تحقیق؛ بعضی از کاربردهای قانون دوم ترمودینامیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

بعضی از کاربردهای قانون دوم ترمودینامیک

در این بخش ما تعداد بیشتری از نتایج قانون دومترمودینامیک را بوسیله محاسبات تغییرات آنتروپی همراه با یک جریان گوناگون آزمایش می کنیم . برای سادگی کار ، ما توجه خود را به یک ترکیب سیستم بسته جلب می کنیم . حالتی که بوسیلة دو متغیر از سه متغیر V و T و P مشخص می شود .

انتخاب متغیرهای مستقل :

ترکیب دو قانون اول و دوم نیازمند این است که تغییرات دیفرانسیلی در انرژی داخلی به صورت زیر باشد .

(1)

معادلة (1) برای هر دو واکنش برگشت پذیر و برگشت ناپذیر درست است زیرا مربوط به توابع حالت S و U و V می باشد . محاسبة ds برای یک جریان برگشت ناپذیر نیازمند این است که ما یک راه برگشت پذیر میان حالتهای ابتدایی و انتهایی پیدا کنیم ، اما ds یک دیفرانسیل واقعی است و رابطه ای که در معادلة (1) عنوان شده ، جریانی است که محیط اطراف خود تبعیت نمی‌کند. معادلة (1) اینگونه عنوان می کند که تغییر انرژی در یک جریان به طور مشخصی آشکار است هنگامی که تغییر از ، تغییر دادن حجم هنگامی که آنتروپی ثابت است و برعکس متأثر باشد .

سپس برای S ثابت ، شیب U برخلاف V فقط فشار است و برای V ثابت ، شیب U بر خلاف S فقط دما است . سادگی این تفسیر از سرعتهای تغییر U با توجه به تغییرات S و V و با توجه به متغیرهای P ، V ، T ، S و V را به عنوان متغیرهای مستقل طبیعی تابع U معرفی و طبقه بندی می کنیم .

برای هر تابع حالت ترمودینامیکی ، ما متغیرهای طبیعی را مشخص می کنیم . این تفسیر حاللتی را بوجود می آورد برای معرفی کردن یک دگرگونی متغیرها ، مثل جایی که یک تابع y(x) از متغیر مستقل X بازنویسی شده به عنوان یک تابعی که در آن مشتق y(x) نسبت به x یک متغیر مستقل است . چرا یک فرد باید متغیرهای طبیعی یک تابع حالت ترمودینامیکی را پیدا کند ؟

آزمایشات آزمایشگاهی معمولاً در شرایطی انجام می شوند که مقدار T و P ثابت فرض می شود یا گاهی اوقات V و T را ثابت می گیرند . مطمئناً می توان تغییر در U را با توجه به تغییرات در P و T محاسبه کرد یا با توجه به سایر جفت متغیرهای مستقل نیز می توان محاسبه کرد . اگرچه شکلهای منتج بسیار کامل تر از معادله (1) ، به طور حسی ضریب ، ضرب شده در تغییرات متغیرهای مستقل مشتق U با توجه به متغیرهای انتخابی نیستند بلکه آنها ترکیبی هایی از توابع مربوط به خواص سیستم هستند . برای مثال ، انتخاب T و V به عنوان متغیرهای مصتقل برای U می دهد :

(2)

(3)

(4)

از معادلة (1) نتیجه می شود که ، بنابراین ضریب dv در معادله (3) می تواند بر مبنای مقادیر T و V و P بیان شود . سرعت تغییر U با توجه به تغییرات در V بوسیله تراز بین P و مشخص می شود که به آسانی هنگامی که S و V را به عنوان متغیر مستقل انتخاب می کنیم نیست . این بیانیه ، این انگیزه را به وجود

کاربردهای فن آوری

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

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

تعداد صفحه : 127 صفحه

 قسمتی از متن .doc : 

کاربردهای فن آوری

نانو در صنعت نساجی

نانو تکنولوژی در حقیقت علم ذرات و مواد در مقیاس متر است.

فن آوری نانو بعنوان علم روز کاربردهای زیادی در صنعت نساجی داشته است که این مورد به بررسی و تولید مواد در مقیاس نانو پرداخته و امکان بهینه سازی خصوصیات مواد مورد استفاده که اغلب پلیمرها می باشند را به مهندسین می دهد. برای تولید مواد در این مقیاس دو روش کلی وجود دارد، یکی روش تولید از بالا به پایین و دیگری تولید از پایین به بالاست.بهترین،سریعترین و اقتصادی ترین روش تولید از بالا به پایین برای الیاف روش الکتروریسی است.این روش بر گرفته از روشهای سنتی و تولید الیاف (ذوب ریسی و محلول ریسی) می باشد.با این تفاوت که روشهای سنتی بر مبنای کشش می باشد.این روش برای اکثر پلیمرها مورد استفاده قرار می گیرد و روال کار به این صورت است که ابتدا محلول یا مذاب پلیمر تهیه شده و به داخل سرنگی مجهز به پمپ سرنگ با تزریق کاملاً یکنواخت منتقل می شود،جریان برقی با ولتاژ بالا بین سر سوزن سرنگ و صفحه جمع کننده که می تواند چرخان نیز باشد،برقرار ی شود که باعث ایجاد یک جت الکتریکی و در نتیجه انتقال محلول یا مذاب پلیمر باردار شده به روی جمع کننده می شودبعلت پیوستگی بار الکتریکی در اثر انتقال پلیمر به جمع کننده قطع شدگی صورت نمی گیرد.پارامترهای زیادی در کیفیت و یکنواختی الیاف تولید شده دخیل هستند،مانند ویسکوزیته محلول،سرعت دوران جمع کننده،سرعت تزریق،ولتاژ اعمال شده بین سر سوزن جمع کننده و ...

فهرست مطالب

فصل اول: مقدمه ای بر کاربردهای نانو تکنولوژی

مقدمه 7

تاریخچه 8

استفاده تایلند از نانو تکنولوژی برای بهبود کیفیت ابریشم 11

لباسهای بی نیاز از شستشو و پارچه های ضد چروک و لکه 12

نانو جوراب 13

نانو فیلتراسیون 14

لوله های انتقال گاز نانوژل 16

الکتروریسی 19

فصل دوم: تولید نانو الیاف با تکنولوژی الکتروریسی

الکترو ریسی الیاف نانو کولاژن 24

روشها 27

الکتروریسی مداوم نانو الیاف پلیمر خطی روی یک درام جمع کننده سیمی 35

بررسی اثر حلال روی الکتروریسی توسط شبیه سازی کامپیوتری 40

مورفولوژی الیاف الکتروریسیده شده 41

شبیه سازی جریان برشی 42

الکتروریسی ترپلیمر نایلون 6 ، 6 6 ، 1010 46

خصوصیات کششی: 48

دست آوردها و مباحث 48

ساخت مکانهای مشخص مولکولی در الکتروریسی پلیمر نانوالیاف از طریق جانشینی مولکولی 59

جانشینی مولکولی 61

نانو الیاف پلیمری الکتروریسیده استحکام بالای ساخته شده از BPDA-PDA 64

تهیه PI از پیش ماده BP-PAA 66

الکتروریسی و تهیه ورقه نانو لیف PI 66

نانوساختار الیاف بافته شده باو الکتروریسی فرکانس بالا 73

تهیه نانو الیاف ابر آبدوست با خصوصیات مغناطیسی قابل تغییر 82

جزئیات آزمایش 83

فصل سوم: کاربرد نانو الیاف در کامپوزیتها

تهیه نانوتیوب تک دیواره کربنی تقویت شده با نانوالیاف و غشاهای پلی استایرن و پلی یورتان با الکتروریسی 92

نانو الیاف کامپوزیت:مورفولوژی،خواص نوری و ترانزیستورهای اثر میدان 104

خصوصیات مکانیکی و فیزیکی کامپوزیتهای اپوکسی تقویت شده با نانو الیاف کربن 116

فرآورش ورقه های نانو کامپوزیت 117

خواص مکانیکی 119

نتیجه گیری کلی 125

منابع و ماخذ 126

چکیده کلی:

نانو تکنولوژی در حقیقت علم ذرات و مواد در مقیاس متر است.

فن آوری نانو بعنوان علم روز کاربردهای زیادی در صنعت نساجی داشته است که این مورد به بررسی و تولید مواد در مقیاس نانو پرداخته و امکان بهینه سازی خصوصیات مواد مورد استفاده که اغلب پلیمرها می باشند را به مهندسین می دهد. برای تولید مواد در این مقیاس دو روش کلی وجود دارد، یکی روش تولید از بالا به پایین و دیگری تولید از پایین به بالاست.بهترین،سریعترین و اقتصادی ترین روش تولید از بالا به پایین برای الیاف روش الکتروریسی است.این روش بر گرفته از روشهای سنتی و تولید الیاف (ذوب ریسی و محلول ریسی) می باشد.با این تفاوت که روشهای سنتی بر مبنای کشش می باشد.این روش برای اکثر پلیمرها مورد استفاده قرار می گیرد و روال کار به این صورت است که ابتدا محلول یا مذاب پلیمر تهیه شده و به داخل سرنگی مجهز به پمپ سرنگ با تزریق کاملاً یکنواخت منتقل می شود،جریان برقی با ولتاژ بالا بین سر سوزن سرنگ و صفحه جمع کننده که می تواند چرخان نیز باشد،برقرار ی شود که باعث ایجاد یک جت الکتریکی و در نتیجه انتقال محلول یا مذاب پلیمر باردار شده به روی جمع کننده می شودبعلت پیوستگی بار الکتریکی در اثر انتقال پلیمر به جمع کننده قطع شدگی صورت نمی گیرد.پارامترهای زیادی در کیفیت و یکنواختی الیاف تولید شده دخیل هستند،مانند ویسکوزیته محلول،سرعت دوران جمع کننده،سرعت تزریق،ولتاژ اعمال شده بین سر سوزن جمع کننده و ...

تحقیق درمورد؛ بعضی از کاربردهای قانون دوم ترمودینامیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 30

بعضی از کاربردهای قانون دوم ترمودینامیک

در این بخش ما تعداد بیشتری از نتایج قانون دومترمودینامیک را بوسیله محاسبات تغییرات آنتروپی همراه با یک جریان گوناگون آزمایش می کنیم . برای سادگی کار ، ما توجه خود را به یک ترکیب سیستم بسته جلب می کنیم . حالتی که بوسیلة دو متغیر از سه متغیر V و T و P مشخص می شود .

انتخاب متغیرهای مستقل :

ترکیب دو قانون اول و دوم نیازمند این است که تغییرات دیفرانسیلی در انرژی داخلی به صورت زیر باشد .

(1)

معادلة (1) برای هر دو واکنش برگشت پذیر و برگشت ناپذیر درست است زیرا مربوط به توابع حالت S و U و V می باشد . محاسبة ds برای یک جریان برگشت ناپذیر نیازمند این است که ما یک راه برگشت پذیر میان حالتهای ابتدایی و انتهایی پیدا کنیم ، اما ds یک دیفرانسیل واقعی است و رابطه ای که در معادلة (1) عنوان شده ، جریانی است که محیط اطراف خود تبعیت نمی‌کند. معادلة (1) اینگونه عنوان می کند که تغییر انرژی در یک جریان به طور مشخصی آشکار است هنگامی که تغییر از ، تغییر دادن حجم هنگامی که آنتروپی ثابت است و برعکس متأثر باشد .

سپس برای S ثابت ، شیب U برخلاف V فقط فشار است و برای V ثابت ، شیب U بر خلاف S فقط دما است . سادگی این تفسیر از سرعتهای تغییر U با توجه به تغییرات S و V و با توجه به متغیرهای P ، V ، T ، S و V را به عنوان متغیرهای مستقل طبیعی تابع U معرفی و طبقه بندی می کنیم .

برای هر تابع حالت ترمودینامیکی ، ما متغیرهای طبیعی را مشخص می کنیم . این تفسیر حاللتی را بوجود می آورد برای معرفی کردن یک دگرگونی متغیرها ، مثل جایی که یک تابع y(x) از متغیر مستقل X بازنویسی شده به عنوان یک تابعی که در آن مشتق y(x) نسبت به x یک متغیر مستقل است . چرا یک فرد باید متغیرهای طبیعی یک تابع حالت ترمودینامیکی را پیدا کند ؟

آزمایشات آزمایشگاهی معمولاً در شرایطی انجام می شوند که مقدار T و P ثابت فرض می شود یا گاهی اوقات V و T را ثابت می گیرند . مطمئناً می توان تغییر در U را با توجه به تغییرات در P و T محاسبه کرد یا با توجه به سایر جفت متغیرهای مستقل نیز می توان محاسبه کرد . اگرچه شکلهای منتج بسیار کامل تر از معادله (1) ، به طور حسی ضریب ، ضرب شده در تغییرات متغیرهای مستقل مشتق U با توجه به متغیرهای انتخابی نیستند بلکه آنها ترکیبی هایی از توابع مربوط به خواص سیستم هستند . برای مثال ، انتخاب T و V به عنوان متغیرهای مصتقل برای U می دهد :

(2)

(3)

(4)

از معادلة (1) نتیجه می شود که ، بنابراین ضریب dv در معادله (3) می تواند بر مبنای مقادیر T و V و P بیان شود . سرعت تغییر U با توجه به تغییرات در V بوسیله تراز بین P و مشخص می شود که به آسانی هنگامی که S و V را به عنوان متغیر مستقل انتخاب می کنیم نیست . این بیانیه ، این انگیزه را به وجود

تحقیق در مورد کاربردهای ICT در آموزش 36 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 36

مقدمه :

جهانی سازی و تغییرات فناوری، فرایندهایی که در پانزده سال اخیر سرعت یافته اند، باعث ایجاد یک اقتصاد جدید جهانی شده اند که با فناوری تقویت شده و  سوخت (انرژی) آن بوسیله اطلاعات تامین و با دانش رانده می شود. ضرورت این اقتصاد جهانی مستلزم نوع و هدف موسسات آموزشی است. از آنجاییکه روند کنونی به سوی کاهش  اطلاعات ناقص  و دسترسی به اطلاعات صحیح رو به رشد است، مدارس دیگر نمی توانند شاهد صرف زمان برای انتقال یک مجموعه اطلاعات تجویز شده از معلم به دانش آموز در طی یک مقطع ثابت زمانی باشند، بلکه مدارس باید فرهنگ "آموزش برای یادگیری" را ترویج دهند. بعنوان مثال فراگیری دانش و مهارتهایی که آموزش مستمر را درطول حیات فرد ممکن می سازند.طبق گفته آلوین تافلر بی سواد قرن 21،کسانی نخواهند بود که خواندن ونوشتن نمی دانند بلکه کسانی هستند که نتوانند یادبگیرند یا یاد دهند.نگرانی در مورد کیفیت و  روش آموزشی با ضرور ت توسعه فرصتهای آموزشی آنهایی که بیشترین آسیب پذیری را براثر جهانی سازی دارند همزیستی دارد. عموما“ تغییرات جهانی سازی درکشورهای درحال توسعه،برروی گروههای کم درآمد، دختران و زنان و خصوصا“ کارگران کم مهارت، همچنین همه گروهها برای کسب و بکارگیری مهارتهای جدید فشار می آورد. سازمان جهانی کار نیازهای آموزشی وپرورشی در اقتصاد جدید جهانی را بعنوان "آموزش پایه برای همه "، "مهارتهای کاری برای همه" و "آموزش مادام العمر برای همه " تعریف می کند.فناوری های اطلاعات و ارتباطات (ICT)  شامل، رادیو وتلویزیون و همچنین فناوری های دیجیتال جدیدتر مانند کامپیوتر واینترنت،  بعنوان ابزارهای بالقوه نیرومند و فعال کننده  اصلاح و تغییرات آموزشی معرفی می شوند.ICT های مختلف وقتی بطور مناسب بکار برده می شوند می توانند به توسعه دسترسی به آموزش کمک کرده و رابطه بین آموزش و کارگاههای روزافزون دیجیتالی را تحکیم کنند، همچنین کیفیت آموزش را با کمک ایجاد آموزش و یادگیری در یک پروسه فعال متصل به زندگی حقیقی بالا ببرند. بهرحال  تجربه مطرح شدن ICT های مختلف در کلاس درس و دیگر مکانهای آموزشی درسراسر جهان در طی چند دهه گذشته بیانگر اینست که تحقق کامل منافع بالقوه آموزشی ICT ها خودکار نیست. یکپارچه سازی موثر ICT ها در سیستم آموزشی یک فرایند پیچیده است که نه تنها فناوری را درگیر می کند بلکه برنامه آموزشی و فن آموزش، آمادگی نهادی، شایستگی های  معلم و سرمایه گذاری دراز مدت را هم درگیر می کند. درحقیقت چنان اهمیت حیاتی به موضوع می دهد که بدست آوردن فناوری آسانترین قسمت آن است. 1- کاربردهای ICT در آموزشخط مشی سازمان های آموزشی و برنامه ریزان باید اول از همه درباره پیامدهای آموزشی مورد نظر (ذکرشده دربالا)‌ صریح باشد. این اهداف گسترده باید انتخاب فناوری های مختلف را به سوی بکار رفتن و چگونه بکاررفتن هدایت کند. پتانسیل هر فناوری مطابق چگونگی استفاده فرق می کند.  Haddad و Draxler‌ حداقل 5 سطح کاربرد فناوری درآموزش را شناسایی کرده اند : ارایه، اثبات تجربی ,‌ تمرین و عمل، تعامل و همکاری . هر کدام از ICT های مختلف (چاپ، کاستهای صوتی و تصویری، پخش رادیو و تلویزیون، کامپیوتر یا اینترنت) ممکن است در پایه ای ترین سطحها یعنی ارایه و اثبات بکار بروند. به جز فناوری های بصری، تمرین و عمل هم ممکن است با بکاربردن حداکثر فناوریها  ارایه شوند. از طرف دیگر کامپیوترهای شبکه ای و اینترنت، ICT هایی هستند که فراگیری تعاملی و همدستانه را می توانند بهتر فراهم کنند و پتانسیل کامل آنها اگر فقط برای ارایه یا اثبات بکار برود، تحقق نخواهد یافت .1-1 کاربرد پخش برنامه رادیو وتلویزیون در امر آموزش رادیو و تلویزیون بطور گسترده ای بترتیب از سالهای 1920 و 1950 بعنوان ابزارهای آموزشی بکاررفته اند . سه رویکرد کلی درکاربرد رادیو و تلویزیون در آموزش وجود دارد :‌ 1-     تدریس کلاسی مستقیم، که درآن برنامه ریزی پخش جانشین معلمان در یک پایه موقتی می شود.2-     پخش برنامه مدرسه ای ,‌ که درآن برنامه ریزی پخش، منابع تکمیلی تعلیم و تعلم را درصورت موجود نبودن، فراهم و ارایه می کند.3-     برنامه ریزی کلی آموزشی،  در سطح اجتماع و مقامات ملی و بین المللی که فرصتهای آموزشی عمومی و غیررسمی را  ارایه می کند.قابل ذکرترین و بهترین مثال مستند رویکرد تدریس کلاسی مستقیم، آموزش تعاملی رادیو است (IRI). این آموزش شامل تمرینات مستقیم تعلیم و تعلم، 20-30 دقیقه ای آماده شده،بطور روزانه است.  دروس رادیویی درباره موضوعات خاصی در سطوح ریاضیات ,‌علوم، بهداشت و زبان است که قصد دارند کیفیت تعلیم را پیشرفت داده و بعنوان یک یاری دهنده ساختاری به معلمان، که سطح آموزشی آنها در مدارس ضعیف و بدون منابع آموزشی است،ارایه می گردد. پروژه های آموزش تعاملی رادیویی در آمریکای لاتین و افریقا اجرا شده اند، درآسیا، این پروژه ها اولین بار در تایلند، سال 1980 اجرا شد، و اندونزی، پاکستان، بنگلادش و نپال هم پروژه های خود را در سال 1990 به اجرا رساندند. آنچه که پروژه آموزش تعاملی رادیویی را از دیگر برنامه های آموزش غیر حضوری متمایز می کند  اینست که هدف اولیه آن بالا بردن کیفیت یادگیری است ( ونه صرفا“‌ توسعه دادن دسترسی آموزشی) و در هر دو شکل رسمی و غیر رسمی موفقیتهای زیادی داشته است. پژوهشهای گسترده در سطح جهان نشان داده که خیلی از پروژه های آموزش تعاملی رادیویی یک اثر مثبت روی پیامدهای یادگیری و برابری آموزشی داشته اند. و با صرفه جویی های آن در مقیاس، ثابت شده که یک استراتژی موثر برروی هزینه های مرتبط است.برنامه Telesecundaria‌ مکزیک یک مثال دیگر از تدریس مستقیم کلاسی است که پخش تلویزیونی را بکار می برد. این برنامه در مکزیک درسال 1968 بعنوان یک استراتژی موثر بر هزینه ها برای توسعه مدارس سطح پایین درجوامع کوچک و دوردست بکارگرفته شد. Perraton این برنامه را چنین توصیف می کند : برنامه های تولید شده تلویزیونی از طریق ماهواره در سراسر کشور مطابق جدول زمانبندی (8 صبح تا 2 بعد ازظهر و 2 بعد ازظهر تا 8 شب) برای مدارس آموزش از راه دور پخش می شوند و دوره های متوسطه را هم مانند دوره های ابتدایی تحت پوشش قرار می دهند. هر ساعت برای یک منطقه تنظیم شده و نوعا“ از روال ثابتی پیروی می کند، 15 دقیقه برنامه تلویزیونی و سپس فعالیتهای هدایت شده بوسیله کتاب و معلم. بدین طریق دانش آموزان با تنوع معلمان در تلویزیون روبرو هستند اما یک معلم اصلی در مدرسه برای تعلیم همه موارد انضباطی در هرپایه ای در نظر گرفته شده است . طرح ریزی این برنامه با تغییرات زیادی در طول سال مواجه بوده . معنی این استراتژی این است که ادغام موضوعات اجتماع در برنامه ها، به کودکان یک آموزش یکپارچه عرضه کرده و جامعه را بطور وسیعی در سازماندهی و مدیریت مدرسه و تهییج دانش آموزان به انجام فعالیتهای اجتماع، دخیل خواهد کرد.در آسیا، 44 دانشگاه رادیو وتلویزیون در چین، دانشگاه Universitas Terbuka در اندونزی و دانشگاه آزاد ملی ایندرا گاندی د رهند، بطو رگسترده ای رادیو وتلویزیون را برای آموزش مستقیم و هم برای پخش برنامه مدرسه ای بکار گرفته اند تا نسبت بیشتری از جمعیت بهره مند شوند. برای این موسسات پخش برنامه ها اغلب همراه با موضوعات چاپی و کاستهای صوتی است.دانشگاه هوای ژاپن در سال 2000، 16 دوره رادیویی و 160 دوره تلویزیونی پخش می کرد. هردوره شامل  15 تا 45 دقیقه پخش سخنرانی در سطح کشور بصورت هفته ای یکبار برای 15 هفته است. دوره ها از طریق ایستگاههای متعلق به دانشگاه از ساعت 6 صبح تا 12 بعد ازظهر پخش می شوند. همچنین به دانش آموزان جزوات چاپی، آموزشهای حضوری و آنلاین هم داده می شود. اما برخلاف آموزش مستقیم، پخش برنامه مدرسه ای به معنای جانشین برای معلم نیست ,‌

دانلود تحقیق درباره ی مقدمه ای بر شبکه های عصبی مصنوعی و کاربردهای آن 65 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 163

مقدمه ای بر شبکه های عصبی مصنوعی و کاربردهای آن:

امروزه با شکسته شدن پی در پی استقلال ، شاخه های مختلف علوم و بهره وری شاخه ای از شاخه ی دیگر و پیشبرد مسائل پیچیده خود، پیوستگی و لاینفک بودن تمامی شاخه های علوم را نمایان تر می سازد که سرمنشأ تمامی آنها از یک حقیقت نشأت گرفته و آن ذات باری تعالی است.اولین تلاش ها به منظور ارائه ی یک مدل ریاضی برای سیستم عصبی انسان در دهه 40 توسط Mcculloch , pitts انجام شد ، که حاصل آن یک نورون ساده ی تک لایه ویک روش برای آموزش آن بود . در ادامه ی این کار Hebb نتایج آزمایشات پاولف را در مورد شرطی شدن ،گسترش داد و یک روش برای یادگیری ارائه کرد . در سال 1958 ،Rossonblatt شبکه ی پرسپترون را ارائه کرد . بعد از مدتی اثبات شد شبکه ی عصبی پرسپترون تک لایه نمی تواند تابع ساده ای مانند EX-OR را بیاموزد .بنابراین تقریباً تا دهه ی 80 تلا ش ها برای گسترش شبکه ی عصبی بسیار کم بود. سپس در طی یک مقاله اثبات شد که شبکه ی عصبی پرسپترون چند لایه می تواند به عنوان یک تخمین گر جهانی مطرح شود . بدین معنی که این شبکه قابلیت دارد هر تابع غیرخطی را با دقت دلخواه مدل سازی کند . از آن به بعد شبکه های عصبی مصنوعی گسترش یافتند و در زمینه های بسیاری از آنها استفاده شد .

سیستم شبکه ی عصبی مصنوعی از مغز وسیستم عصبی انسان الهام گرفته شده و مانند مغز انسان از تعداد زیادی نورون تشکیل شده است . این شبکه ها مانند مغز انسان دارای قابلیت یادگیری هستندکه از مزیت های عمده ی این سیستم هاست در مواردی که نتوانیم یک الگوریتم حل به صورت فرمولی بیابیم یا تعداد زیادی مثال از ورودی و خروجی سیستم موردنظرمان در اختیار داشته باشیم و بخواهیم برای آن سیستم ، مدل ارائه کنیم یا اینکه یک ساختار از اطلاعات موجود بدست آوریم ، استفاده از شبکه های عصبی مصنوعی سودمند است . تاکنون برای شبکه های عصبی توپولوژی های مختلف همراه با کاربردهای متنوع ارائه شده است که طیف وسیعی از موضوعات را پوشش می دهد . 

الهام از نورون واقعی :

سیستم عصبی انسان و مغز وی متشکل از ترکیب و به هم پیوستن تعداد زیادی سلول به نام نورون می باشد . تعداد نورون های مغز انسان به طور متوسط حدود 100 تریلیون می باشد . یک نورون دارای تعداد زیادی ورودی و یک خروجی است . خروجی می تواند دو حالت فعال یا غیرفعال را اختیار کند . در یک نورون ورودی ها تعیین می کنند که خروجی نرون فعال یا غیرفعال باشد . یک نرون از یک حجم سلولی ، تعداد زیادی « دنوریت » به عنوان ورودی و یک « اکسون » به عنوان خروجی تشکیل شده است.

به محل اتصال اکسون یک سلول به دنوریت های یک سلول دیگر نیز «سیناپس » می گویند که نقش بسزایی در سیستم عصبی ایفا می کند . سیناپس می تواند در طول دوره ی یادگیری نسبت به سیگنال های ورودی تغییر کند .در این قسمت به قانون یادگیری «هبی» اشاره می کنیم . این قانون به طور ساده به این صورت می باشد که اگر ورودی های یک نرون به طور مکرر منجر به فعال شدن خروجی شود ، یک تغییر متابولیک در سیناپس اتفاق می افتد که در طی آن مقاومت سیناپس نسبت به آن ورودی خاص کاهش می یابد. 

مدل ریاضی نرون :

یک نرون مجموع وزن های ورودی را حساب کرده و براساس یک تابع فعالیت ( که در حالت ساده می تواند یک Threshold باشد ) خروجی را تعیین می کند . اگر این مجموع از ترشلد بیشتر باشد خروجی نرون « یک » می شود در غیر این صورت خروجی نرون منفی یک ( 1- ) خواهد شد . 

به عنوان مثال یک شبکه عصبی ساده به نام perceptron را در نظر می گیریم این شبکه در شکل زیر نشان داده شده است در این شبکه چند ورودی وجود دارد که یکی از آنها مربوط به بایاس است . تابع فعالیت نورون نیز به صورت یک ترشلد خطی می باشد و شبکه دارای یک خروجی است . در این شبکه سیناپس ها به صورت وزن های اتصالات در نظر گرفته شده است . به عنوان مثال فرض کنید که می خواهیم یک OR منطقی را به وسیله ی این شبکه مدل کنیم. هدف از الگوریتم یادگیری ، بدست آوردن وزن های مناسب برای حل مسئله ی مورد نظر ما می باشد .

قانون یادگیری شبکه به صورت زیر است که بیان کننده ی تغییرات وزن ، نرخ سرعت یادگیری و یک عدد ثابت می باشد .D بیان کننده ی خروجی مطلوب است که در الگوهای آموزشی وجود دارد Y بیان کننده ی خروجی به دست آمده از شبکه است و بیان کننده ورودی است .یادگیری همان طور که قبلاً اشاره شد ، از شبکه های عصبی مصنوعی برای مدل کردن سیستم هایی که غیرخطی یا جعبه سیاه هستند و ما از دینامیک داخلی سیستم خبری نداریم و فقط یک سری (ورودی – خروجی ) از سیستم داریم ، می توان استفاده کرد . بدین ترتیب که ابتدا یک توپولوژی مناسب از شبکه در نظر می گیریم، تعداد و نحوه ی اتصالات نورون ها را مشخص می کنیم و یک سری وزن های ابتدایی برای اتصالات در نظر می گیریم . در مرحله ی آموزش، هدف این است که با اعمال مجموعه «ورودی – خروجی » های سیستم مورد نظر وزن های اتصالات را طوری تنظیم کنیم که بتوانیم با دادن ورودی هایی غیر از ورودی های مجموعه ی آموزشی مان خروجی متناسب با سیستم مورد نظر بدست بیاوریم . به بیان دیگر بتوانیم سیستم رامدل کنیم.

در شکل توپولوژی یک شبکه عصبی که دارای لایه های مختلفی است ، این شبکه ، ازلایه های مختلفی تشکیل شده که بیان کننده ی نحوه ی اتصال نورون ها به یکدیگر می باشد . لایه ی ورودی شامل نورون نبوده و فقط بیان کننده ی ورودی هاست . به نورون هایی که مستقیم ، به خروجی متصل می شوند، لایه ی خروجی گفته می شود .بقیه لایه ها - غیر از ورودی و خروجی - لایه های پنهان نام دارند . به طور کلی فرآیند یادگیری را می توان به 3 دسته تقسیم کرد.

1- یادگیری نظارت شده Supervised Learning در این روش همان طور که قبلاً اشاره شد یک مجموعه ی آموزشی در نظر گرفته می شود و یادگیرنده بر اساس یک ورودی عمل کرده و یک خروجی به دست می آورد . سپس این خروجی توسط یک معلم که می تواند خروجی مورد نظر ما باشد مورد ارزیابی قرار می گیرد و براساس اختلافی که با خروجی مطلوب دارد یک سری تغییرات در عملکرد یادگیرنده به وجود می آید . این تغییرات می تواند، وزن های اتصالات باشد . یک مثال برای این روش الگوریتم « پس انتشار خطا »Back propagation error می باشد که در شبکه های پرسپترون برای آموزش ، مورد استفاده قرار می گیرد.

2- یادگیری نظارت نشده unsupervised Learning در این روش، حین فرآیند یادگیری از مجموعه های آموزشی استفاده نمی شود و به اطلاعات در مورد خروجی مطلوب نیز نیاز ندارد . در این روش معلمی وجود ندارد . و معمولاً برای دسته بندی وفشرده سازی اطلاعات استفاده می شود . یک مثال برای این روش الگوریتم kohonen می باشد .

3- یادگیری تقویتی Rein forcement learning در این روش یک معلم به عنوان یاد دهنده وجود ندارد و خود یادگیرنده با سعی و خطا آموزش می بیند . در این روش یک استراتژی اولیه در نظر گرفته می شود . سپس این سیستم بر اساس همان رویه عمل می کند و یک پاسخ از محیطی که در آن فعالیت می کند، دریافت می کند. سپس بررسی می شود که آیا این پاسخ ، مناسب بوده یا خیر و با توجه به آن ، یادگیرنده یا مجازات می شود یا پاداش می گیرد . اگر مجازات شود عملی