ریاضی 84 215 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 214

1- مقدمــه

کمیتة برنامه ریزی گروه ریاضی در تاریخ 15/9/82 برنامة پیشنهادی دورة کارشناسی رشته ریاضی را دو گرایش محض و کاربردی به تصویب رساند.

در این برنامه سعی شده است که تعداد واحدهای دروس اصلی (مشترک) هر دو گرایش به گونه ای باشد که دانشجویان گرایش ریاضی محض تعدادی از دروس کاربردی را اختیار نموده و بدین ترتیب این دسته از دانشجویان هم می توانند از فرصت های شغلی که برای دانشجویان گرایش کاربردی وجود دارد بهره مند شوند.

با ظهور رایانه های سریع در قرن بیستم، شاهد پیشرفتهای خارق العاده ای در زمینه های مختلف ریاضی کاربردی بوده ایم که تاکنون نیز ادامه دارد، به طور مثال می توان به فراکتالها، نظریه کدگذاری و همچنین به نظریه کنترل و کنترل بهینه اشاره نمود. در برنامه پیشنهادی سعی شده است که این قبیل دروس نیز مورد نظر قرار گرفته تا ضمن ایجاد انگیزه، دانشجو بیش از پیش به اهمیت ریاضی واقف گردد. همچنین کماکان دروس مختلفی از رشته های گوناگون مثل آمار، کامپیوتر، اقتصاد، مدیریت ،‌حسابداری برای دانشجو در نظر گرفته شده تا او بتواند ضمن آشنایی با کاربردهای مختلف فرصت های شغلی خویش را در آینده افزایش دهد.

2ـ تعداد واحدهای رشتة ریاضی:

(الف) در دو گرایش رشته ریاضی دروس عمومی 21 واحد ، دروس پایه 27 واحد، دروس اصلی مشترک 48 واحد.

(ب) در گرایش ریاضی کاربردی، دروس تخصصی گرایش 24 واحد، دروس اختیاری 16 واحد است که جمعاً دانشجو با 136 واحد در این گرایش فارغ التحصیل خواهد شد.

(پ) در گرایش ریاضی محض، دروس تخصصی گرایش 24 واحد، دروس اختیاری 14 واحد می باشد که جمعاً دانشجو با 134 واحد در این گرایش فارغ التحصیل خواهد شد.

معرفی رشته:

برنامه آموزشی دوره کارشناسی ریاضی از دو گرایش محض و کاربردی تشکیل شده است مشخصات کلی برنامه و سرفصل دروس این دوره به تصویب کمیته سیاستگذاری برنامه ریزی درسی گروه ریاضی رسیده است.

اهداف و ضروریات تغییر:

اهداف دو گرایش دوره کارشناسی ریاضی بشرح زیر است.

گرایش ریاضی محض تربیت متخصصان جامع در علم ریاضی که امادگی لازم را برای ادامه تحصیل در جهت اشتغال به پژوهش و نیز انتقال علم ریاضی در سطوح بالاتر داشته باشند.

گرایش ریاضی کاربردی

تربیت کارشناسان چند جانبی دارای اندوخته کافی از دانش ریاضی که توانایی تحلیل کمی از مسایل صنعتی، اقتصادی و برنامه ریزی را کسب نموده ونیز توانایی ادامه تحصیل در سطوح بالاتر را داشته باشند.

در دو دهه اخیر شاهد پیشرفتهای خارق العادهای در زمینه های مختلف ریاضی کاربردی بودهایم بطور مثال می توان به فراکتالها، نظریه کدگذاری،نظریه رمزنگاری و نظریه کنترل اشاره نمود.

در برنامه تدوین شده سعی شده است که این قبیل دروس نیز مورد نظر قرار گرفته تا ضمن ایجاد انگیزه، دانشجو بیش از پیش به اهمیت ریاضی واقف گردد.

مطالعات و اقدامات انجام شده

در تدوین این برنامه سعی شده است که از برنامه های گروههای ریاضی دانشگاههای کشورهای کانادا ،آمریکا و انگلستان استفاده شود.

همچنین سعی شده است که ازبرنامه های تدوین شده در گروههای ریاضی دانشگاههای داخلی نیز استفاده شود.

ویژگیهای برنامه

علاوه بر دروس ریاضی کاربردی که که در برنامه ریاضی محض برای دانشجویان ریاضی محض با روشهای کاربردی در نظر گرفته شده،سعی گردیده است دروس مختلفی از رشته های گوناگون مثل امار، کامپیوتر، اقتصاد، مدیریت، حسابداربرای دانشجو در نظر گرفته شود تا او نیز بتواندضمن اشنایی با کاربردهای مختلف ، فرصتهای شغلی خویش را در اینده افزایش دهد.

جدول مقایسه

برنامه جدید

برنامه قدیم

21

20

دروس عمومی

27

29

دروس پایه

48

32

دروس اصلی مشترک

24

39

دروس تخصصی ریاضی کاربردی

16

16

دروس اختیاری ریاضی کاربردی

24

36

دروس تخصصی ریاضی محض

14

15

دروس اختیاری ریاضی محض

بررسی افت تحصیلی ریاضی ابتدائی 128 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 128

مسئله به موقعیتی اطلاق می شود که در آن فرد چیزی را طلب می کند ، ولی نمی داند که چگونه به طور مستقیم به آن دست یابد . برای کسب مهارت در حل مسئله ، فرد باید تمرینهای زیادی انجام دهد . کودکان انتظار دارند که حل کردن مسئله را صرفا" با حل کردن و بدون هیچ راهنمایی و یا بحث در این زمینه یاد بگیرند .

مسایل در درجه اول موجب تکرار و تمرین مطالب تدریس شده می گردند ، به کمک ریاضیات می توان کم و بیش (( جهان واقعی )) را در ذهن به نظم آورد .

چگونه می توان حل مسئله را به شیوه مؤثری آموزش داد ؟

از آنجا که آموزش و همینطور یادگیری حل مسئله کار دشواری است ، محققان در سالهای اخیر توجه بسیاری به آن معطوف داشته اند . بر مبنای این تحقیق می توان چندین زمینه قابل تعمیم را مشخص کرد .

راهبردهای حل مسئله را می توان صراحتا" آموزش داد .

زمان :

دانش آموزان باید برای (( هضم کردن )) و تفکر کافی در مورد مسئله ، یعنی زمان برای درک موضوع ، زمان برای کشف مسیر حل و زمان برای فکر کردن به جواب کاملا" وقت داشته باشند . بعلاوه معلمان باید دانش آموزان را تشویق کنند که در صورت تمایل بیش از رها کردن مسئله ، زمان بیشتری را برای کارکردن روی آن صرف کنند .

طرح درس :

فعالیتهای آموزش در زمان باید از طریق برنامه ریزی هماهنگ شوند تا دانش آموزان فرصت پرداختن به مسایل متعدد را داشته باشند .

راهبردهای حل مسائل :

1- مسئله را درک کنید .

2- نقشه ای برای حل آن طرح کنید .

3- نقشه را اجرا کنید .

4- برای امتحان کردن جواب به دست آمده به عقب برگردید .

این مدل مبنایی برای حل مسئله تشکیل می دهد که در بیشتر کتابهای ریاضی مدارس ابتدایی مورد استفاده قرار می گیرد . بنابراین دانش آموزان ، دیدن ، طرح نقشه ، عمل ، وارسی را می آموزند .

برای حل مسایل باید به این شعار توجه داشت : همان طور که مسئله را می خوانید سعی کنید آن را حل کنید .

1- اقدام کردن 2- یک طرح یا دیاگرام بکشید .

3- به دنبال الگو بگردید . 4- جدول رسم کنید .

5- همه امکانها را به طور اصولی برشمارید . 6- حدس بزنید و امتحان کنید .

7- خواسته ها ، مفروضات و اطلاعات مورد نیاز را مشخص کنید .

8- یک جمله باز بنویسید .

9- مسئله ای حل کنید که از مسئله اصلی ساده تر یا با آن هم ارز باشد .

10- دیدگاه خود را نسبت به مسئله تغییر دهید .

استفاده از مواد آموزشی دست ساز :

تحقیقات نشان داده است که در دروسی که در آنها از مواد آموزشی دست ساز استفاده می شود نسبت به دروسی که فاقد این مواد آموزشی هستند از احتمال بیشتری برای ارائه فعالیتهای ریاضی برخوردارند . وقتی که بچه ها مواد آموزشی دست ساز را به کار می برند ، ریاضیات را بهتر درک می کنند .

ارزشیابی :

ارزشیابی باید بخش مکملی در آموزش ریاضیات باشد . باید مشخص شود که آیا آنچه که ما فکر می کنیم هر کودک باید یاد بگیرد . امتحانات معیاریابی یا مهارت به شما کمک می کند که کودک را بر حسب توانایی فردی او مورد ارزشیابی قرار دهید .

نظر سنجی از والدین ، که در فرمهای پرشده یا جلسات اولیا و مربیان عنوان می شود ، راهنماییهای مفیدی در زمینه آنچه که کودکان آموخته اند ، در اختیار می گذارند .

تشخیص :

برای پرداختن به نیازهای کودکان جهت یادگیری ریاضیات ، نخست باید نقاط قوت و ضعف آنها را مشخص کرده از جمله خط مشیهای تشخیص در ریاضیات ، می توان به موارد زیر اشاره کرد :

1- مطمئن شوید که ضعف ریاضی یک کودک ضعفی واقعی است .

2- به خاطر داشته باشید که هر کودک پیش از آن که از نظر اداراکی به رشد نهایی برسد . از مراحل متعدد رشد عبور می کند .

3- قوه تشخیص خود را با استفاده بدون تعصب از مواد آموزشی دست ساز تقویت کنید .

4- در تشخیص خود ، جنبه هایی را که برای دانش آموزان مهیج هستند ، فراموش نکنید .

5- برای جفت و جور کردن تصاویر ذهنی درست کودک انعطاف پذیر و شکیباباشید .

6- نگرش مثبتی داشته باشید .

7- بین خطاهایی که به طور اتفاقی رخ می دهد و خطاهایی که دایما" تکرار می شود ، فرق بگذارید .

اعداد اول در ریاضی 24 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 23

اعداد اول

اعداد اول اعدادی طبیعی هستند که بر هیچ عددی بجز خودشان و عدد ۱ بخش‌پذیر نباشند. تنها استثنا عدد ۱ است که جزو این اعداد قرار نمی‌گیرد. اگرعددی طبیعی وبزرگ‌تر از ۱ اول نباشد مرکب است.

عدد یکان اعداد اول بزرگ‌تر از ۱۰ فقط ممکن است اعداد ۱، ۳، ۷، ۹ باشد.

پیدا کردن ضابطه ای جبری برای اعداد اول جزو یکی از معماهای ریاضی باقیمانده است و هنوز کسی به فرمولی برای آنها به دست نیاورده است.

دنبالهٔ اعداد اول به این صورت شروع می‌شود: ۲، ۳، ۵، ۷، ۱۱، ۱۳، ۱۷، ۱۹ ...

قضیه ۱: تعداد اعداد اول بی‌نهایت است.

برهان: حکم را به روشی که منسوب به اقلیدس است اثبات می‌کنیم: فرض کنید تعداد اعداد اول متناهی و تعداد آنها n تا باشد. حال عدد M را که برابر حاصل‌ضرب این اعداد به علاوه ۱ را در نظر بگیرید. این عدد مقسوم‌علیهی غیر از آن n عدد دارد که با فرض در تناقض است.

قضیه ۲ (قضیه اساسی حساب): هر عدد طبیعی بزرگ‌تر از ۱ را می توان به شکل حاصل‌ضرب اعدادی اول نوشت.

قضیه ۳ (قضیه چپیشف):اگر n عددی طبیعی و بزرگ‌تر از ۳ باشد، حتما" بین n و ۲n عدد اولی وجود دارد. قضیه ۴ هر عدد زوج را می‌توان بصورت جمع سه عدد اول نوشت.

قضیه ۵ هر عدد فرد (شامل اعداد اول) را می‌توان به صورت جمع سه عدد اول نوشت (اثبات بر پایه قضیه ۴)

قضیه 6-هر عدد فرد را می‌توان به صورت دو برابر یک عدد اول بعلاوه یک عدد اول دیگر نوشت (برهان آن را بنویسد).

خواص اعداد اول:

1- هر عدد اول برابر است با 6n+1 یا 6n-1 که n یک عدد صحیح است.

2-مجذور هر عدد اول برابر است با 24n+1.

3-تفاضل مجذورهای دو عدد اول مضربی از 24 است.

4-حاصلضرب هر دو عدد اول بجز 2و3 مضربی از 6 بعلاوه یا منهای یک است.

توان چهارم هر عدد اول بجز 2و3 مضربی از 240 بعلاوه یک است.

بزرگ‌ترین عدد اول کشف شده برابر دو به توان ‪ ۳۰‬میلیون و ‪ ۴۰۲‬هزار و ‪ ۴۵۷‬منهای یک است.این عدد یک عدد مرسن است. عدد مرسن عددی است که برابر 2 به توان n منهای یک است.

لازم به ذکر است که تعداد 3000 عدد اول در سایت مگاسندر www.megasender.org وجود دارد و افرادی که مایل به دریافت بیشتر این اعداد هستند می توانند با سایت مذکور تماس گرفته و تعداد بیشتری از آنها را بر روی لوح فشرده دریافت نمایند و طراحان این سایت خودشان این اعداد را محاسبه نموده اند

تاریخچه اعداد اول

در سال ‪ ۲۰۰۱دو تن از دانشجویان او یعنی کایال و سکسنا به یک نکته بسیار حساس و فنی توجه کردند. ابتدا این مساله سبب شد تا گروه سه نفره در آبهای عمیق نظریه اعداد غوطه ور شوند، اما اندک اندک برایشان روشن شد که تنها یک مانع در راه تکمیل روشی جهت آزمودن دقیق و سریع اعداد اول وجود دارد. مانع از این قرار بود که روش آنان تنها در صورتی کار می‌کرد که عدد اول مورد نظر که با ‪ pنمایش داده می‌شود همواره در محدوده خاصی جای داشته باشد که با اعدادی که در آزمون شرکت داده می‌شوند مرتبط باشد. مشخصه ویژه این مانع آن است که عدد " ‪ p-1 " باید یک مقسوم علیه یا بخشیاب بسیار بزرگ باشد. گروه سه نفر ریاضی دانان هندی برای غلبه بر مشکل به هر دری زدند و با بررسی مقالات مختلف بالاخره دریافتند که در سال ‪ ۱۹۸۵یک ریاضی‌دان فرانسوی به نام اتن فووری از دانشگاه پاریس ‪ ۱۱این نکته را به صورت ریاضی اثبات کرده است. به این ترتیب آخرین بخش معما حل شد و آلگوریتم پیشنهادی این سه نفر با موفقیت پا به عرصه گذارد. اما این موفقیت "مشروط" بود. به این معنی که این روش برای اعداد اولی که انسان در حال حاضر می‌توان به سراغ آنها برود از کارآیی چندانی برخوردار نیست. در روایت اولیه روش پیشنهادی، زمان لازم برای محاسبات که متناسب با ارقام عدد اول مورد نظر بود، با آهنگ ‪ ۱۰۱۲ازدیاد پیدا می کرد. در روایتهای بهبود یافته اخیر این روش، سرعت ازدیاد زمان لازم برای محاسبات به ‪ ۱۰۷.۵کاهش یافته اما حتی در این حالت نیز این روش در مقایسه با روش آ پی آر تنها در هنگامی موثر تر خواهد بود که تعداد ارقام عدد اولی که قصد شکار و یافتن آن را داریم در حدود ‪ ۱۰۱۰۰۰باشد. اعدادی تا این اندازه بزرگ در حافظه هیچ کامپیوتر جای نمی‌گیرند و حتی آن را نمی‌توان در کل کیهان جای داد. اما حال که ریاضی دانان توانسته‌اند یک طبقه خاص از آلگوریتمهای توانی را برای شناسایی اعداد اول مشخص کنند، این امکان پدید آمده که به دنبال نمونه‌های بهتر این روش بگردند. پومرانس و هندریک لنسترا از دانشگاه کالیفرنیا در برکلی با تلاش در همین زمینه توانسته‌اند زمان لازم برای محاسبات را از توان ‪ ۷.۵به توان ‪ ۶کاهش دهند. این دو از همان استراتژی کلی گروه هندی موسسه کانپور استفاده کردند اما تاکتیهای دیگری را به کار گرفتند. اگر فرضیه‌های دیگری که درباره اعداد اول مطرح شده درست از کار درآید آنگاه می‌توان زمان محاسبه را از توان ‪ ۶به توان ‪ ۳تقلیل داد که در این حد این روش کارآیی عملی پیدا خواهد

دانلود تحقیق آمار بررسی نمرات فیزیک دانش آموزان سال دوم ریاضی فیزیک

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 8

فهرست

1-مقدمه

2-داده ها و محتوا

3-نمودار میله ای

4-نمودار چند ضلعی

5-نمودار چند بر تجمعی

6-نمودار مستطیلی

7-نمودار دایره ای

8-میانه و مد

9-نمودار جعبه ای

10-میانگین

نتیجه گیری

مقدمه:

هدف این پروژه بررسی نمرات فیزیک دانش آموزان سال دوم ریاضی فیزیک در مدرسه میباشد. بیشتر دانش آموزان اوقات فراغت خود را صرف بازی میکنند و احساس مسئولیتی نسبت به درس خود ندارند آیا بهتر نیست که با برنامه پیش برویم؟ ما اگر برنامه ریزی درستی داشته باشیم مطمئناً پیشرفت خوب و مطلوبی را درس های خود مشاهده می نماییم.

این پروژه با پرسش از دانش آموزان صورت گرفته است. در این رابطه، داده ها جمع آوری و مورد تجزیه و تحلیل قرار گرفتند. در این بررسی از محاسبات آماری و نمودارها و میانگین استفاده شده است.

داده ها:

نمرات فیزیک دانش آموزان سال دوم دبیرستان رشته ی ریاضی فیزیک

14-12-10-5/6-11-16-19-5/15

25/10-75/14-5/10-5/14-4-15

75/13-10-19-15-75/14-3-14

10-11-13-5/14-10-12-16

درصد فراوانی تجمعی

فراوانی تجمعی

درصد فراوانی نسبی

فراوانی نسبی

فراوانی مطلق

نسان دسته

حدود دسته

7

2

7

07/0

2

5/2

5-0

10

3

3

03/0

1

5/7

10-5

75

21

62

62/0

18

5/12

15-10

100

28

25

25/0

7

5/17

20-15

تعریف طول دسته: تفاضل دو کران پایین متوالی یا دو کران بالای متوالی را طول دسته می نامیم.

طول دسته 4=4÷16 16=3-19=R= دامنه

فراوانی مطلق داده Xi برابر تعداد دفعاتی است که آن داده تکرار شده است.

فراوانی نسبی: اگر Fi فراوانی دسته I ام و تعداد داده ها n باشد کسر را فراوانی نسبی دسته I ام می گوییم.

100×فراوانی نسبی= درصد فراوانی نسبی

فراوانی تجمعی هر دسته برابر تعداد اشیایی است که مقدار آنها از کران بالای آن دسته کمتر اند.

نمودار میله ای:

این نمودار بیشتر برای متغیرهای گسسته و کیفی مناسب است. آن چه که در این نمودار مهم است مقایسه فراوانی ها است.

نمودار چند ضلعی:

تحقیق در مورد ریاضی کاربردی 13 ص

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 13 صفحه

 قسمتی از متن .doc : 

ریاضی کاربردی

ریاضیات کاربردی و علوم کامپیوتر

از سلول های عصبی انسانی تا سلول های عصبی مصنوعی

ما این شبکه های عصبی را با تلاش اولیه در جهت یافتن خصوصیات اساسی سلول های عصبی و اتصالات آنها ، هدایت می کنیم. سپس بطور معمول یک کامپیوتر را برای شبیه سازی این خصوصیات برنامه ریزی می کنیم .اگر چه بدلیل اینکه دانش ما از سلول های عصبی ناقص است و قدرت محاسبات ما محدود است ، مدل های ما لزوما آرمان های خام و ناقصی از شبکه های واقعی سلول های عصبی است .

یک روش مهندسی

یک سلول عصبی ساده

یک سلول عصبی مصنوعی دستگاهی است با تعداد زیادی ورودی و یک خروجی . سلول عصبی دو گونه عمل دارد ; حالت یادگیری پرورشی و حالت کاربردی . در حالت یادگیری سلول می آموزد که برای حالت خاصی فعال و بر انگسخته شود ( یا برای همان حالت بر انگیخته نشود). و در حالت کاربردی و استفاده وقتی الگوی ورودی آموزش یافته ای در ورودی شناسایی شود خروجی مرتبط با آن خروجی کنونی سلول می شود . اگر الگوی ورودی به لیست الگو های ورودی ای کا از پیش به سلول آموزش داده شده نباشد ، قوانین فعال سازی سلول خروجی سلول را تعیین می کند که آیا فعال کننده باشد یا نه.

قوانین فعال سازی

قانون فعال سازی مفهوم مهمی در شبکه های عصبی است و مسئول انعطاف پذیری بالای دستگاه می باشد . قانون فعال سازی تعیین میکند که چگونه یک واحد محاسبه کند که آیا یک سلول عصبی باید برای هر الگوی ورودی واکنش فعال سازی را انجام دهد. این قانون برای کلیه الگو ها شرح داده می شود نه فقط برای آنهایی که گره عصبی برایش پرورش یافته است.

یک قانون فعال سازی ساده بوسیله تکنیک فاصله Hamming قابل اجرا است قواننین به صورت زیر اجرا میشود:

یک مجموعه از الگو های آموزشی را برای یک گره عصبی انجام دهید، تعدادی از این الگوها سبب فعالسازی (مجموعه الگوهای آموزشی با حاصل 1) و باقی که از فعالیت آن جلوگیری می کنند (مجموعه الگوهای آموزشی با حاصل0 ) سپس الگو های خارج از مجموعه ای سبب فعال سازی گره عصبی می شوند که عناصر مشترک بیشتری با نزدیکترین الگو در مجموعه آموزشی 1 دارند تا با نزدیکترین الگو در مجموعه آموزشی 0 . اگر در این بین گرهای وجود داشته باشد الگوی مورد نظر در وضعیت غیر تعریف شده باقی می مانند.

بعنوان مثال ، یک سلول عصبی با 3 ورودی در نظر بگیرید که آموزش یافته تا خروجی 1 را زمانی بدهد که ورودی (x1 ،x2 وx3) 111 یا 101 است و خروجی 0 را زمانی داشته باشد که ورودی 000و001 است. پس قبل از اعمال قانون فعال سازی ، جدول درستی به صورت زیر است:

X1:

0

0

0

0

1

1

1

1

X2:

0

0

1

1

0

0

1

1

X3:

0

1

0

1

0

1

0

1

OUT:

0

0

0/1

0/1

0/1

1

0/1

1

010 را بعنوان مثالی که در آن قوانین فعال سازی اعمال می شود در نظر بگیرید. این ورودی با ورودی 000 در یک عنصر و با ورودی001 در دو عنصر متفاوت است ، با 101 در سه عنصر وبا 111 در دو عنصر متفاوت است . بنابر این نزدیکترین الگو به آن 000 است که به الگوهای آموزشی با حاصل0 تعلق دارد . در نتیجه قوانین فعال سازی لازم می داند زمانی که ورودی 001 است تا سلول عصبی فعالیتی نکند . از طرف دیگر ، 011 در فاصله ای برابر بین در دسته الگو های آموزشی است که دارای خروجی های متفاوتی هستند بنابراین خروجی این الگو بدون تعریف می ماند (1/0).

با اعمال قوانین فعال سازی تمام ستون های جدول درستی زیر به دست آمده است:

X1:

0

0

0

0

1

1

1

1

X2:

0

0

1

1

0

0

1

1

X3:

0

1

0

1

0

1

0

1

OUT:

0

0

0

0/1

0/1

1

1

1

تفاوت بین دو جدول عمومیت دادن سلول عصبی نامیده می شود بنابر این قوانین فعالسازی به سلول عصبی حس تشخیص شباهت ها را می دهد و آنها را قادر می کند تا هوشمندانه به الگو هایی که در طول تمرین آنها را ندیده اند جواب بدهد.

الگوشناسی- یک مثال

یکی از کاربردهای شبکه های عصبی تشخیص الگو است.الگوشناسی با استفاده از شبکه های عصبی که ازپیش (مانند شکل 1) تغذیه شده اند و مطابق با موضوع پرورش یافته اند قابل اجرا است.وقتی از شبکه استفاده می کنیم خودش الگو های ورودی را شناسایی می کند و سعی می کند تا خروجی متناسب با آن الگو را بدهد . توان شبکه های عصبی زمانی خودش را نشان می دهد که الگویی به عنوان ورودی به آن داده شود که از قبل خروجی مرتبط با آن را نداشته ، در یان وضعیت خروجی متناسب است با یک الگوی ورودی که داری حداقل اختلاف با الگوی داده شده است.

بعنوان مثال:

شبکه عصبی در شکل 1 برای شناسایی الگوهای حروف T وH آموزش داده شده اند.همانگونه که شکل نشان می دهد الگوهای مرتبط بترتیب تماما سیاه و تماما سفید هستند .

اگر ما مربع های سیاه را با 0 و مربع های سفید را با با 1 نمایش دهیم بنابراین جدول درستی برای سه سلول عصبی بعد از عمومیت دادن (با قانون فعال سازی ) به صورت زیر است.

X11:

0

0

0

0

1

1

1

1

X12:

0

0

1

1

0

0

1

1

X13:

0

1

0

1

0

1

0

1

OUT:

0

0

1

1

0

0

1

1

خروجی سلول بالایی

X21:

0

0

0

0

1

1

1

1

X22:

0

0

1

1

0

0

1

1

X23:

0

1

0

1

0

1

0

1

OUT:

1

0/1

1

0/1

0/1

0

0/1

0

خروجی سلول میانی

X21:

0

0

0

0

1

1

1

1

X22:

0

0

1

1

0

0

1

1

X23:

0

1

0

1

0

1

0

1

OUT:

1

0

1

1

0

0

1

0

خروجی سلول پایینی