کاربرد شبکه های عصبی خودسازمانده ) SOM )درمدل سازی غیر خطی گسسته

شبکه های عصبی مصنوعی به عنوان یکی ازمولفه های اصلی هوش محاسباتی ازخواص مهمی برخوردارند که آنها را درعلوم و مسائل فنی مهندسی حائز اهمیت می نماید دربین این خواص توانایی تقریب زنی توابع غیرخطی قابلیت یادگیری پردازش موازی مقاوم بودن و تعمیم پذیری ازاهمیتی خاص برخوردارند ازکاربردهای مهم شبکه های عصبی می توان به موارد زیراشاره نمود طبقه بندی شناسایی و تشخیص الگو پردازش سیگنال مدل سازی و کنترل بهینه سازی و سیستم های خبره وفازی خاصیت یادگیری شبکه های عصبی از اهمیت ویژه ای برخوردار است نوع یادگیری توسط روندی که طبق آن پارامترهای شبکه تنظیم می شود مشخص می شود و درانواع با ناظر و بدون ناظر وجود دارد.

کلیدواژه ها:

شبکه عصبی ، بهینه سازی ، تقریب زنی ، سیستم فازی ، پخش بار