبی — صفحه 2 از 5 مقاله دانلود (Paper-downloads)‎ 27 نوامبر 2014 ... دسته: مقالات ترجمه شده حجم فایل: 860 کیلوبایت تعداد صفحه: 33 پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی چکیده به سیستم ...‎ یاتاقان بایگانی - صفحه 2 از 5 - مقاله دانلود (Paper-downloads)‎ 5 دسامبر 2014 ... ... of a Bearingless Induction Motor With Artificial Neural Network Inverse ... بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.‎ ماشین آلات بایگانی - صفحه 7 از 22 - مقاله دانلود (Paper-downloads)‎ 10 دسامبر 2014 ... ... of a Bearingless Induction Motor With Artificial Neural Network Inverse ... بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.‎ مقاله دانلود (Paper-downloads)‎ 16 دسامبر 2014 ... ... of ...

دانلود کتاب و مقاله شبکه عصبی
از سایت های زیر می توانید در حوزه شبکه عصبی کتاب و مقاله دانلود کنید:http://findebookee.com/0/%D8%B4%D8%A8%DA%A9%D9%87-%D8%B9%D8%B5%D8%A8%DB%8Cمقاله معروف Neural Networks for Control نوشته آقای Hagan:http://123seminarsonly.com/Seminar-Reports/031/33642013-Neural-Networks-for-Control.pdfhttp://saba.kntu.ac.ir/eecd/fatehi/Lectures/Intelligent%20Systems/NeuNet/Papers/NNControl.pdf
مقاله: شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی شرح مختصر :در این نوشتار به معرفی شبکه های عصبی زیستی و شبکه های عصبی مصنوعی و ساختارهای آنها می پردازیم.در ابتدا نرونهای شبکه های عصبی زیستی معرفی شده و طرز کار آنها نشان داده شده است.سپس مدل مصنوعی این نرونها و ساختار آنها،مدل ریاضی آنها،شبکه های عصبی مصنوعی و نحوه آموزش و بکارگیری این شبکه ها نشان داده شده است.تمرکز بیشتر بر نوعی از این شبکه ها به نام شبکه های عصبی مصنوعی چند لایه می باشد.سپس الگوریتم ژنتیک که جزو پرکاربردترین الگوریتمهای پیاده سازی شبکه عصبی مصنوعی است مورد بررسی قرار گرفته است. شبکه های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه زیادی را صرف آن کرده و می کنند.این موضوع یا ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تاحال به خوبی پیش رفته است.همچنین در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفا تئوری به تحقیقات کاربردی بخصوص در زمینه پردازش اطلاعات برای مساولی که برای آنها راه حلی موجود نیست و یا به راحتی قابل حل نیستند بوده ایم. باعنایت به این امر علاقهای فزاینده در توسعه تئوریکی سیستمهای دینامیکی هوشمند مدل آزاد۲که مبتنی بر داده های تجربی می باشند-ایجاد شده است .ANNها جزء این دسته از سیستمهای مکانیکی قرار دارند که با پردازش روی داده های تجربی،دانش یا قانون نهفته در ورای داده ها را به ساختار شبکه منتقل می کنند.به همین خاطر به این سیستم ها هوشمند گفته می شود.زیرا براساس محاسبات روی داده های عددی یا مثالها قوانین کلی را یاد می گیرند.این سیستمها در مدل سازی ساختار نرو سیتاپتیکی۳ مغز بشر می کوشند.البته این سخن اغراق آمیز می باشد.دانشمندان هرچه بیشتر درمورد مغز بشر تحقیق می کنند و می آموزند،بیشتر در می یابند که مغز بشر دست نیافتنی است.در حقیقت در مورد مغز و ساختار سیستم عصبی انسان اطلاعات زیادی به دست آمده است ولی پیاده سازی ساختاری با پیچیدگی مغز انسان براساس اطلاعاتی و تکنولوژی که امروزه وجود دارد غیر ممکن می باشد. فهرست : فصل اول مقدمه شبکه عصبی زیستی سابقه تاریخی آیده پیدایش شبکه های عصبی مصنوعی شبکه های عصبی در مقابل کامپیوترهای معمولی تفاوت شبکه های عصبی با روش های محاسباتی متداول (سیستم های خبره) مزایای استفاده از شبکه های عصبی مصنوعی معایب استفاده از شبکه های عصبی مصنوعی کاربردهای شبکه های عصبی مصنوعی توپولوژی شبکه های عصبی مصنوعی انواع یادگیری شبکه های عصبی مصنوعی نحوه عملکرد ...
مقاله ای کامل در مورد شبکه های عصبی مصنوعی قسمت اول
فهرست مطالب چکیده فصلاول مقدمه ای بر شبکه های عصبی مصنوعی 1-1انسانوكامپيوتر. 2 1ـ2 ساختارمغز. 4 1-2-1 يادگيريدرسيستم‌هايبيولوژيك. 7 1-3 تفاوتها. 7 نتيجهگيري. 9 فصلدوم نگرش کلی به شبکه های عصبی 2-1تعريفشبكههايعصبي. 11 2-2 مفاهيماساسيشبكههايعصبي. 11 2-3 معرفياصطلاحاتوعلائمقراردادي. 14 2-4كاربردهايمحاسباتعصبي. 15 2-5 كاربردهاينمونهشبكههايعصبيمصنوعي. 16 2-6 فوايدومعايبشبكههايعصبيمصنوعي. 17 2-7 معيارهايمهندسيبهمنظورمحاسباتعصبي. 18 2-7-1سؤالاتاوليه. 18 2-8 مراحلمهندسيسيستمANN.. 19 2-9 توپولوژيهايشبكهوخصوصيات. 21 فصلسوم بازشناسی الگو 3-1 چشماندازطرحشناسي. 23 3-2 تعريفبازشناسيالگوها. 23 3-3 بردارهايمشخصاتوفضايمشخصات. 24 3-4 توابعتشخيصدهندهيامميز. 24 3-5 فنونطبقهبندي. 25 3-6 روشطبقهبندي «نزديكترينهمسايه». 26 3-7- ميزانهاياندازهگيريفاصله. 27 3-8 دستگاههايطبقهبنديخطي. 31 فصلچهارم نرون پایه 4- 1 مقدمه. 38 4-2 مدلسازينرون. 38 4-3 فراگيريدرنرون‌هايساده. 42 4-4 الگوريتمفراگيريپرسپترون. 44 4-4-1 الگوريتمفراگيريپرسپترون. 44 4-5يكمثالسادهبرايپرسپترونساده. 47 4-6 ساختار. 48 4-6-1پرسپترونسادهبرايطبقهبنديالگويي. 48 فصلپنجم نرون چند لایه 5-1 مقدمه. 53 5-2مدلجديد. 55 5-3قاعدهجديدفراگيري. 55 5-4الگوريتمپرسپترونچندلايه‌اي. 57 5-4-1 الگوريتمآموزشپرسپترونچندلايه‌اي. 57 5-5بررسيمجددمسألهيايحذفي(XOR) 58 5-6 لايههايشبكهNetwork Layers.. 60 5-7 معرفيچندشبكه. 61 5-7-1 شبكه‌هايعصبيپيشخور. 61 5-7-2 شبكه‌هايعصبيپسخور. 62 5-8 معرفينمونهايازتوابعكليدي. 62 پیوست 1 كاربردعملكردهايمنطقي. 71 پیوست 2 بررسييكمثالعملي. 81 منابع. 85 فهرست اشکال شکل صفحه شكل 1-1 مشخصاتاصلييكنرونبيولوژيك. 5 شكل 1-2 وروديهاينرونبايدازآستانهمعينيتجاوزكندتانرونبتواندكنشكند. 6 شكل 1-3 اجزائمختلفيكسيناپس. 7 شكل 2-1 توپولوژيهايشبكههايعصبيمصنوعي. 12 شكل 3-1 محدودهتصميميكطبقهبنديخطي. 25 شكل 3-2 طبقهبنديبهوسيلهمقايسهبانزديكترينهمسايه 27 شكل3-3 فاصلهاقليدسي. 29 شكل 3-4 فاصلهشهري.. 30 شكل 3-5 فاصلهمربعي. 31 شكل 3-6 جداكردنطبقههاتوسطيكمحدودهتصميمخطي. 32 شكل 3-7 طبقهبنديخطيجزءبهجزءبرايطبقهبنديطرحهايجداييپذيرغيرخطي 35 شكل 4-1 مشخصاتيكنرونبيولژيك. 39 شكل 4-2 نمايمدلاصلينرون. 39 چکیده انسان ها از کامپیوترها با هوش ترند این جمله به صراحت اثبات شده است. مغز انسان دارای ساختاریبسیار پیچیده است که به صورت مجموعه ای بسیار متصل و شبکه ای از عناصر پردازشی نسبتاً ساده که به طور موازی با هم فعالیت دارند، ساخته شده است.شبکه های عصبی مغز انسان به صورت بسیار کارآمدتر ...
شبکه های عصبی

شبکه عصبی چیست؟ شبکه های عصبی مصنوعی (Artificial Neural Network) الگویی برای پردازش اطلاعات می باشند که با تقلید از شبکه های عصبی بیولوژیکی مثل مغز انسان ساخته شده اند.عنصر کلیدی این الگو ساختار جدید سیستم پردازش اطلاعات آن می باشد و از تعداد زیادی عناصر (نرون) با ارتباطات قوی داخلی که هماهنگ با هم برای حل مسائل مخصوص کار می کنند تشکیل شده اند. انسانها از زمانهای بسیار دور سعی بر آن داشتند که بیوفیزیولوژی مغز را دریابند چون همواره مسئله هوشمندی انسان و قابلیت یادگیری ،تعمیم،خلاقیت،انعطاف پذیری و پردازش موازی در مغز برای بشر جالب بوده و بکارگیری این قابلیتها در ماشینها بسیار مطلوب می نمود.روشهای الگوریتمیک برای پیاده سازی این خصایص در ماشینها مناسب نمی باشند در نتیجه می بایست روشها مبتنی بر همان مدلهای بیولوژیکی باشد.ANN درست مثل انسانها با استفاده از مثالها آموزش می بیند ; همانطور که یک بچه با دیدن انواع مختلف از یک حیوان قادر به تشخیص آن می باشد. تاریخچه: تاریخچه پیدایش ANN را می توان به مراحل زیر تقسیم کرد: 1. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوژیستها سعی کردند سیستم 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 والترپیتز انجام شد که امروز بلوک اصلی سازنده ی اکثر شبکه های عصبی مصنوعی است .این مدل فرضیه هایی در مورد عملکرد نرونها ارائه می کند .عملکرد این مدل مبتنی بر جمع ورودیها و ایجاد خروجی است . چنانچه حاصل جمع ورودی ها از مقدار آستانه بیشتر باشد اصطلاحا نرون برانگیخته می شود.نتیجه این مدل اجرای توابع ساده منطقی مثل OR وAND بود . 2. نه تنها نروفیزیولوژیستها بلکه روانشناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه های عصبی تأثیر داشتند. در 1958 شبکه پرسپترون توسط روزنبلات معرفی گردید.این شبکه نظیر واحدهای مدل شده ی قبلی بود پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده میباشد است. این سیستم میتواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند . سیستم دیگر مدل خطی تطبیقی نرون یا Adalaline (Adaptive linear element ) می باشد که در 1960 توسط ویدرو و هاف ( دانشگاه استنفورد ) بوجود آمد که اولین شبکه های عصبی بکار گرفته شده در مسائل واقعی بوده اند. Adalalineیک دستگاه الکترونیکی بود که از اجزای ساده ای تشکیل شده بود روشی که برای آموزش استفاده میشد با پرسپترون فرق داشت. 3. ...
شبکه های عصبی و الگوریتم های ژنتیک در تجارت
عنوان مقاله: شبکه های عصبی و الگوریتم های ژنتیک در تجارتمولف/مترجم: دکتر حمید رضا جعفریه ، نگارمعتمدی، الهه ملاییموضوع: شبکه های عصبیسال انتشار(میلادی): 2007وضعیت: تمام متنمنبع: ماهنامه تدبیر-سال هجدهم-شماره 177تهیه و تنظیم: پایگاه مقالات مدیریت www.SYSTEM.parsiblog.comچکیده:در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه ای که بر اثر دستکاری یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم ، به کسب تجربه منجر می شود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند. چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری ، از موضوعات بحث برانگیز در عصرحاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است .در این راستا شبکه های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است .استفاده از شبکه‌های عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است . در این مقاله پس از معرفی اجمالی شبکه های عصبی و الگوریتم های ژنتیک، ارتباط وسهم آن ها در تصمیم گیری در حوزه تجارت وکسب وکار مورد بررسی قرارگرفته است . مقدمهتوجه به کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب و کار به طور فزاینده ای در حال افزایش است. در این راستا سیستم های خبره جایگاه ویژه ای یافته اند. در چند دهه گذشته دو عنوان شبکه های عصبی و الگوریتم های ژنتیک از موضوعاتی بوده اند که توجه بسیاری از دانشگاهیان را به خود جلب کرده اند . این دو به عنوان ابزاری نیرومند در حل مسائلی که دیگر توسط متدلوژی ها و روش های سنتی گذشته ...
مرجع اصلی جعبه ابزار شبکه عصبی (Neural network toolbox ) نرم افزار متلب

بهترین کتابی که درباره شبکه های عصبی می توانید پیدا کنید به اسم Neural network design اثر پروفسور Hagan است. حتما پيشنهاد مي كنم اين كتاب روان را بخوانيد. Neural network toolbox مطلب هم براساس اين كتاب نوشته شده است. این کتاب توسط انتشارات کیان رایانه، آقای سید مصطفی کیا ترجمه نیز شده است که چندان ترجمه قوی نیست اگرچه شنیده ها حاکی است تعدادی از اساتید دانشگاه نیز این کتاب را ترجمه کرده اند. سايت زير متعلق به آقاي Hagan است. http://hagan.okstate.edu/nnd.html در اين سايت پاورپوينت و خلاصه‌ايي از چند فصل اين كتاب موجود است. لینک دانلود کتاباصل کتاب را نیز می توانید از سایت زیر به صورت رایگان دانلود کنید.http://www.gigapedia.com
شبکه عصبی(neural network) چیست؟
این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و سر انجام به شرح مدل های ریاضی در رابطه با این موضوع می پردازیم. مقدمه : یک شبکه عصبی چیست؟ یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد. سابقه تاریخی : 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. خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد . اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد. چرا از شبکه های عصبی استفاده می کنیم ...
شبکه های عصبی و الگوریتم های ژنتیک در تجارت
عنوان مقاله: شبکه های عصبی و الگوریتم های ژنتیک در تجارتمولف/مترجم: دکتر حمید رضا جعفریه ، نگارمعتمدی، الهه ملاییموضوع: شبکه های عصبیمنبع: ماهنامه تدبیر-سال هجدهم-شماره 177چکیده:در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل سیستم هایی است که در آن به علت ارتباطات پیچیده بین اجزا، مغز انسان از درک ریاضی این ارتباطات قاصر است . مغز انسان به مرور زمان با مشاهده توالی رفتارهای سیستم و گاه آزمایش نتیجه ای که بر اثر دستکاری یکی از اجزای سیستم به دست می آید تا حدی می تواند عادتهای سیستم را شناسایی کند . این روند یادگیری بر اثر مشاهده مثالهای متنوع از سیستم ، به کسب تجربه منجر می شود. در چنین سیستم‌هایی مغز قادر به تجزیه و تحلیل داخلی سیستم نیست و تنها با توجه به رفتارهای خارجی، عملکرد داخلی سیستم را تخمین می زند و عکس العملهای آن را پیش بینی می کند. چگونگی اداره حجم انبوه اطلاعات و استفاده موثر از آنها در بهبود تصمیم گیری ، از موضوعات بحث برانگیز در عصرحاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است .در این راستا شبکه های عصبی یکی از پویاترین حوزه‌های تحقیق در دوران معاصر هستند که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است .استفاده از شبکه‌های عصبی و الگوریتم های ژنتیک در حل مسائل پیچیده کاربردی این روزها بیش از بیش رواج یافته است . در این مقاله پس از معرفی اجمالی شبکه های عصبی و الگوریتم های ژنتیک، ارتباط وسهم آن ها در تصمیم گیری در حوزه تجارت وکسب وکار مورد بررسی قرارگرفته است . مقدمهتوجه به کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب و کار به طور فزاینده ای در حال افزایش است. در این راستا سیستم های خبره جایگاه ویژه ای یافته اند. در چند دهه گذشته دو عنوان شبکه های عصبی و الگوریتم های ژنتیک از موضوعاتی بوده اند که توجه بسیاری از دانشگاهیان را به خود جلب کرده اند . این دو به عنوان ابزاری نیرومند در حل مسائلی که دیگر توسط متدلوژی ها و روش های سنتی گذشته قابل حل نبودند، شناخته شده و مورد استفاده قرارگرفته اند. این روزها استفاده از آنها به زندگی ...