header image
Home arrow صفحه اصلي arrow خبرنامه شماره 3 فرزان - اسفند 1385 arrow معرفي نرم افزارهاي پژوهشي: شبكه هاي عصبي مصنوعی (Artificial Neural Network 3)
معرفي نرم افزارهاي پژوهشي: شبكه هاي عصبي مصنوعی (Artificial Neural Network 3)
مزاياي شبكه هاي عصبي مصنوعي نسبت به روش هاي كلاسيك

1- تقريبا در كليه روش هاي آمار كلاسيك، وجود فرضيات در مورد داده ها ضروري است كه در آن روش هاي آماري مذكور، تنها وجود و يا عدم وجود هر فرضيه را تاييد مي كند. در حالي كه در سيستم عصبي مصنوعي نيازي به طرح فرضيات نمي باشد.
2- روش هاي كلاسيك به شدت به وجود خطا در داده ها حساس مي باشند، در حالي كه در سيستم عصبي مصنوعي، بررسي روابط ميان متغيرها تحت تاثير خطا قرار نمي گيرد.
3- در روش هاي كلاسيك، در صورت وجود نقص در داده ها (missing data) ديگر امكان استفاده از داده هاي ناقص براي تحليل آماري وجود ندارد و در نتيجه حجم نمونه مورد مطالعه به شدت كاهش مي يابد. در سيستم عصبي مصنوعي اين امكان فراهم شده تا علاوه بر استفاده از داده هاي كامل، امكان پيش گويي موارد نقصان نيز با دقت بسيار بالا ميسر باشد.
4- سيستم هاي كلاسيك از درك و يافتن روابط رياضي ميان داده ها كاملا عاجز است، اين در حالي است كه در روش سيستم عصبي مصنوعي، اساس كار شبكه بر پايه يافتن اين روابط است.
5- در روش هاي كلاسيك، تنها امكان بررسي رابطه ميان يك يا دو متغير مستقل و وابسته وجود دارد، در حالي كه در روش شبكه عصبي، تعداد زيادي از متغيرهاي مستقل و وابسته مورد مطالعه قرار گرفته و رابطه ميان آن ها بررسي مي گردد.

در شماره بعد، به كاربرد شبكه عصبی مصنوعي در علوم پزشكي خواهيم پرداخت.
خبرنامه

دیگر شماره ها

ورود و خروج
نام کاربری

کلمه عبور

مرا به ياد داشته باش
فراموش کردن کلمه عبور
ثبت نام نكرده ايد؟ عضویت
صفحات اجتماعی