موضوع : شبکه عصبی

توضیح : این فایل به صورت ورد و آماده چاپ می باشد

 مقدمه:
خلاصه سازي روشي است براي فشرده سازي منتهاي  بسياربزرگ كه به دليل روش بيشترين درمرتبط نرين اطلاعات موجود درمتن استخراج مي شودآنچه كه مارادراين محدود مي نمايد استخراج مرتبط ترين اطلاعات وعامل مهم ديگرخواندني بودن وقابل فهم بودن متن است.
باتوجه به افزايش روزافزون اطلاعات موجود دراينترنت كه به صورت الكترونيكي ارائه مي شود، تحقيقات وسيعي برروي اين زمينه درحال انجام است تابتوان هرچه سريع تر به مرتبط ترين اطلاعات   است يافت مثلاٌ :اگر شما دراينترنت به دنبال موضوعي باشيد حجم وسيعي ازصفحات اينترنتي دراختيار شما قرار ني گيرد حال بايد تك تك اين صفحات رابه طور كامل  مطالعه ؟؟؟؟؟ به اطلاعات موردنياز دست پيداكنيم . ولي به كمك روشهاي خلاصه سازي مي توان به راحتي خلاصه يك صفحه اينترنتي رادرچند جمله مشاهده كنيد وسپس به به طور خلاصه سازي كلي صورت مي پذيرد:
1-    خلاصه سازي مبتني برفهم مطلب
2-    خلاصه سازي مبتني براستخراج مطالب مهم
روش اول كه نام ديگرآن (پرورش طبيعي زباني) (NLP) مي باشد يعني سعي وآموزش سيستم درفهميدن متن وباتوجه كه قواعد وساختار هاي زباني درباره وبايك ساختار جديد تري متن راخلاصه كند دراين روش مانياز مند گرامر ونحوه جمله نويسي يك زبان خاص هستيم.
قدرت واهميت اين روش دراين است كه ازدقت بالاتري برخوردار است ولي به دليل سرعت پائين وپيچيدگي بسيار زياد كمتراستفاده مي شود.
روش دوم كه به روش هاي آماري معروف هستند ابتدا متن رابه تعداد جملات خود افراد كرده وهر جمله رابايك بردار نگاشت مي كنيم كه اين بردار ها مثال يك سري ويژگي هاي خاص نظير تعداد كلمات بعد وياتعداد اتفاقيي افتادن كلمات كليدي درآن و... مي باشد ازاين روش نيازمند يهاي زيادي هستيم تابه يك كليت ارتمام تنها بوسيله ازاين روش براساس يك سري ويژگي كه بردار هرجمله  تشكيل مي دهند يادميگيريم كه چ=گونه جملات مزتبط بامفهوم متن راپيدا كنيم.
درساليان اخير شاهد حركتي مستمر ، ازتحقيقا ت صرفاً تئوري به تحقيقات  كاربردي بخصوص درزمينه  پردازش اطلاعات ، براي مسائلي كه براي آنه ا راه حلي موجود نيست ويا براحتي قابل حل نيستندبوده ايم. باعنايت به اين امر ، علاقه فرازينده اي درتوسعه تئوريك سيستمهاي ديناميكي هوشمند كه مبت
فهرست مطالب
مقدمه:    1
قابليت يادگيري:    5
قابليت تعميم:    7
پردازش موازي:    7
مقاوم بودن:    7
مرحله غير فازي سازي:    9
مراحل پياده سازي سيستم فازي:    10
مرحله فازي سازي:    10
مرحله استنتاج:    10
خلاصه سازي با شبكه عصبي:    11
نتايج و شبيه سازي:    15
خلاصه سازي به كمك روش فازي:    16
روش آموزش پس انتشار خطا با الگوريتم ژنتيك (GA)    18
روش آموزش پس انتشار خطاي ماركوآرت – لونبرگ    20