الف) ورودی و خروجی داده‌ها[۱۲۳]: اعداد و ارقام در قالب یک یا چند متغیر، ورودی‌های یک شبکه‌ی عصبی را تشکیل می‌دهند. این ورودی‌ها، پس از انجام تحلیل و پردازش‌های خاص به یک یا چند متغیر خروجی تبدیل می‌شوند. ورودی‌ها، نقش متغیر مستقل و خروجی، نقش متغیر وابسته را بر عهده دارند.
ب) نرون‌ها: مهم‌ترین اجزای سیستم عصبی، نرون‌ها هستند که به سه دسته؛ نرون‌های ورودی، خروجی و پنهان تقسیم می‌شوند و در قالب لایه‌ی ورودی[۱۲۴]، لایه‌ی خروجی[۱۲۵] و لایه‌های پنهان[۱۲۶] یا میانی قرار می‌گیرند. نرون‌ها یا واحدهای ورودی، وظیفه‌ی دریافت داده‌های ورودی را بر عهده دارند. لایه‌های میانی و خروجی شامل واحدهای پردازش اطلاعات هستند. در این واحدها، عملیات جبری بر اطلاعات ورودی انجام شده و نتیجه‌ی آنها به صورت یک ورودی جدید به واحدهای دیگر در لایه‌های بعدی ارسال می‌شود. تعداد واحدهای به‌کار رفته در لایه‌های ورودی و خروجی به تعداد متغیرهای توضیحی و وابسته در مدل بستگی دارد. هیچ قاعده‌ی مشخص و دقیقی برای تعیین تعداد نرون‌ها در لایه‌های پنهان در اختیار نیست. بلکه، در این مورد، به طور عمده، یک رویکرد تجربی صرف اتخاذ می‌شود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
ج) وزن‌ها[۱۲۷]: متغیرهای مختلف ورودی به شبکه، برازش‌های مختلفی دارند که به کمک وزن‌ها، به آنها اختصاص می‌یابد. این وزن‌ها که قبل از لایه‌ی خروجی و لایه‌های پنهانی لحاظ می‌شوند، با روش اعداد تصادفی تولید و در استفاده از شبکه، تصحیح می‌شوند.
د) توابع فعالیت[۱۲۸]: توابع فعالیت، در لایه‌ی خروجی و لایه‌های پنهان شبکه‌ی عصبی در نظر گرفته می‌شوند و با توجه به وزن‌های هر ورودی، محاسبه‌ی کلی خروجی را امکان‌پذیر می‌سازند (کمیجانی و سعادت‌فر، ۱۳۸۵: ۱۷-۱۴).
لایه‌یخروجیلایه‌یپنهانلایه‌یورودی
واحدلایه‌یخروجی
واحدهایلایه‌یپنهان
واحدهایلایه‌یورودی
شکل ۳- ۴٫ لایه‌های یک شبکه‌ی عصبی مصنوعی
توابع فعالیت، انواع گوناگونی دارند که بر حسب موضوع پژوهش، توسط طراح انتخاب می‌شوند:
۱- تابع خطی: در ادبیات شبکه‌های عصبی، منظور از یک تابع فعالیت خطی، یک تابع خطی همانی است.
۲- تابع آستانه‌ای دو مقدار حدی:
۳- تابع سیگموئید[۱۲۹]:
۴- تابع تانژانت هایپربولیک[۱۳۰]:
