تحقیق در مورد شبکه عصبی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 18 صفحه

 قسمتی از متن .doc : 

دانشگاه تهران

دانشکدة فنی

دانشکدة مهندسی برق و کامپیوتر

عنوان:

استفاده از روش‌های شبکه عصبی درطبقه‌بندی پروتئین‌ها

نگارش: هما برادران هاشمی

استاد راهنما: دکتر مسعود رهگذر

پروژه درس

مباحث ویژه پایگاه‌ داده‌ها

تابستان 1388

چکیده

تشخیص فولد پروتئین‌ها از جمله مسائل چالش برانگیزی است که در طی 35 سال گذشته محققان بسیاری در سراسر دنیا در این زمینه تحقیق کرده‌اند. امروزه به کارگیری علوم مهندسی برای حل مسائل حوزه علوم زیستی و پزشکی به سرعت و با موفقیت رو به افزایش است، بنابراین بسیاری از دانشمندان کامپیوتر به این سمت گرایش پیدا کرده‌اند تا بتوانند از روش‌های مختلف یادگیری ماشین در پیاده سازی سیستم‌های خودکار و هوشمند به منظور طبقه‌بندی پروتئین‌ها کمک بگیرند. هدف نهایی در پیاده سازی این سیستم‌ها نزدیک بودن هرچه بیشتر تصمیم اتخاذ شده توسط ماشین به تصمیم فرد خبره بیولوژیست می‌باشد.

با این وجود به خاطر پیچیدگی بسیار این مساله که ناشی از تعداد کلاس‌های نسبتا زیاد پروتئین‌ها و بزرگ بودن ابعاد ویژگی آنهاست، بدست آوردن جواب قابل قبول در طبقه‌بندی پروتئین‌ها با استفاده از روش‌های معمول یادگیری ماشین تقریبا امکان پذیر نمی‌باشد. در این پژوهش ما از یک مدل ترکیبی طبقه‌بندی با استفاده از شبکه های عصبی MLP، RBF و روش ترکیب طبقه بندی کننده‌های بیزی برای تعیین فولد پروتئین ها استفاده کرده‌ایم. نتایج بدست آمده نشان می‌دهد که شبکه‌های عصبی RBF دارای نرخ طبقه بندی صحیح بهتری نسبت به سایر روش‌ها مانند MLP و ماشین‌های بردار پشتیبان داشته است. این امر می‌تواند به علت فضای جستجوی بسیار بالا برای یافتن پارامترهای بهینه ماشین‌های بردار پشتیبان و زمان نسبی زیاد یادگیری در این نوع طبقه بندی کننده‌ها باشد. همچنین نتایج بدست آمده نشان می‌دهد که نرخ طبقه بندی صحیح پروتئین‌ها با استفاده از روش ترکیب بیزی به ٪59 افزایش یافته است. که البته در مقاله دیگری توانسته‌اند با استفاده از کلاسیفایر svm به 62.5٪ برسند. که نشان می‌دهد هنوز این پژوهش نیاز به بررسی بیشتر دارد.

کلمات کلیدی: MLP، RBF، Bayesian Classifier Fusion، Protein Folding.

عنوان شمارة صفحه

1 .مقدمه 5

.2شبکه‌های عصبی 6

3. طبقه‌بندی ترکیبی 9

1.3رأی‌گیری اکثریت 9

2.3ترکیب طبقه بندی کننده‌ها به روش بیزی 9

4 .نتایج آزمایشات 12

1.4آماده سازی داده‌‌ها 12

2.4 نتایج آزمایشات 13

3.4مقایسه با کارهای پیشین 14

5 .نتیجه گیری و کارهای آینده 17

منابع 18

فهرست شکل‌ها شمارة صفحه

شکل 1: یک شبکه پرسپترونی سه لایه 8

شکل 2: تاثیر ورودی از نرون i با وزن بر نرون j 8

شکل 3: نرخ طبقه‌بندی صحیح برای طبقه بندی کننده‌های MLP 14

شکل 4: نرخ طبقه‌بندی صحیح برای طبقه بندی کننده‌های RBF 14

دانلود تحقیق در مورد شبکه عصبی

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 27

شبکه عصبی

مقدمه

در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفاً تئوری به تحقیقات کاربردی در پردازش اطلاعات برای مسائلی که راه حلی برای آنها موجود نیست بوده ایم. با توجه به این حقیقت توجه زیادی به توسعه تئوریک سیستمهای دینامیکی هوشمند مدل- آزاد بر اساس داده های تجربی وجود دارد. شبکه های عصبی مصنوعی جزء آن دسته از سیستم های دینامیکی قرار دارند که با پردازش بر روی داده های تجربی دانش در ورای داده ها را به ساختار شبکه منتقل می کند. پیاده سازی ویژگیهای مغز در یک سیستم مصنوعی همیشه مورد توجه مطلوب بوده است کافی نبودن دانش موجود خود سبب انگیزش و پژوهش های بیشتر در این زمینه بوده و خواهد بود.

مبحث Pattern Fecognation شناسایی الگو را می توان به سه صورت زیر ارائه کرد:

آماری Statistical

فازی Fuzzy

شبکه های عصبی Neural Network

در روش آماری درصد خطا بالا می باشد به همین دلیل در پروژه فوق از دو روش Fuzzy و Neural Network استفاده شده که شبکه طراحی شده به Fuzzy Min- Max Classification Neural Network معروف می باشد که در آن درصد خطا بسیار پائین می باشد.

بدلیل اینکه ابتدا الگوهای ورودی با استفاده از مجموعه های فازی در گروههای خود تنظیم می شوند و سپس با استفاده از شبکه عصبی خرجی مطلوب را بدست می دهد.

انگیزه های بیولوژیکی شبکه های عصبی

مغز به عنوان یک سیستم پردازش اطلاعاتی با ساختار موازی از 100 تریلیون و نرون به هم مرتبط با تعداد کل ارتباط تشکیل شده است نرونها ساده ترین واحد ساختار سیستم های عصبی هستند. بافتهایی که عصب نامیده می شوند اجتماعی از نرونها می باشند. این نرونها اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل می کنند پیامها از نوع ایمپالسهای الکتروشیمیایی هستند.

بیشترین تعداد نرونها در مغز و مابقی در نخاع و سیستم های عصبی جانبی تمرکز یافته اند گرچه همگی نرونها کارکرد یکسانی دارند ولی اندازه و شکل آنها بستگی به محل قرار گیری آنها در سیستم عصبی دارد. بیشتر نرونها از سه قسمت اساسی تشکیل شده اند.

بنده سلول: که شامل هسته و قسمت های حفاظتی دیگر می باشد.

دندریت

اکسون

که دندریت ها و اکسون ها عناصر ارتباطی نرون را تشکیل می دهند.

دندریتها به عنوان مناطق دریافت سیگنالهای الکتریکی، شبکه هایی تشکیل یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه های انشعابی بیش مار می باشند پیامهای عصبی تنها به صورت یکطرفه حرکت می کنند: از دندریتها به بدنه سلول و سپس به اکسون.

هر اکسون به طور فیزیکی از سلولهای مجاور توسط یک فاصله کوچک موسوم به سیناپس جدا می شود. وقتی که یک پتانسیل تحریک به انتهای یک اکسون می رسد، موجب آزاد شدن یک ماده شیمیایی بنام انتقال دهنده نرونی از انتهای اکسون می شود پس از نفوذ در سیناپسها، گیرنده ی سلولهای مجاور را فعال می کند.

شبکه های عصبی مصنوعی

مقدمه

در این بخش مدل ساده از یک نرون واقعی و سپس ساختارهای مختلف شبکه های عصبی مصنوعی ارائه خواهد شد.