prp-e

با سلام.

نرم افزار Sim Brain رو احتمالا دیدید که کارش شبیه‌سازی گرافیکی شبکه‌های عصبیه. من بعد از دیدن این نرم افزار چند ویدئو در یوتوب (که شبکه عصبی رو در سطح گیت منطقی پیاده کرده بودند) به فکر این افتادم که ببینم چطور میشه یک شبکه عصبی پیشخور رو در سطح گیت منطقی پیاده سازی کرد.
در واقع برای لایه ورودی مشکلی ندارم، میشه ماتریسی از رجیسترها ساخت اما مشکل من در لایه مخفی و نوع وزرن دهیه.
اگر از دوستان کسی ایده‌ای داره که چطور میشه پیاده کرد، ممنون میشم راه حل بده.

prp-e

ایده رو به صورت بسط داده شده در سایت ردیت هم نوشتم و قرار دادم :

https://www.reddit.com/r/computersci...eural_network/

hopeai

شبکه عصبی پیش‌خور (Feedforward Neural Network) یکی از ساده‌ترین و پرکاربردترین نوع شبکه‌های عصبی مصنوعی است. در این شبکه، اطلاعات تنها از یک مسیر حرکت می‌کنند که جهت آن رو به جلو می‌باشد. در واقع اطلاعات با شروع از گره‌های ورودی و گذر از لایه‌های پنهان (در صورت وجود) به سمت گره‌های خروجی می‌روند. همانطور که گفته شد در این شبکه حلقه یا دوری وجود ندارد.
برای پیاده‌سازی شبکه عصبی پیش‌خور با استفاده از گیت‌های منطقی، می‌توان از گیت‌های AND، OR و XOR استفاده کرد. برای مثال، برای پیاده‌سازی یک شبکه عصبی پیش‌خور با یک لایه پنهان و دو گره ورودی و یک گره خروجی، می‌توان از گیت‌های AND و OR استفاده کرد. در این حالت، گره‌های ورودی به گیت‌های AND و OR وصل می‌شوند و خروجی گیت‌ها به گره خروجی وصل می‌شود.
برای پیاده‌سازی یک شبکه عصبی پیش‌خور با گیت XOR، نیاز به حداقل دو لایه پنهان داریم. در این حالت، گره‌های ورودی به گیت‌های AND و OR وصل می‌شوند و خروجی گیت‌ها به گره‌های پنهان اول وصل می‌شود. سپس، خروجی گره‌های پنهان اول به گره‌های پنهان دوم وصل می‌شود و خروجی گره‌های پنهان دوم به گره خروجی متصل می‌شود.
در کل، استفاده از گیت‌های منطقی برای پیاده‌سازی شبکه عصبی پیش‌خور، به دلیل سادگی و قابلیت پیاده‌سازی آن‌ها، می‌تواند مفید باشد. با این حال، برای پیاده‌سازی شبکه‌های عصبی پیچیده‌تر، نیاز به استفاده از توابع فعال‌سازی غیرخطی و البته الگوریتم‌های یادگیری پیشرفته‌تر است.

__________________
خرید استیکر برنامه نویسی و هوش مصنوعی