شكل 3- مقدار ورودي ورژن دار
شكل 4- مقدار اوليه پيوند
شكل 5- تابع انتقال عبور
شكل 6- تابع learn
شكل 7- سا ختار يك نرون
شكل 8- مدل رياضي
شكل 9 -تابع خروجي بخش a
شكل 10- نماي جزئي ازيك نرون
شكل 11- تابع سينوسي، تانژانت هذلول
شكل 12- تابع انتقال از نوع sigmoid
شكل 13 -ساختار لايه اي يك شبكه
شكل 14- نمايش شبكه عصبي با ارتباط بازخوردي
شكل 15- روال ناارضاي همگرايي در الگوريتم ژنتيك
شكل 16- مسيرياب هاي نرم افزاري الگوريتم مورچگان
شكل 17- پاكتهاي داده در هر مسيرياب
شكل 18- چگونگي ردوبدل اطلاعات در دوسيستم
شكل 19- تست ترافيك الگوريتم مورچگان
شكل 20- تست انطباق الگوريتم
شكل21 -فضاي وزني الگوريتم gradient
شكل 22 -همگرايي در الگوريتم gradient
شكل23 - الگوريتم backpropaging
شكل 24- افزودن متمم با استفاده از الگوريتم bp
شكل 25- نمودار خطا الگوريتم bp
شكل 26- قدرت تعميم
شکل27- الگوی خبرپردازی یادگیری (بایلرواسنومن،1993)
شكل 28- محيط كار نرم افزار editor
شكل 29 -ایجاد لایه ی FileInput
شكل 30 -ایجاد یک لایه ی خطی
شكل 31- ايجاد لايه WinnerTakeAll
شكل 32- لايه نرون ها
شكل 33 -سه گروه نرون
شكل 34 -ايجاد يك اينترفيس
شكل 35- ايجاد يك كلاس
شكل 36- ايجاد تمام اينترفيس ها
شكل 37- ساختار اصلي يك كلاس
شكل 38- متذ ها
شكل 39- كلاس لايه شبكه
شكل 40- فرستادن پالس
شكل 41 -كلاس neuralnet
شكل 42- نماي كلي از عملكرد سيستم
فصل دوم
شکل 1- رابطه عامل هوشمند با محیط
شکل 2- رابطه عامل با محیط
شكل 3- روبات مسئله را حل كرده
شكل 4- ربات يادگيرنده
شكل 5 -نمودار یادگیری برای روبات
شکل 6 - یک اتوماتای یادگیر ساده
شکل 7 - چرخه ی CBR
شکل 8 - مثال CBR
شکل 9 - مثال Decision Tree
شکل10- یک مدل کنترل کننده عاطفی
شکل 11 - یک کنترل کننده عاطفی
شکل 12- مدل یک نرون عصبی
جهت دانلود اینجا کلیک کنید