1-2-  معرفی شبکه عصبی مصنوعی : Feed Forward

شبکه های عصبی مصنوعی (ANN) مدل های ریاضی هستند که از سیستم های عصبی بیولوژیکی الهام گرفته شده اند. شبکه های عصبی خروجی ها را براساس ورودی مدل و تعیین می کنند این شبکه های از واحدهای پردازش اطلاعات به نام نورون ها تشکیل شده اند. یکی از انواع متداول شبکه های عصبی، شبکه Feed Forward می باشد که در آن سلولهای عصبی در لایه هایی قرار می گیرند که شامل یک لایه ورودی ، یک یا چند لایه پنهان و یک لایه خروجی می باشد. نورونهای موجود در هر لایه بلافاصله و بعد از آنها به همه سلولهای عصبی در لایه ها متصل می شوند.(HASANZADE-INALLU et al., 2019) در هر لایه همواره ورودی خالص یک نورون ، مجموع خروجیهای وزنی از سلولهای عصبی لایه قبلی است. هر نورون یک تابع به نام تابع فعال سازی را برای ورودی خالص خود به کار می برد تا خروجی آن مشخص شود. (HASANZADE-INALLU et al., 2019)

---

2.1. Feed Forward artificial neural network

Artificial neural networks (ANN) are mathematical models inspired by biological neural systems. The neural networks determine the outputs based on the model input; these networks are made up of information processing units called neurons. One of the most common types of neural networks is the Feed Forward network, in which neurons are placed in layers that include an input layer, one or more hidden layers, and an output layer. The neurons in each layer are connected immediately to all neurons in the layers (Hasanzadeh-Inallu et al., 2019). In each layer, the net input of a neuron is always the sum of the weighted outputs from all neurons in the previous layer. Each neuron uses a function called activation function for its net input to determine its output (Hasanzadeh-Inallu et al., 2019).