رفتن به مطلب

باهم شبکه های عصبی یادبگیریم


ارسال های توصیه شده

در اولین فرصت لیست پرکاربرد ترین الگوریتم ها رو میزام و یکی یکی شروع به اموزشش می کنم

اینجوری درک عمیق تری از کارکرد شبکه عصبی پیدا می کنیم .

 

ممنون بی صبرانه منتظرم

خیلی تو نت سرچ کردم اما همه آموزش ها کلی هستن

امروز با شبکه های عصبی از طریق این تاپیک آشنا شدم دارم دیوونه می شم خیلی جذابه داشتم یه مقاله درباره face detection می خوندم توش این شبکه ها استفاده شده بود

لینک به دیدگاه
  • پاسخ 67
  • ایجاد شد
  • آخرین پاسخ

بهترین ارسال کنندگان این موضوع

بهترین ارسال کنندگان این موضوع

ممنون بی صبرانه منتظرم

خیلی تو نت سرچ کردم اما همه آموزش ها کلی هستن

امروز با شبکه های عصبی از طریق این تاپیک آشنا شدم دارم دیوونه می شم خیلی جذابه داشتم یه مقاله درباره face detection می خوندم توش این شبکه ها استفاده شده بود

سعی می کنم چون خودمم بدجور این روزا سرم شلوغه

در اولین فرصت , این تاپیک رو داغ می کنم

لینک به دیدگاه
سلام من شدیدا به شبکه های عصبی پرسپترون نیاز دارم میشه ادامه بدین و یا منبع معرفی کنید.راستی قبلیا خیلی خوب بودن

 

برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید.

 

فصل 9 صفحه 3

لینک به دیدگاه
  • 1 ماه بعد...

سلام .

اول یه شاد باش و تبریک سال نو خدمت حضرت عالی دارم و تشکر بابت فعالیت های مفید شما همکار گرامی

مهندس این مطالبی که گذاشتید فایل pdf برای دانلود داره که کل شبکه های عصبی را یکجا داشته باشم ؟

ممنون و تشکر بی کران

لینک به دیدگاه

درود

pso حالت آفلاین و آنلاین داره؟ اگه داره در موردشون توضیح بدین لطفا(خلاصه کفایت میکنه) و یه مقایسه کلی.کدوم دقیقتر؟ کدوم سیستم قوی تر لازم داره؟ زمان؟..

لینک به دیدگاه
سلام .

اول یه شاد باش و تبریک سال نو خدمت حضرت عالی دارم و تشکر بابت فعالیت های مفید شما همکار گرامی

مهندس این مطالبی که گذاشتید فایل pdf برای دانلود داره که کل شبکه های عصبی را یکجا داشته باشم ؟

ممنون و تشکر بی کران

نه متاسفانه

لینک به دیدگاه

درود

pso حالت آفلاین و آنلاین داره؟ اگه داره در موردشون توضیح بدین لطفا(خلاصه کفایت میکنه) و یه مقایسه کلی.کدوم دقیقتر؟ کدوم سیستم قوی تر لازم داره؟ زمان؟..

تو این مقاله شاید بش اشاره ای شده باشه

برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید.

ببخشید امکان دانلودش برام نیس

لینک به دیدگاه
  • 3 هفته بعد...

سلام خانم افشار - محبت می کنید چنانچه پاسخ را در اولین فرصت که مقدور بود ارسال کنید .

لطفا مبحث رو ادامه بدید من مطالبی در رابطه با شبکه عصبی مطالعه کردم و از راهنمای خود متلب برای فهم بهتر موضوع استفاده کردم ، اول مساله های قابل بررسی رو براتون مختصرا شرح می دم و بعد سوالاتم رو مطرح می کنم .

در بخضی از مباحث اکتشاف معدن به روش های ژئوشیمیایی از روش های آماری کلاسیک و پیشرفته استفاده می کنیم و روش کار مشابهت بسیاری به سایر داده کاوی ها داره ، چرا که از بین بسیاری داده و نویز می خواهیم به حقیقتی خاص دست پیدا کنیم و محدوده آنومالی ها (مناطق با عیار ماده معدنی بالاتر ) را نهایتا مشخص نماییم. مابقی شرخ باشه برای وقتی که علاقه به همکاری نشون دادید . :a030:

حالا در مورد سوالاتم :

1- مشخصه که الزامی وجود نداره که تعداد ورودی و خروجی های ما هم اندازه باشند ، بر فرض که خروجی نرون را قبل از ورود به تابع انتقال n بنامیم ، آیا n های متفاوت ( یعنی خروجی چندین نرون ) می توانند به توابع انتقال مختلف وارد شوند ؟ یا در یک لایه همه خروجی های نرون ها باید به تابع انتقال یکسان وارد شوند ؟ یعنی برای مثال وقتی شبکه دو خروجی داشته باشد ، می توانیم دو تابع انتقال مختلف داشته باشیم ؟

2- کدام پارامتر ها توسط شبکه در خلال فرآیند آموزش بصورت اتوماتیک قابل تنظیم اند و کدام ها بصورت دستی نیز قابل تعین هستند ؟ و بخش دوم سوال ، آیا تابع انتقال نیز بصورت اتوماتیک توسط ماشین قابل پیشنهاد هست ؟ یا الزاما باید تابع انتقال را خودمان تعیین نماییم ؟

3- اگر موافقید انواع توابع انتقال را با مثال های کاربردی مرتب نماییم ، زیرا من هر چه گشتم منبعی که برای تمامی توابع انتقال مثال ذکر کرده باشد نیافتم .

4- مورد 3 را برای روش های آموزش و مثال های کاربردی نیز انجام دهیم .

5- شبکه های عصبی دارای تاخیر در کجاها کاربرد دارند ؟

مرسی - مسعود

لینک به دیدگاه
سلام خانم افشار - محبت می کنید چنانچه پاسخ را در اولین فرصت که مقدور بود ارسال کنید .

لطفا مبحث رو ادامه بدید من مطالبی در رابطه با شبکه عصبی مطالعه کردم و از راهنمای خود متلب برای فهم بهتر موضوع استفاده کردم ، اول مساله های قابل بررسی رو براتون مختصرا شرح می دم و بعد سوالاتم رو مطرح می کنم .

در بخضی از مباحث اکتشاف معدن به روش های ژئوشیمیایی از روش های آماری کلاسیک و پیشرفته استفاده می کنیم و روش کار مشابهت بسیاری به سایر داده کاوی ها داره ، چرا که از بین بسیاری داده و نویز می خواهیم به حقیقتی خاص دست پیدا کنیم و محدوده آنومالی ها (مناطق با عیار ماده معدنی بالاتر ) را نهایتا مشخص نماییم. مابقی شرخ باشه برای وقتی که علاقه به همکاری نشون دادید . :a030:

حالا در مورد سوالاتم :

1- مشخصه که الزامی وجود نداره که تعداد ورودی و خروجی های ما هم اندازه باشند ، بر فرض که خروجی نرون را قبل از ورود به تابع انتقال n بنامیم ، آیا n های متفاوت ( یعنی خروجی چندین نرون ) می توانند به توابع انتقال مختلف وارد شوند ؟ یا در یک لایه همه خروجی های نرون ها باید به تابع انتقال یکسان وارد شوند ؟ یعنی برای مثال وقتی شبکه دو خروجی داشته باشد ، می توانیم دو تابع انتقال مختلف داشته باشیم ؟

2- کدام پارامتر ها توسط شبکه در خلال فرآیند آموزش بصورت اتوماتیک قابل تنظیم اند و کدام ها بصورت دستی نیز قابل تعین هستند ؟ و بخش دوم سوال ، آیا تابع انتقال نیز بصورت اتوماتیک توسط ماشین قابل پیشنهاد هست ؟ یا الزاما باید تابع انتقال را خودمان تعیین نماییم ؟

3- اگر موافقید انواع توابع انتقال را با مثال های کاربردی مرتب نماییم ، زیرا من هر چه گشتم منبعی که برای تمامی توابع انتقال مثال ذکر کرده باشد نیافتم .

4- مورد 3 را برای روش های آموزش و مثال های کاربردی نیز انجام دهیم .

5- شبکه های عصبی دارای تاخیر در کجاها کاربرد دارند ؟

مرسی - مسعود

 

تا جایی که سواد اجازه بده جواب میدم اگه دوستان اشکالی درجوابم دیدن حتما تذکر بدن

1- ببنید ما نمی تونیم هر شبکه عصبی دلخواهی داشته باشیم

یعنی هنوز دانش انسان نتونسته به چنین توانایی برسه

انواع شبکه های عصبی رو می تونید از همون help متلب ببنید

شما باید با این انواع اشنا بشید بعد ببنید برای کارتون کدوم یک به درد بخور هس

به طور کلی شبکه های عصبی مصنوعی دو دسته هستن با ناظر و بی ناظر

در حالت با ناظر شما هم ورودی رو میدید هم خروجی تا خود شبکه بتونه بین اینا رابطه برقرار کنه

در حالت بدون ناظر بیشتر از یه تابع تنبیه و تشویق استفاده میشه یعنی شبکه براساس ورودی یه خروجی رو میده هرچقدر این ورودی مطلوب شما باشه بش پاداش میدید و هرچقدر دور از مقدار موردنظرتون باشه بش نمره منفی میدید

شما بعد از اینکه نوع شبکه را مشخص کردید در انتخاب تعداد ورودی -خروجی - تعداد لایه های مخفی و انتخاب تابع انتقال مختار هستید

2- پارامترها رو می تونید حتی درحین اجرا با کد نویسی تغییر بدین مثلا بگید تا مرحله n ام از این تابع انتقال ولی از اون به بعد با این تابع انتقال استفاده کن

ولی درکل یه روند سیستماتیک باید در پیش بگیرید

پارامترهایی چون ممنتم یا نرخ یادگیری بیشتر درحین اجرا قابل تغییر هستن

3- توابع انتقال زیادن نیستن تو خود متلب اگه بزنید حتما میاره تو خود جعبه ابزار متلب مخصوص شبکه عصبی وقتی ویزارد شروع میشه شما می تونید انتخاب کنید که به نظرم سه یا چهار تا بود

4- فعلا اینقدر وقت ندارم که روی اموزش بزارم ببخشید

5- بیشتر در مسایل کنترل و طراحی مدارات البته تا جایی که من میدونم یا موقعی که میخواهید داده های ورودی شما براساس تاخیر زمانی به شبکه اعمال بشه

یعنی ترتیب زمانی ورود داده ها به بخش های مختلف (لایه های مختلف ) شبکه مهم و حیاتیه

لینک به دیدگاه
  • 2 هفته بعد...
  • 3 ماه بعد...
  • 3 ماه بعد...

سلام خانم افشار

 

تازه با سایت آشنا شدم و وقتی موضوع آموزش شما رو دیدم خوشحال شدم و همه رو داشتم مطالعه میکردم که یه دفه رسیدم بجایی که گفتید ادامه نمیدید!

 

بنظرم اگه شروع نمی کردید بهتر بود چون هم موضوع خوبی هست و هم آموزشتون زیباست اما حیف که متوقف کردید، و واقعا ناراحت شدم.

 

امیدوارم بقیه دوستان هم که می خوان آموزشی رو شروع کنن وسط کار رها نکنن.

 

با تشکر

ع.پ

لینک به دیدگاه
  • 2 ماه بعد...

[quote

حالا باید مقدار وزن و مقدار بایاس را پیدا کنیم یعنی این معاله را باید حل کنیم

9c1c44c8tqrw2pjqns.jpg

اگه معادله بالایی رو حل کنیم به مقادیر زیر برای بردار وزن ها و مقدار بایاس خواهیم رسید

1lp9olahxndzi2ihnhhh.jpg

اگه تو حل معادله بالایی مشکل داشتید تو تاپیک مشکلات بیان کنید تا جواب بدم .

:w16:

 

میشه لطفا عکسارو دوباره آپلود کنید

لینک به دیدگاه
  • 5 ماه بعد...

سلام می بخشید من با برنامه سی شارپ دارم شبکه عصبی برای موضوع ÷یش بینی بورس می نویسم

حالا مسئله اینه که من شبکه را اموزش دادم و تکرار را هم تا جایی انجام دادم که به محض رخداد برنامه متوقف میشه

حالا من با داشتن یک شبکه که وزنهای ایده ال خودش را به دست آورده چه طوری می توانم و از ه راهی می توانم خروجی شبکه را به صورت استاندارد به دست بیاورم

 

منظورم اینه که با داشتن یک شبکه آموزش دیده چطوری می تونم باداشتن داده جدید قیمت های بعدی را پیش بینی بکنم

 

از شما خیلی خیلی سپاسگذارم

لینک به دیدگاه
  • 1 ماه بعد...
  • 1 ماه بعد...
شکل زیر ساختار یک شبکه عصبی ساده را نشان میدهد :

 

x2zyckmwoneshkpxc4w4.jpg

این شبکه از یک ورودی بنام P , یک نورون و خروجی نورون a تشکیل شده هست .

هر نورون از دو عنصر کلیدی بنام تابع انتقال F و وزن W تشکیل یافته است .به پارامتر b اصطلاحا بایاس (bias) گفته می شود . وقتی ورودی P به نورون اعمال می شود مقدارش ضربدر w شده حاصل با b جمع و حاصل انها به عنوان ورودی به تابع انتقال F داده می شود . بسته به تعریف تابع انتقال , تصویر هر ورودی به خروجی a مرتبط با تابع انتقال نگاشته می شود .

 

به دو پارامتر W و b , پارامترهای تنظیم کننده شبکه عصبی گفته میشود .

سلام میشه این تصویر رو دوباره بذارید. من لازمش دارم ممنون.

لینک به دیدگاه
سلام میشه این تصویر رو دوباره بذارید. من لازمش دارم ممنون.

سلام،

تصویر شبیه به این تصویر هست:

 

tngtq5f24j09tjsp2in2_thumb.png

 

داخل این لینک هم فکر می کنم مشخص باشه:

http://www.noandishaan.com/forums/thread88639-3.html

لینک به دیدگاه

به گفتگو بپیوندید

هم اکنون می توانید مطلب خود را ارسال نمایید و بعداً ثبت نام کنید. اگر حساب کاربری دارید، برای ارسال با حساب کاربری خود اکنون وارد شوید .

مهمان
ارسال پاسخ به این موضوع ...

×   شما در حال چسباندن محتوایی با قالب بندی هستید.   حذف قالب بندی

  تنها استفاده از 75 اموجی مجاز می باشد.

×   لینک شما به صورت اتوماتیک جای گذاری شد.   نمایش به صورت لینک

×   محتوای قبلی شما بازگردانی شد.   پاک کردن محتوای ویرایشگر

×   شما مستقیما نمی توانید تصویر خود را قرار دهید. یا آن را اینجا بارگذاری کنید یا از یک URL قرار دهید.


×
×
  • اضافه کردن...