کتاب صوتی از مغز تا ماشین: سفری به دنیای محاسبات طبیعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از مغز تا ماشین: سفری به دنیای محاسبات طبیعی

موضوع کلی: هوش محاسباتی

موضوع میانی: اصول محاسبات الهام‌گرفته از طبیعت

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات طبیعی: الهام از طبیعت
• 2. تاریخچه هوش محاسباتی: از سایبرنتیک تا امروز
• 3. تفاوت هوش محاسباتی و هوش مصنوعی کلاسیک
• 4. مفهوم جستجو، بهینه‌سازی و یادگیری
• 5. فضاهای جستجو و مناظر شایستگی (Fitness Landscapes)
• 6. مسئله فروشنده دوره‌گرد: یک مثال کلاسیک
• 7. پیچیدگی محاسباتی: مسائل P، NP و NP-Hard
• 8. مفهوم الگوریتم‌های هیوریستیک و متاهیوریستیک
• 9. بازنمایی (Representation): کلید حل مسئله
• 10. ارزیابی عملکرد: معیارها و روش‌ها
• 11. مفهوم اکتشاف (Exploration) و استخراج (Exploitation)
• 12. قضیه "No Free Lunch" در بهینه‌سازی
• 13. الهام از تکامل: نظریه داروین و انتخاب طبیعی
• 14. الهام از مغز: ساختار و عملکرد نورون‌ها
• 15. الهام از جوامع: هوش جمعی در طبیعت
• 16. مقدمه‌ای بر محاسبات تکاملی
• 17. الگوریتم ژنتیک: چارچوب اصلی
• 18. رمزگذاری و بازنمایی کروموزوم: باینری، حقیقی و ...
• 19. جمعیت اولیه: اندازه و روش تولید
• 20. تابع شایستگی (Fitness Function): طراحی و اهمیت
• 21. عملگرهای انتخاب (Selection): چرخ رولت، مسابقه‌ای و رتبه‌ای
• 22. عملگر تقاطع (Crossover): تک نقطه‌ای، دو نقطه‌ای و یکنواخت
• 23. عملگر جهش (Mutation): تغییرات تصادفی
• 24. پارامترهای الگوریتم ژنتیک: نرخ جهش و تقاطع
• 25. شرایط توقف و همگرایی
• 26. حل مسئله فروشنده دوره‌گرد با الگوریتم ژنتیک
• 27. محدودیت‌ها و چالش‌های الگوریتم ژنتیک
• 28. همگرایی زودرس و روش‌های مقابله با آن
• 29. برنامه‌ریزی ژنتیک (Genetic Programming): تکامل برنامه‌ها
• 30. بازنمایی درختی در برنامه‌ریزی ژنتیک
• 31. مجموعه توابع و پایانه‌ها (Terminals)
• 32. عملگرهای تقاطع و جهش در برنامه‌ریزی ژنتیک
• 33. مسئله رگرسیون نمادین (Symbolic Regression)
• 34. استراتژی‌های تکاملی (Evolutionary Strategies)
• 35. برنامه‌ریزی تکاملی (Evolutionary Programming)
• 36. سیستم‌های طبقه‌بند‌ی یادگیرنده (Learning Classifier Systems)
• 37. الگوریتم‌های تکاملی چندهدفه (Multi-Objective)
• 38. مفهوم جبهه پارتو (Pareto Front)
• 39. الگوریتم‌های فرهنگی (Cultural Algorithms)
• 40. کاربردهای عملی محاسبات تکاملی
• 41. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 42. نورون بیولوژیکی: الهام‌بخش اصلی
• 43. مدل ریاضی نورون: مک‌کالک-پیتز
• 44. پرسپترون: ساده‌ترین شبکه عصبی
• 45. قانون یادگیری پرسپترون و محدودیت‌های آن (مسئله XOR)
• 46. شبکه‌های عصبی چندلایه (MLP)
• 47. توابع فعال‌سازی: سیگموئید، تانژانت هیپربولیک، ReLU
• 48. الگوریتم پس‌انتشار خطا (Backpropagation)
• 49. یادگیری در شبکه‌های چندلایه: گرادیان کاهشی
• 50. بیش‌برازش (Overfitting) و روش‌های جلوگیری از آن
• 51. تنظیم‌سازی (Regularization): L1 و L2
• 52. اعتبارسنجی متقابل (Cross-Validation)
• 53. بهینه‌سازی یادگیری: نرخ یادگیری و مومنتوم
• 54. شبکه‌های عصبی هاپفیلد (Hopfield Networks)
• 55. حافظه تداعی‌گر (Associative Memory)
• 56. مفهوم انرژی در شبکه‌های هاپفیلد
• 57. ماشین بولتزمن (Boltzmann Machine)
• 58. شبکه‌های عصبی رقابتی (Competitive Learning)
• 59. نقشه‌های خودسازمانده (Self-Organizing Maps - SOM)
• 60. معماری و الگوریتم یادگیری کوهونن (Kohonen)
• 61. شبکه‌های با تابع پایه شعاعی (Radial Basis Function - RBF)
• 62. یادگیری نظارت‌شده، نظارت‌نشده و تقویتی
• 63. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 64. شبکه‌های عصبی کانولوشنی (CNN)
• 65. شبکه‌های عصبی بازگشتی (RNN)
• 66. نورون‌های اسپایکی (Spiking Neural Networks)
• 67. مدل‌سازی مغز و علوم اعصاب محاسباتی
• 68. کاربردهای شبکه‌های عصبی در بازشناسی الگو
• 69. کاربردهای شبکه‌های عصبی در پیش‌بینی سری‌های زمانی
• 70. مقدمه‌ای بر هوش جمعی
• 71. اصل خودسازماندهی در سیستم‌های طبیعی
• 72. بهینه‌سازی کلونی مورچگان (Ant Colony Optimization - ACO)
• 73. رد فرومون (Pheromone Trail) و ارتباط غیرمستقیم
• 74. الگوریتم ACO برای مسئله فروشنده دوره‌گرد
• 75. به‌روزرسانی فرومون: تبخیر و تقویت
• 76. انواع الگوریتم‌های مورچگان
• 77. بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization - PSO)
• 78. مفهوم ذره، سرعت و موقعیت
• 79. بهترین موقعیت شخصی (pbest) و بهترین موقعیت سراسری (gbest)
• 80. معادلات حرکت و به‌روزرسانی در PSO
• 81. توپولوژی‌های همسایگی در PSO
• 82. مقایسه PSO با الگوریتم ژنتیک
• 83. الگوریتم کلونی زنبور عسل مصنوعی (Artificial Bee Colony - ABC)
• 84. الگوریتم کرم شب‌تاب (Firefly Algorithm)
• 85. کاربردهای هوش جمعی در رباتیک و لجستیک
• 86. مقدمه‌ای بر سیستم‌های ایمنی مصنوعی (Artificial Immune Systems - AIS)
• 87. الهام از سیستم ایمنی بدن انسان
• 88. الگوریتم انتخاب کلونال (Clonal Selection)
• 89. الگوریتم انتخاب منفی (Negative Selection)
• 90. شبکه‌های ایمنی (Immune Networks)
• 91. مقدمه‌ای بر حیات مصنوعی (Artificial Life)
• 92. اتوماتای سلولی (Cellular Automata)
• 93. بازی زندگی کانوی (Conway's Game of Life)
• 94. منطق فازی (Fuzzy Logic): مدیریت عدم قطعیت
• 95. سیستم‌های استنتاج فازی (Fuzzy Inference Systems)
• 96. سیستم‌های ترکیبی (Hybrid Systems): قدرت ترکیب پارادایم‌ها
• 97. سیستم‌های نورو-فازی (Neuro-Fuzzy Systems)
• 98. ترکیب الگوریتم‌های ژنتیک و شبکه‌های عصبی
• 99. مطالعات موردی: کاربردهای واقعی هوش محاسباتی
• 100. اخلاق در هوش محاسباتی و آینده این حوزه