کد متلب بهینه سازی شبکه عصبی با الگوریتم فاخته COA
مهر ۱۰, ۱۳۹۵
آموزش و کد متلب شبکه عصبی خود سازمان ده (SOM)
مهر ۱۰, ۱۳۹۵
آموزش و کد متلب شبکه عصبی پرسپترون چندلایه (MLP)
9,000 تومان 8,000 تومان
شبکه عصبی پرسپترون چند لایه یکی از پر کاربرد ترین مدل های شبکه عصبی می باشد. کدنویسی این روش در محیط متلب از نیاز های اساسی محققین این حوزه به حساب می آید. این محصول شامل موارد زیر می باشد
یک فایل ورود 27 صفحه ای که آموزش کامل شبکه عصبی پرسپترون چند لایه را ارائه کرده است.
یک نمونه مقاله فارسی که شیوه ارائه نتایج حاصل از شبکه عصبی پرسپترون چند لایه را ارائه کرده است.
یک پوشه با نام MLP که ساختار استاندارد شبکه عصبی پرسپترون چند لایه در محیط متلب ارائه کرده است.
12 پوشه زیپ که هر کدام نوعی از شبکه عصبی پرسپترون چند لایه اصلاح شده در محیط متلب را ارائه کرده است.
به همراه یک فایل ویژه که قابلیت تنظیم و پیاده سازی با انواع حالات شبکه عصبی را دارا می باشد.
برای اجرای هر یک از کدهای متلب در این محصول از سایت شاپ متلب، کافی است کلیه فایل ها را دانلود کنید. سپس در یک پوشه با نام غیر فاسی و غیر عددی اکسترکت کنید. سپس وارد محیط متلب MATLAN شوید گزینه New Script را بزنید. سپس فایل ها با پسوند m. را به محیط M file نویسی درگ کنید. در پایان با زدن کلید Run روی کد اصلی، می توانید نتیجه اجرای کد متلب را ببنید.
آموزش و کد متلب شبکه عصبی پرسپترون چندلایه (MLP)
شبکه های عصبی MLP برای پیاده سازی پیاده سازی در زمینه های مختلف مناسب است. برای پیاده سازی شبکه های عصبی MLP می‌بایست روش‌هایی مبتنی بر همان مدل‌های بیولوژیکی ابداع شوند به عبارت دیگر شبکه‌ی عصبی یک سامانه پردازش داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهده پردازنده‌های کوچک و بسیار زیادی می‌سپارد که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر برای حل یک مسئله رفتار می‌کنند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نورون عمل کند. به این ساختار داده گره گفته می‌شود در این ساختار با ایجاد شبکه‌ای بین این گره‌ها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند. در این حافظه یا شبکه عصبی گره‌ها دارای دو حالت فعال (روشن یا ۱) و غیرفعال (خاموش یا ۰) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند.
پرسپترون (Perceptron) یک نوع شبکهٔ عصبی مصنوعی است که در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال به وسیلهٔ فرانک روزنبلت ابداع شد. می‌توان آن را ساده ترین نوع شبکهٔ عصبی هایی که در آنها خروجی فقط به سمت جلو حرکت می‌کنند (Feedforward) در نظر گرفت : یک تفکیک کنندهٔ خطی.
شبکه عصبی پرسپترون چند لایه یکی از پر کاربرد ترین مدل های شبکه عصبی می باشد. ساختار این نوع شبکه عصبی بدین صورت می باشد که ابتدا یک ساختار شبکه ای بین ورودی ها و خروجی ایجاد می شود. برای این کار از لایه های مخفی مختلف و نیز نرون های متعدد در هر لایه استفاده می شود. سپس با یک تابع انتقال مانند تابع سیگوئیدال ارتباط بین لایه های مختلف ایجاد می شود. این ارتباط کمک می کند تا رابطه درست و منطقی بین ورودی ها و خروجی ها ایجاد شود. نمونه ای از ساختار شبکه ای ایجاد شده در محیط متلب را در شکل زیر مشاهده می کنید.
آموزش و کد متلب شبکه عصبی پرسپترون چندلایه (MLP)
با توجه به ساختار مرحله به مرحله شبکه عصبی پرسپترون چندلایه، لازم است تا کدنویسی این روش در محیط متلب انجام شود. برای همین منظور کدنویسی متلب از نیاز های اساسی محققین این حوزه به حساب می آید. این محصول شامل فایل آموزش کامل شبکه عصبی و فایل آموزش قسمت به قسمت شبکه عصبی MLP و در نهایت کد آن در محیط متلب می باشد .
1 دیدگاه برای آموزش و کد متلب شبکه عصبی پرسپترون چندلایه (MLP)
هیچ دیدگاهی برای این محصول نوشته نشده است.