• مقدمه

شبکه ­های عصبی یکی از قدیمی­ترین روش­های داده کاوی^[۲۲] می­باشند. در سال‌های اخیر کاربرد شبکه‌های عصبی مصنوعی در بسیاری از زمینه‌های مهندسی، گسترش یافته‌اند. به خصوص ANNs برای حل بسیاری از مسائل مهندسی ژئوتکنیک بکار گرفته شده‌اند و عملکرد قابل قبولی از خود نشان داده‌اند. مروری بر ادبیات فنی نشان می‌دهد ANNs به طور موفقیت­آمیز در پیش ­بینی ظرفیت باربری شمع‌ها، مدل‌سازی رفتار خاک، مشخصات یابی سایت، سازه‌های نگه‌دارنده زمین، نشست سازه‌ها، پایداری شیب‌ها، طراحی تونل و مغارها، روانگرایی، نفوذپذیری خاک، تراکم خاک، تورم خاک و طبقه بندی خاک‌ها بکار رفته‌اند. تحقیقات و علاقه‌مندی به شبکه‌های عصبی از زمانی آغاز شد که مغز به عنوان یک سیستم دینامیکی با ساختار موازی و پردازشگری کاملاً مغایر با پردازشگرهای متداول شناخته شد. نگرش نوین در مورد کارکرد مغز نتیجه تفکراتی بود که در اوایل قرن بیستم توسط رامول سگال در مورد ساختار مغز به عنوان اجتماعی از اجزای محاسباتی کوچک به نام نرون شکل گرفت[۱۶] .(Patterson, 1996)

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

.
مغز به عنوان یک سیستم پردازش اطلاعات با ساختار موازی از ۱۰۰ تریلیون (۱۰^۱۱) نرون به هم مرتبط و تعداد ۱۰^۱۶ ارتباط، تشکیل شده است. نرون ها ساده‌ترین واحد ساختاری سیستم‌های عصبی هستند. بافت‌هایی که عصب نامیده می‌شوند اجتماعی از نرون ها هستند که اطلاعات و پیام‌ها را از یک قسمت بدن به قسمت دیگر منتقل می‌کنند. این پیام‌ها از نوع ایمپالسهای^[۲۳] الکتروشیمیایی هستند.
میلیون‌ها نرون در بدن انسان وجود دارند، حتی ساده‌ترین کارهای روزمره انسان از قبیل پلک زدن، تنها از طریق همکاری همه جانبه این نرون ها میسر است. بیشترین تعداد نرون ها در مغز و باقی در نخاع و سیستم‌های عصبی جانبی تمرکز یافته‌اند. گرچه همه نرون ها کارکرد یکسانی دارند، ولی اندازه و شکل آن‌ها بستگی به محل استقرارشان در سیستم عصبی دارد. با وجود این همه تنوع، بیشتر نرون ها از سه قسمت اساسی تشکیل شده‌اند:

• بدنه سلول (که شامل هسته و قسمت‌های حفاظتی دیگر می‌باشد).

• دندریت^[۲۴]

• اکسون^[۲۵]

که دو مورد آخر، عناصر ارتباطی نرون را تشکیل می‌دهند. شکل‌های (۳-۱) و (۳-۲) ساختمان سلول عصبی را نشان می‌دهند.
دندریت‌ها به عنوان مناطق دریافت سیگنال‌های الکتریکی، شبکه‌هایی تشکیل یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه‌های انشعابی بی شمار می‌باشند، به همین علت آن‌ها را شبکه‌های “درخت گونه” گویند. دندریت‌ها سیگنال‌های الکتریکی را به هسته سلول منتقل می‌کنند. بدنه سلول، انرژی لازم را برای فعالیت نرون فراهم نموده و بر روی سیگنال‌های دریافتی عمل می‌کند، که با یک عمل ساده جمع و مقایسه با یک سطح آستانه مدل می‌گردد. اکسون بر خلاف دندریت‌ها از سطحی هموارتر و تعداد شاخه‌های کمتر برخوردار می‌باشد.

نواحی اصلی یک سلول عصبی بیولوژیک[۱۶] (Patterson, 1996)

شمای یک نرون حسی[۱۶] (Patterson, 1996)
اکسون طول بیشتری دارد و سیگنال الکتروشیمیایی دریافتی از هسته را به نرون های دیگر منتقل می‌کند. محل تلاقی یک اکسون از یک نرون به دندریت‌های سلول دیگر را سیناپس می‌گویند. سیناپس ها واحد های ساختاری کوچک تابعی^[۲۶] هستند که ارتباط بین نرون ها را برقرار می‌سازند. سیناپس ها انواع مختلفی دارند که یکی از مهم‌ترین آن‌ها، سیناپس های شیمیایی هستند.
تاریخچه شبکه‌های عصبی را می‌توان به اوایل قرن بیستم و اواخر قرن نوزدهم نسبت داد. نخستین کاربرد عملی شبکه‌های عصبی در اواخر دهه ۵۰ قرن بیستم مطرح شد، زمانی که فرانک روزنبلات در سال ۱۹۵۸ شبکه‌ی پرسپترون را معرفی نمود. کاربردهای شبکه‌های عصبی در دنیای علوم، فنی مهندسی را می‌توان به شرح زیر خلاصه کرد:

• طبقه بندی، شناسایی و تشخیص الگو

• پردازش سیگنال

• پیش بینی سری‌های زمانی

• مدل سازی و کنترل

• بهینه سازی

• سیستم‌های خبره و فازی

• مسائل مالی، بیمه، امنیتی، بازار بورس و وسایل سرگرم کننده

• ساخت وسایل صنعتی، پزشکی و امور حمل و نقل.

• مدل ریاضی شبکه‌های عصبی

• نرون

نرون کوچک‌ترین واحد پردازشگر اطلاعات است، که اساس عملکرد شبکه‌های عصبی را تشکیل می‌دهد. شکل (۳-۳) ساختار یک نرون تک ورودی را نشان می‌دهد. اسکالرهای p و a به ترتیب ورودی و خروجی این نرون می‌باشند.

مدل نرون تک ورودی[۱۶] (Patterson, 1996)