دانلود ترجمه مقاله شبیه‌ سازی ترانزیستور با اثر ميدان آلی با شبکه عصبی مصنوعی

• فهرست مطالب:

چكيده
۱٫ مقدمه
۲٫ شبیه سازی
۲٫ ۱ المان محدود بر اساس شبیه سازی اطلس
۲٫ ۲ شبکه‌های عصبی مصنوعی
۳٫ نتیجه گیری

• بخشی از ترجمه:

۲٫ ۲ شبکه‌های عصبی مصنوعی
شبکه عصبی مصنوعی (ANN) یک سیستم پردازش داده ها بر اساس ساختار یک سیستم عصبی بیولوژیکی است. يك شبكه ANN يك ابزار مدل سازی داده قدرتمند است که قادر به جذب و نشان دهنده روابط پیچیده ورودی / خروجی توسط برخی از محاسبات داخلی است. رایج ترین مدل شبکه عصبی پرسپترون چند لایه است (MLP) كه در شکل ۵ نشان داده شده است. ساختار شبکه عصبی معمولی دارای دو نوع از اجزای اساسی است، یعنی، نورونها و ارتباط بین آنها. هر لینک دارای یک پارامتر وزن متناظر مرتبط با آن مي‌باشد.
هر نورون شامل مجموعه‌ای از ورودی‌ها، و یک تابع فعال سازی است. معماری شبکه از یک لایه ورودی (X)، یک لایه خروجی (Y) و یک یا لایه های پنهان تر (H) تشکیل شده است. MLP يك مدل تغذيه رو به جلو ANN است که مجموعه ای از داده‌های ورودی را بر روی مجموعه‌ای از خروجی مناسب ترسيم مي‌كند. یک طرح کلی ساده از مدل ارائه شده ANN در شکل ۶ نشان داده شده است.

• بخشی از مقاله انگلیسی:

۲٫۲٫ Artificial Neural Networks

The artificial neural network (ANN) is a system of data processing based on the structure of a biological neural system. An ANN is a powerful data modeling tool that is able to capture and represent complex input/output relationships by some internal calculations. The most common neural network model is the multilayer perceptron (MLP) [14-15] shown in Figure 5. A typical neural network structure has two types of basic components, namely, the neurons and links between them. Every link has a corresponding weight parameter associated with it.

Each neuron consists of a set of inputs, and an activation function. The network architecture is composed of an input layer (X), an output layer (Y) and one or more hidden layers (H). MLP is a feed forward ANN model that maps sets of input data onto a set of appropriate output. A simplified overview of the proposed ANN model is shown in Figure 6.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله