Peyman 16150 ارسال شده در 4 شهریور، 2012 یه چیز یادم رفت گفتی رابطه داری من یا باید رابطه بسازم مثلا از یه سری معادلات ساده جبری که تهش ختم به یه ماتریس روابط دیگه هم مثله چیزی که قبلا گفتم بستگی به حالت های ترمودینامیکی داره که لحاظ می کنم جمع بندی حرفم اینه که یه دونه رابطه ندارم که همه چی توش باشه حتی بعضی رابطه ها هیچ نسبتی با هم ندارن، یعنی کاملا مستقل عمل می کنن ولی نتیجه اش روی همدیگه تاثیر دارن اینجوری پیچیده می شه باید روابطم رو دونه دونه وارد کنم اول با همون دما شروع می کن، از بقیه اشون راحت تره 2
سارا-افشار 36437 مالک ارسال شده در 4 شهریور، 2012 خب به خاطر همین من قبلا گفتم بهت که اول باید بفهمم کار این شبکه های عصبی چیهمن هنوزم که هنوزه درکی ازش ندارم دنبال یه مثال می گردم که شبکه های عصبی رو تعریف کنه برام و بگه به چه درد می خوره بعد یه مثال دیگه که بگه اگر با شبکه های عصبی حل بشه به جای الگوریتم ژنتیک این مزایای رو داره اینکه موضوع بهینه سازیه، هم می شه گفت بله و هم نه ! من نمی خوام بهینه کنم، می خوام بهترین شرایط رو انتخاب کنم نمی دونم الان دقیقا که این انتخاب بهترین شرایط، معنی بهینه سازی می ده ! و نکته بعد که تقریبا مطمئن می کنه که مسئله بهینه سازی نیست اینه که : ببین شما صحبت از تربیت شبکه کردی این تربیت یعنی اینکه اگر شما 1000 حالت ورودی داری، باید واسه 10 تا حالت حداقل جواب داشته باشی تا شبکه رو اموزش بدی بعد اون شبکه میاد 990 حالت بقیه رو می گه تا اینجا درست فهمیدم ؟ مسئله منم همینه من فوقش 100 تا آزمایش بتونم انجام بدم ولی 1000 تا ورودی یا حالت دارم که باید ببینم اونا چه جوابی بهم می ده بخاطر همین می گم که موضوع بهینه سازی نیست، یا اگر باشه، در شروع حل مسئله بهینه سازی نیست یعنی من اول باید مدل این 1000 تا آزمایش (فرضا) رو در بیارم 100 تاش رو که خودم انجام می دم 900 تاش رو هم شبکه عصبی برام پیش بینی می کنه بعد بیام بگم رو این مدل نقطه اپتیمم اینجاس این چیزی که اینجا تایپ می کنم گفته فیلیپ پیکتن نویسنده کتاب اصول و کارکردهای شبکه عصبی ست درصورتی که نتوان مسئله ای را تشریح کرد , نمی توان ان را درقالب مجموعه ای از رویکردهای منطقی ارایه نمود لذا در مدلسازی این مسئله به شکل یک سیستم مبتنی برقاعده (rule-base system) مشکل وجود دارد. شما باید این سوالات رو ازخودتون بکنید آیا میتوانیم به صورت الگوریتمیک مراحل انجام کار رو توضیح بدم ؟ آیا برای هر مرحله , رابطه ریاضی - منطقی وجود دارد؟ واسه اون ازتون پرسیدم شما برای این مسئله تون رابطه دارین رابطه ای که توش پارامترها اومده باشه ؟ اما دلایل خودم برای اینکه میگم شما باید سراغ الگوریتم ژنتیک و امثال اونا برید شما گفتید من نمی خوام بهینه کنم، می خوام بهترین شرایط رو انتخاب کنم همین بهترین شرایط رو میخواین از بین خیلی زیاد ( نمیدونم چن تا ) شرایط پیدا کنیداین یعنی مسئله بهینه یعنی میخواین سیستم تحت اون شرایط ایده ال , بهترین یا نزدیک به بهترین پاسخ رو بهتون بده من فوقش 100 تا آزمایش بتونم انجام بدمولی 1000 تا ورودی یا حالت دارم که باید ببینم اونا چه جوابی بهم می ده همین که میگید 100 تاشو خودم انجام میدم بقیه رو نمیدونم یعنی اینکه طبق گفته خودتون حتی اگه شبکه رو با اون صدتا اموزش بدیم نهایتا جوابی که برای باقی اون 1000 حالت بهتون میده نزدیک به چیزایی خواهد بودکه اموزش دیده نه جواب نزدیک به بهینه اما توی الگوریتم ژنتیک کاری که شما انجام میدید اینه که ابتدا اون 100 جواب رو تولید می کنید بعد روی این 100 جواب دوتا عملگر بنامهای عملگرهای ترکیب (امیزش ) و جهش ژنتیکی انجام میشه این ترکیب و جهش باعث تولید جوابهایی خواهد شد که اصلا دربین جوابهای تولید شما نیس ولی ممکنه دارای نتیجه بهتری باشند طبق اصل بقا , خوبها می مونن , بدها ازبین میرن , درطی تکرارهای خیلی زیادی, کم کم جواب بهینه خودش رو بهتون نشون میده نکته دیگه ای که باید بگم اینه که شما حتی اگه از شبکه عصبی استفاده کنید و این 100 جواب و حالت شما به عنوان داده اموزشی به شبکه داده میشه اما برای تستش دیگه نباید از این 100 حالت استفاده کنید بلکه باید مابقی حالتها رو بش بدین ببینید چه جوابی بهتون میده درحالی که بقیه حالتها رو دراخیتار ندارین طبق اون چیزایی که از شبکه عصبی تا اینجا من یادگرفتم شبکه جوابهایی بهمون میده که براش اموزش دیده مثل این می مونه شما بخوایید به شبکه یاد بدین پستانداران رو شناسایی کنه بش گربه - سگ و اسب -انسان و ... رو به همراه ویژگی هاشون میدید شبکه هم طبق اینا اموزش می بینه ولی برای تست شبکه یهویی میایید نهنگ رو بش میدید که کمترین شباهت از ویژگی های بقیه پستا نداران رو داراست اینجاست که احتمال اینکه شبکه بهتون خروجی بده که نهنگ پستاندار نیس خیلی زیاده یه بحثی هس بنام توزیع نرمال داده ها (نمونه ها) که معمولا برا اموزش شبکه هم رو این خیلی تاکید می کنن درحالی که شما این توزیع نرمالی از داده هاتون رو ندارید و دارید می گردید تا پیداش کنید نمیدونم چقدر تونستم منظورمو برسونم درمورد الگوریتم ژنتیک اطلاعاتم زیادتر از شبکه عصبیه , چون قبلا باش کار کردم 2
Peyman 16150 ارسال شده در 4 شهریور، 2012 شما باید این سوالات رو ازخودتون بکنید آیا میتوانیم به صورت الگوریتمیک مراحل انجام کار رو توضیح بدم ؟ آیا برای هر مرحله , رابطه ریاضی - منطقی وجود دارد؟ آره منطق ریاضی وجود داره یعنی من هم می تونم از معادلات بالانس ورودی و خروجی، دقیقا بگم مقدار عنصر ایکس چقدره و هم می تونم با نرم افزارهای ترمودینامیکی شبیه سازی کنم که من هر دوی این کارها رو انجام میدم ولی هیچکدوم از این دو کار جواب قابل اعتماد نداره بلکه یه جور پیشنهاد بهم میده، مثلا : با نرم افزار حساب می کنم می بینم اگر 50 گرم آلومینیم بریزم درصد عنصر ایکس، 5 درصد می شه اگر 30 گرم بریزم، می شه 8 درصد منم همون 8 درصد رو می خوام با وجود اینکه می دونم اگر 30 گرم آلومینیم بریزم، در حالت واقعی عمرا 8 درصد رو نمی گیرم ولی این نرم افزار به من این ایده رو می ده که من باید دور و بر 30 گرم باشم منظورم اینکه هم ریاضیاتی می شه حسابش کرد اما با مجموعه معادلات، نه یه رابطه و هم با نرم افزار ولی هیچکدوم حالت واقعی نیستند 2
hamedlo 12 ارسال شده در 9 مهر، 2012 با سلام سوالی در مورد پیاده سازی شبکه عصبی در مطلب دارم که ممنون خواهم بود اگر پاسخگو باشید. من یک شبکه دو لایه را با متد BP و الگوریتم levenbery-marqwardt در مطلب پیاده سازی کردم. در هر بار اجرا با تعداد نرون های ثابت در لایه میانی و خروجی جواب های متفاوتی حاصل میشه که دلیل ان را می خواستم بفرمایید. شاید مقادیر ابتدایی وزن ها و بایاس ها بصورت رندوم انتخاب میشه اگر این طور هست با چه دستوری میتونم به کلیه وزن ها و بایاس ها قبل از آموزش شبکه یک مقدار مشخص مثلا" صفر را بدهم. سوال دوم من این هست که پس از آموزش شبکه مقادیر وزن ها و بایاس ها را با چه دستوری ببینم و در چه ماتریسی ذخیره می شوند؟ با تشکر فرآوان 2
shirin2012 11 ارسال شده در 1 خرداد، 2013 سلام دستتون درد نکنه یه سوال داشتم بین 6 متدهای یادگیری شبکه مثل هب دلتا و ... از نظر مفهومی چه تفاوت هایی هس؟؟؟؟ کاربردشون و نحوه آموزششون چه فرقایی با هم دارن؟ 1
سارا-افشار 36437 مالک ارسال شده در 1 خرداد، 2013 با سلام سوالی در مورد پیاده سازی شبکه عصبی در مطلب دارم که ممنون خواهم بود اگر پاسخگو باشید. من یک شبکه دو لایه را با متد BP و الگوریتم levenbery-marqwardt در مطلب پیاده سازی کردم. در هر بار اجرا با تعداد نرون های ثابت در لایه میانی و خروجی جواب های متفاوتی حاصل میشه که دلیل ان را می خواستم بفرمایید. شاید مقادیر ابتدایی وزن ها و بایاس ها بصورت رندوم انتخاب میشه اگر این طور هست با چه دستوری میتونم به کلیه وزن ها و بایاس ها قبل از آموزش شبکه یک مقدار مشخص مثلا" صفر را بدهم. سوال دوم من این هست که پس از آموزش شبکه مقادیر وزن ها و بایاس ها را با چه دستوری ببینم و در چه ماتریسی ذخیره می شوند؟ با تشکر فرآوان توی خود جعبه شبکه عصبی بخش تنظیم پارامترها یه تبی هس که وزن ها رو می تونید ست کنید هر بار اجرا دقیقا براساس تغییر وزن ها و همچنین براساس پارامترهایی چون ممنتم و نرخ یادگیری مقدار خروجی تغییر می کنه 2
سارا-افشار 36437 مالک ارسال شده در 1 خرداد، 2013 سلام دستتون درد نکنه یه سوال داشتم بین 6 متدهای یادگیری شبکه مثل هب دلتا و ... از نظر مفهومی چه تفاوت هایی هس؟؟؟؟ کاربردشون و نحوه آموزششون چه فرقایی با هم دارن؟ برای یافتن پاسخ تون به کتاب شبکه عصبی منهاج یا خود help متلب رجوع کنید من دقیقا متوجه منظورتون نشدنم (هب دلتا ) 3
meisam_zahedi 10 ارسال شده در 28 خرداد، 2013 لطفا حل معادله زیر مربوط به (سیب و پرتقال) را توضیح دهید ممنون از راهنمایی هاتون اگه معادله بالایی رو حل کنیم به مقادیر زیر برای بردار وزن ها و مقدار بایاس خواهیم رسید
mhbshn 13 ارسال شده در 6 مرداد، 2013 سلام میشه لطفا یک سری اطلاعات در مورد فازهای آموزش و آزمایش و چگونگی عملکردشون توضیحاتی رو بدین.
par30eng 16 ارسال شده در 26 مهر، 2013 سلام من میخوام یه ماشین رو در یه مسیر با استفاده از شبکه عصبی حرکت بدم میشه راهنمایی کنید از کجا شروع کنم؟
RezaMolkara 12 ارسال شده در 18 فروردین، 2014 سلام خدمت دوستان سورس نرم افزار Neurosolutıons 6 رو میخواستم با کرکش؛ اگه کسی داره بی زحمت به اشتراک بذارتش؟ می خواستم بدونم این نرم افزار خوبیه واسه بحث شبکه عصبی؟ اگر آموزشش رو هم کسی داره، لطف کنه به اشتراک بذاره خیلی ممنون 1
shahram-2 14 ارسال شده در 29 دی، 2014 با سلام من نمونه کد مطلب جهت شبکه های عصبی برای تشخیص فیشینگ ایمیل میخواستم خواهشمند م راهنمایی کنید 2
hina 13 ارسال شده در 13 بهمن، 2014 سلام دوست عزیز.یه سوال داشتم.شما میدونید چرا توابع گوسی بیشتر از توابع دیگر برای شبکه پایه شعاعی استفاده میشوند؟ منمنون میشم پاسخ بدید. 1
Master. 42 ارسال شده در 16 آبان، 2015 سلام به همگی من دارم از روی کتاب Neural Networks Design میخونم . تا اینجا که کتاب بی نظیری بوده و فوق العاده درس داده . یک جا من متوجه نمیشم چی داره میگه کسی میتونه راهنمایی کنه ؟ اینکه میگه با توجه به شکل ما میتونیم ببینیم که مرز خطی که این وکتور رو بصورت متقارن از همدیگه جدا میکنه plane p1 ,p3 هست . From this figure we can see that the linear boundary that dividesthese two vectors symmetrically is the plane. اولا شکلش چطور رسم شده . سه تا محور باید داشته باشه درسته ؟ ( من ریاضیم خیلی ضعیفه ) چطوری این رسم شده من گیج شدم کامل بعد این مرزی که صحبتش رو میکنه دقیقا به چی اشاره داره کسی میتونه توضیح بده که دقیقا چی میخواد بگه و چطور به این رسیده ؟ وکتور P1 +1 -1 -1 و وکتور p2 +1 +1 -1 هست من اون صفحه رو آپلود کردم ممنون میشم کسی میتونه کمک کنه برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 2
elmiramohammadi 596 ارسال شده در 19 آبان، 2015 سلام سری بعد که ملب رو گذاشتی صفحه یا عکسی از صفحه هم بزار. منظور از اینجا که گفته بردار سه بعدی است باید توجه کنید که در پردازش تصویر و مسایل الگویی مسله بعد به ویژگی هایی که برای هر نمونه بکار می روداطلاق می شود مثلا اینجا برای هر میوه سه ویژگی shpae, texture , weight استفاده کرده است و برای پرتقال و سیب این بردار را تشکیل داده است. 3
Master. 42 ارسال شده در 19 آبان، 2015 سلامسری بعد که ملب رو گذاشتی صفحه یا عکسی از صفحه هم بزار. منظور از اینجا که گفته بردار سه بعدی است باید توجه کنید که در پردازش تصویر و مسایل الگویی مسله بعد به ویژگی هایی که برای هر نمونه بکار می روداطلاق می شود مثلا اینجا برای هر میوه سه ویژگی shpae, texture , weight استفاده کرده است و برای پرتقال و سیب این بردار را تشکیل داده است. سلام خیلی ممنونم من اون صفحه مربوطه رو جدا کردمو آپلود کرده بودم آخر پستم لینکش بود : من اون صفحه رو آپلود کردم ممنون میشم کسی میتونه کمک کنه برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام بابت راهنمایی هم خیلی ممنونم 2
Master. 42 ارسال شده در 19 آبان، 2015 چرا تو بعضی جاها بجای اینکه خیلی راحت ماتریس رو بنویسن اونو transpose میکنن و تو معادله وارد میکنن ؟ مثلا اینجا از عکس 4.8 به بعد اومده از ماتریس ترانهاده تو فرمول استفاده کرده در حالی که خیلی راحت میتونست اینکارو نکنه! تو فرمول ترانهاده مینویسه اما تو عمل همون ماتریس معمولیه! میشه کسی بگه چرا اینکارو میکنه ؟ میتونید صفحاتی که درموردش صحبت میکنم رو اینجا ببینید : برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام فهمیدم دلیلش چیه :) این اومده هر سطر ماتریس وزن رو در قالب یک وکتور نوشته ( وکتور یک ماتریس تک ستونه هست ) و این کار هم برای این شده که بتونیم خروجی رو به اضای هر نورون جداگانه بدست بیاریم در نتیجه برای ضرب داخلی دو بردار هم دترمینان یکی در بردار دیگه ضرب میشه . (تو ضرب ماتریس ها سطر با ستون یکی باید برابر باشه بنابر این یکی دترمینان میشه وگرنه نمیشه ضربشون کرد ) 1
xzsawq21 11 ارسال شده در 1 اسفند، 2015 سلام ببخشید من میخوام با شبکه عصبی یک شناسایی انجام بدم اما وقتی در عمل سیگنال تولید میکنیم دچار هارمونیکهای غیر اصلی میشود... که این هارمونیکها در تحریک مدهای سیستم نقش دارند...میخوام این سیگنال آنالوگ تولیدی رو نمونه برداری کنم اما در نمونه برداری ما نیاز به نرخ نایکویست داریم. خوب اگر اسپکترام سیگنال بگیریم کلی هارمونیک هست کدومش حداکثر فرکانس بگیرم تا نرخ نمونه برداری رو تعیین کنم؟ 1
Rose6 865 ارسال شده در 28 آذر، 2020 در 12 ساعت قبل، mani6606 گفته است : سلام دوستان کسی می تواند من را در حل این مسئله کمک کند؟ K=0
ارسال های توصیه شده