با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. شما می توانید این مجموعه آموزشی را از وبسایت متلب یار و از لینک داده شده در ادامه مطلب مشاهده و دانلود نمایید. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها ...
بیشتر بخوانید
با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها در این پروژه نشان داده شده است که هر چه تعداد epoch ها بالاتر می رود خوشه بندی بهتری برای داده بدست می ...
بیشتر بخوانید
با سلام در این مجموعه شما مجموعه کاملی از پروژه های انجام شده در زبان متلب با شبکه های عصبی را دریافت می کنید, این پروژه ها دارای داکیومنت فارسی نیز می باشد, پروژه های موجود در این مجموعه: دسته بندی و تشخیص الگوهای ورودی دو بعدی (حروف انگلیسی) با استفاده از شبکه عصبی هب (Hebb network) دسته بندی و تشخیص حروف انگلیسی با فونت های مختلف و یک دسته خروجی با استفاده از شبکه عصبی پرسپترون (Perceptron network) دسته بندی و تشخیص حروف انگلیسی بمنظور پیوند دادن حروف بزرگ با حروف کوچک با استفاده از شبکه عصبی دیگر انجمنی (Heteroassociative network) ...
بیشتر بخوانید
با سلام در این قسمت شبکه عصبی خود رمزگذار عمیق (Deep Autoencoder) را معرفی می کنیم. شبکه های Autoencoder از شبکه های بدون ناظر به حساب می آید. تفاوت این نوع شبکه ها با شبکه های دیگر بدون ناظر در این است که شبکه های خود رمزگذار از توزیع های احتمالی برای آموزش بدون ناظر استفاده نمیکند بلکه به روش مشابه شبکه های با ناظر عمل می کند. یعنی یک هدف دارد و با استفاده از روش گرادیان نزولی و پس انتشار خطا آموزش می بیند، اما هدف آن خود ورودی می باشد و به همین دلیل روش آن را بدون ...
بیشتر بخوانید
با سلام هجدهمین قسمت از مجموعه فیلم های آموزشی شبکه عصبی در متلب در وبسایت متلب یار منتشر گردید. در این قسمت شبکه عصبی خود رمزگذار عمیق (Deep Autoencoder) را معرفی می کنیم. در این جلسه مهم ترین مطالبی که ذکر خواهند شد به شرح زیر می باشند: ایده ی اولیه Autoencoder اهمیت و کاربرد Autoencoder ساختار شبکه Autoencoder عملیات رو به جلو (forward) عملیات برگشتی (backward) پنالتی (جریمه) Sparse آموزش Autoencoder به صورت بدون ناظر پیاده سازی شبکه Autoencoder در متلب به صورت بدون ناظر شبکه های عصبی Autoencoder شبکه های پر کاربردی می باشند زیرا که نوعی از ...
بیشتر بخوانید
با سلام در این دوره سعی شده تا با مراحل مهم فرآیند شناسایی سیستم آشنا شده، آن ها را در محیط متلب اجرا نمائیم. سه مرحله مهم در فرآیند شناسایی عبارتند از: ۱٫ جمع آوری چندین دیتای آزمایشی ورودی، خروجی از فرآیندی که می خواهیم آن را مدلسازی کنیم ( در مورد سیستم پاندول معکوس ورودی و خروجی ها به ترتیب عبارتند از نیروی وارده بر ارابه و جابه جایی و زاویه انحراف پاندول). ۲٫ انتخاب ساختار مناسب ۳٫ تخمین و تنظیم پارامترهای مدل به طوری که خروجی این مدل شبیه به خروجی فرآیند باشد. بهترین راه انتخاب ساختار یک ...
بیشتر بخوانید
با سلام در این دوره نحوه ی نصب Neupy که در زبان پایتون می باشد، آموزش داده شده است. Neupy به صورت کد باز می باشد در نتیجه ممکن است در حین نصب با مشکلات و موانعی برخورد شود که تمام این موانع را با هم پشت سر می گزاریم. البته خود Neupy برای نصب به کتابخوانه ها و ابزارهای دیگری نیز نیاز دارد که کاربرد هر یک و نحوه ی نصب آن ها به ترتیب گفته می شود. پس از آموزش نصب Neupy، زبان پایتون و نحوه ی اجرای کدها آموزش داده می شود. آموزش زبان پایتون به صورت ...
بیشتر بخوانید
با سلام متلب در شبکه های عصبی عمیق سرعت مناسبی ندارد و زبانی که معمولا برای شبکه های عمیق و پردازش تصویر مورد استفاده قرار می گیرد پایتون است. زیرا سرعتی بالاتر از متلب دارد و همچنین مشابه متلب یک زبان سطح بالاست که عملیات اصلی ریاضی در آن به راحتی قابل انجام است. در این دوره نحوه ی نصب Neupy که در زبان پایتون می باشد، آموزش داده شده است. Neupy به صورت کد باز می باشد در نتیجه ممکن است در حین نصب با مشکلات و موانعی برخورد شود که تمام این موانع را با هم پشت سر ...
بیشتر بخوانید
با سلام در این قسمت شبکه عصبی ماشین بولتزمن محدود شده (RBM) restricted Boltzmann machine را معرفی می کنیم. شبکه های RBM از شبکه هایی است که هم می تواند به صورت با ناظر و هم به صورت بدون ناظر یا همزمان به صورت ترکیبی آموزش ببیند. زمانی که شبکه به صورت بدون ناظر آموزش می بیند باید از توزیع های احتمالی پیروی کرد، بنابراین جهت درک این نوع شبکه ها باید با توزیع های آماری و مسائل و توضیحات مربوط به احتمالات آشنایی داشت. از طرفی به دلیل پیروی این نوع شبکه ها از گراف بیزی، هنگام آموزش بدون ناظر ...
بیشتر بخوانید
با سلام در این قسمت شبکه عصبی ماشین بولتزمن محدود شده (RBM) restricted Boltzmann machine را معرفی می کنیم. شبکه های RBM از شبکه هایی است که هم می تواند به صورت با ناظر و هم به صورت بدون ناظر یا همزمان به صورت ترکیبی آموزش ببیند. زمانی که شبکه به صورت بدون ناظر آموزش می بیند باید از توزیع های احتمالی پیروی کرد، بنابراین جهت درک این نوع شبکه ها باید با توزیع های آماری و مسائل و توضیحات مربوط به احتمالات آشنایی داشت. از طرفی به دلیل پیروی این نوع شبکه ها از گراف بیزی، هنگام آموزش بدون ناظر ...
بیشتر بخوانید