logo03-1-1logo03-1-1logo03-1-1logo03-1-1
  • خانه
  • دسته بندی محصولات
    • کد های آماده متلب بهمراه فایل های آمورشی
    • الگوریتم های فرا ابتکاری و کاربرد های آن
    • شبکه عصبی
    • تصمیم گیری چند معیاره
    • مقالات شبیه سازی شده با متلب
    • جدیدترین مقالات ISI همراه با ترجمه
    • پروژه های درسی
      • پروژه های آماده رشته علوم انسانی
      • پروژه های آماده رشته علوم مهندسی
      • پروژه های آماده رشته علوم پایه
    • متفرقه
  • پروژه های رایگان
  • آموزش متلب
    • آموزش مقدماتی متلب
    • آموزش تخصصی نرم افزار متلب
    • الگوریتم فراابتکاری در متلب
    • ساخت رابط گرافیکی GUI در متلب
    • کاربرد متلب در مهندسی
      • پردازش تصویر در متلب
      • پردازش سیگنال در متلب
      • سیمولینک متلب
    • آموزش متلب در تلگرام
  • نظرات مشتریان
  • درخواست کدنویسی
  • همکاری با ما
  • قوانین سایت
  • تماس با ما
  • صفحه نخست
  • درباره ما
  • نظر مشتریان
  • سوالات متداول
0
matio web شبکه عصبی خاکستری بهبود یافته با الگوریتم ژنتیک
مراحل مدل سازی ریاضی در متلب
شهریور ۳۰, ۱۳۹۸
الگوریتم بهینه‌ سازی کرم شب تاب
دی ۲۷, ۱۳۹۸
Published by mohammad ahmadi at شهریور ۳۰, ۱۳۹۸
Categories
  • آموزش شبکه عصبی در متلب
Tags
    download 9 شبکه عصبی خاکستری بهبود یافته با الگوریتم ژنتیک

    شبکه عصبی

    شبکه عصبی خاکستری بهبود یافته با الگوریتم ژنتیک

    شبکه عصبی بهبود یافته با الگوریتم ژنتیک یک ابزار بسیار نوین و کارامد جهت پیش بینی بر اساس هوش مصنوعی می باشد. این ابزار قابلیت توسعه تحقیقاتی دارد. در ابتدا لازم است تا شبکه عصبی خاکستری به خوبی شناخته شود. در شبکه عصبی کلاسیت، ارتباطات بین نود ها به صورت بایاس یا وزن مشخص می شود. وزن ها اعداد قطعی هستند که تلاش می کنند رابطه بین ورودی و خروجی را ایجاد کنند. این وزن ها با الگوریتم های مختلف مثل الگوریتم ژنتیک بهینه سازی می شوند. این وزن ها در شبکه عصبی کلاسیک همواره یک عدد ثابت هستند. این در حالی است که در شبکه عصبی خاکستری وزن ها به صورت یک بازه  [a,b]  در نظر گرفته می شود. حسن این نوع شبکه عصبی آن است که می تواند خطای پیش بینی را کاهش دهد. نکته قابل توجه در این خصوص آن است که برای پیاده سازی شبکه عصبی خاکستری، حتما نیاز به تحلیل خاکستری می باشد. تحلیل خاکستری روشی است که ویظفه جمع، تفریق، ضرب، تقسیم و مقایسه اعداد خاکستری را بر عهده دارد. در ادامه به تحلیل تحلیل خاکستری پرداخته می شود.

    تحلیل همبستگی خاکستری

    اصل اساسی GCA تعیین درجه شباهت توالی داده متفاوت است، که درجه همبستگی نامیده می شود. هر چه منحنی های دو داده مشابه تر باشند، درجه همبستگی بزرگتر می شود، و این نشان می دهد که رابطه بین دو توالی داده نزدیک است. مراحل ساخت مدل و راه حل به شرح زیر است.

    مرحله 1: ویژگی اصلی توالی داده به این صورت تعیین می شود (X0 = (x01, x02, … , x0k, …, x0N، که در آن N طول توالی داده است. توالی داده اصلی مرتبط به این صورت است  Xi = (xi1, xi2, … , xik, …, xiN)، i = 1, 2, …, m، که در آن m تعداد فاکتورهاست.

    مرحله 2: Y0 = (y01, y02, … , y0k, …, y0N)  توالی داده ویژگی بهینه و ( Yi = (yi1, yi2, … , yik, …, yiN توالی داده مرتبط نرمال است.

    مرحله 3: محاسبه عدد مرتبط

    در محاسبه عدد مرتبط از علم تحلیل خاکستری استفاده می شود که می توانید در اینجا دنبال کنید

    در مرحله نهایی اجرای روش شبکه عصبی خاکستری بهبود یافته با الگوریتم ژنتیک، لازم است وزن نود ها که به صورت اعداد بازه ای هستند، از الگوریتم ژنتیک استفاده می شود. برای یادگیری شیوه استفاده از الگوریتم ژنتیک در شبکه عصبی خاکستری می توانید پست زیر را مطالعه کنید

     

    بهبود شبکه عصبی با الگوریتم ژنتیک

     

    جهت پیاده سازی این نوع از شبکه عصبی می توانید با گروه تخصصی متلب آنالیز به آدرس ایمیل زیر در ارتباط باشید

    MATLABANALYSIS2012@gmail.com

    درحال ارسال
    امتیاز کاربر 0 (0 رای)
    امتیاز نظرات 0 (0 امتیاز دهی)
    Share
    0
    mohammad ahmadi
    mohammad ahmadi

    Related posts

    بهمن ۲۷, ۱۳۹۸

    الگوریتم پیش بینی سری زمانی با شبکه عصبی بهبود یافته


    Read more
    بهمن ۲۲, ۱۳۹۸

    بهبود شبکه عصبی با الگوریتم ژنتیک


    Read more
    download 9 شبکه عصبی چند لایه پیش خور

    شبکه عصبی

    مرداد ۳, ۱۳۹۶

    شبکه عصبی چند لایه پیش خور


    Read more

    دیدگاهتان را بنویسید لغو پاسخ

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

    درحال ارسال

    تماس باما

    اصفهان- بلوار کاوه ابتدای خیابان جابر انصاری دفتر موسسه تحلیل آمارگران

    9385162583 (98+)

    info@shopmatlab.ir

    پشتیبانی تلگرام
    پشتیبانی واتس آپ
    ارتباط با کارشناسان

    امکانات وب سایت

    linkedin telegram instagram twitter facebook

    بخش های سایت

    • دانلود رایگان
    • آموزش های رایگان متلب
    • قوانین وب سایت
    • درخواست کدنویسی
    • نظرات مشتریان

    پایانه پرداخت

    آرین پالزرین پال

    تمام حقوق محفوظ است