شبکه عصبی رو نمی فهمم!!!!!!!کمک...

[ELECGIRL]

سلام
من به عنوان پروژه کارشناسی دارم روی شناسایی چهره کار میکنم و قسمت اول کار که استخراج ویژگی هاست رو با تکنیک pca انجام دادم و حالا رسیدم به بخشی که باید از شبکه عصبی mlp استفاده کنم با وجود اینکه رفرنس های زیادی (البته به انگلیسی )هست ولی واقعا چیزی از شبکه عصبی نمی فهمم لطفا یه کتابی چیزی معرفی کنید که شبکه عصبی خیلی روون آموزش داده باشه....
منتظر کمک شما دوستان هستم...

[hess]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

سلام ................

سلام
من به عنوان پروژه کارشناسی دارم روی شناسایی چهره کار میکنم و قسمت اول کار که استخراج ویژگی هاست رو با تکنیک pca انجام دادم و حالا رسیدم به بخشی که باید از شبکه عصبی mlp استفاده کنم با وجود اینکه رفرنس های زیادی (البته به انگلیسی )هست ولی واقعا چیزی از شبکه عصبی نمی فهمم لطفا یه کتابی چیزی معرفی کنید که شبکه عصبی خیلی روون آموزش داده باشه....
منتظر کمک شما دوستان هستم...

ببینید این فایل میتونه کمکتون کنه؟ امیدوارم که اینطور باشه .. موفق باشید ..

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

خیلی ممنون از لطفتون...:agree:
من نمی دونم که نرون های ورودی رو چطوری با داده هایی که قراره به نرون های ورودی اختصاص داده بشه مقداردهی کنم ؟؟!!
یعنی باید موقعیت مکانی نرون ها رو اول مشخص کنم؟

[cooolman_ahv]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

خیلی ممنون از لطفتون...:agree:
من نمی دونم که نرون های ورودی رو چطوری با داده هایی که قراره به نرون های ورودی اختصاص داده بشه مقداردهی کنم ؟؟!!
یعنی باید موقعیت مکانی نرون ها رو اول مشخص کنم؟

تعداد نرون ها در لایه اول قانون به خصوصی نداره،اینکه چند تا نرون در هر لایه قرار بگیره،بیشتر سعی و خطا است البته قوانین تجربی هم هست در این باره
منظورت از موقعیت مکانی نرون چیه ؟
ببینین شما باید کلا داده هایی که می خوای آموزش بدی و داده های که می خوای با اون شبکه رو تست کنی در یه ماتریس بنویسی (که نظم خاص خودش رو میخواد.) بعدش باید شبکه رو (چند لایه،چند نرون در هر لایه،تابع فعالسازی در هر لایه)رو با دستور خاصش به متلب معرفی کنی و بعد اون ماتریس ها رو به متلب معرفی کنی و...
حتما حتما این پی دی اف رو بخون ،توش مثال نوشته کاملا ساده و کاملا متوجه میشی.
http://www.image.ece.ntua.gr/courses_static/nn/matlab/nnet.pdf

[DelphiCAT]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

سلام.برای کار شما بعد از اینکه با pca حجم بردارهای ورودیتون کاهش دادید.با mlp یک شبکه 4 لایه 40و20و10و1 نیاز دارید.تعداد لایه ورودی که 40 تجربی بدست نمی آید بلکه بستگی داره به ابعاد بردار جدید که با pca بدست اومده.شما بایستی window تونو کوچیک بگیرید زیر 20*20.و برای یادگیری شبکه عصبی بهترین کتاب شبکه های عصبی نویسنده:Hagan و شما بایستی فصل 11و 12 اون بخونید .تا Mlp و Backpropagation رو یاد بگیرید.این کتاب مرجع اصلی Neural Network toolbox نرم افزار Matlab .خیلی راحت توضیح داده یه کوچولو ریاضی بلد باشین مشکلی نیست.البته SVM رو هم در شبکه های عصبی یاد بگیرید چون تو تشخیص چهره RealTime به اون نیاز دارید جهت Classification.

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

من از شبکه عصبی mlp برای دسته بندی ویژگی های تصاویر استفاده کردم و از کدهای متلب برای برنامه استفاده نکردم...وقتی mlp رو در متلب پیاده میکنم نتیجه خوبی نمیده ، مثلا وقتی یک تصویر را برای تست شبکه به عنوان ورودی به برنامه میدم مقدارخروجی که برای کلاس ها بدست میاد همشون برابرند مثلا همشون میشن 0.2!!! یا اگر تصویر ورودی مثلا مربوط به به کلاس 1 هست خروجی کلاس 2 به یک نزدیکتره...به نظر شما اشکال از کجا میتونه باشه؟؟ از آموزش شبکه؟؟ اگه اینطوره امکان داره فرمول های پدیت کردن وزن هارو اشتباه نوشته باشم کسی این فرمول های کتاب هیکینگ رو داره؟؟
ممنون میشم راهنمایی کنید...

کاربر گرامی،شما پست مشابهی در تاپیک دیگری در انجمن شبکه عصبی با همین عنوان ایجاد کردید.
لطفا در همین تاپیک ادامه ی بحثتون رو پیگیری کنید.
مدیر انجمن شبکه عصبی

[cooolman_ahv]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

شما روند آموزشی گرادیان نزولی رو بدون استفاده از دستورات تولباکس نوشتید؟
چرا از دستورات موجود در تولباکس شبکه عصبی متلب برای آموزش شبکه استفاده نمی کنید؟

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

ممنون از توجهتون..
من از روش پس انتشار خطا استفاده کردم و نمی خوام از دستورات موجود در تولباکس شبکه عصبی متلب استفاده کنم...اگر شبکه برای 40 عکس نتیجه خوبی بده اما برای 200 عکس نتیجه مطلوبی نده علتش چی می تونه باشه؟؟

[cooolman_ahv]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

خوب شاید توی اون 40 تا عکس ویژگی ها بارز تر هستند و شبکه عصبی برای تشخیص ویژگی ها کار سختی پیش روش نباشه
ولی وقتی 200 تا عکس میاد وسط،شبکه کار سخت تری پیش رو داره
احتمالا برای 200 تا عکس آموزش شبکه تون باید پیچیده تر و کمی تخصصی تر از 40 تا عکس بشه
در مرحله ی بعدی هم شاید با اضافه و کم کردن لایه های شبکه و تعداد نرون ها و تابع تبدیل هر نرون و...ببینید مشکل رفع میشه.
واسه معماری شبکه از یه شبکه دو لایه با تابع logsig برای لایه اول و تابع Purelin برای لایه دوم استفاده کنید ببینید جواب میده،بعدش لایه و نرون اضافه کنید ولی لایه آخر رو تابع Purelin بزارید و لایه های اولیه logsig بزارید ببینید جواب میده.

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

منظورتون از تغییر نرون تعداد نرون لایه میانی هست؟ و اینکه هر چی تعداد عکس بیشتر باشه تعداد لایه های مخفی باید بیشتر بشه؟
من از تابع سیگموید استفاده کردم ...می بخشید میشه بگین فرق این توابع به لحاظ کاربرد در چیه و چرا لایه آخر حتما باید Purelin باشه؟؟
اگه 25 تا نورون ورودی باشه و 20 تا نورون خروجی، به نظر شما تعداد نورون های دو لایه میانی چند تا باید باشه؟ (اگر شبکه دو لایه مخفی داشته باشه)

[cooolman_ahv]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

ببینید در شبکه عصبی چند لایه شما فقط تعداد نرون های لایه خروجی تون از قبل تعیین شده است و تعداد نرون های هر یایه ای (ورودی-لایه مخفی)می تونه تغییر کنه.

***

ببینید قاونو خاصی نیست که هر چی تعداد عکس بیشتر بشه حتما باید تعداد نرون ها بیشتر بشه،ببنید هر نرون یک واحد پردازنده ی اطلاعات هس،حالا وقتی که شما کار سخت تری(200 تا عکس)به شبکه میدی که واست انجام بده،بهتره که تعدادپردازنده هاشو بیشتر کنی از قبل ولی این تعداد بیشتر کردن هم حد و اندازه داره،اینجوری نیست که 1000 تا نرون تو هر لایه بزاری بعد بگی پردازنده هاش زیادن پش باید حتما جواب بده.همش با سعی و خطا بدست می آد.

***

طبق یک قضیه ریاضی،شبکه عصبی که از دو لایه باشه ،لایه اول LOgsig لایه دوم Purelin به شرط رعایت معماری مناسب که با سعی و خطا بدست می آد
قابلیت پیش بینی هر تابع غیر خطی رو داره.

***

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

سلام
اگر شبکه قادر به شناسایی داده های آموزشی (داده هایی که شبکه با آن داده ها آموزش دیده است)باشه اما داده های تست (داده های مربوط به تصاویری که شبکه با آن آموزش داده نشده است ولی از همان اشخاص است) رو شناسایی نکنه به نظر شما مشکل از کجاست؟
بایاس چطوری باید اعمال بشه؟ احساس میکنم بایاس را اشتباه پیاده کردم.لطفا اگه کسی میدونه جواب بده خیلی وقت کمی دارم...و هنوز برنامه م جواب نداده. :cry

[cooolman_ahv]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

سلام
اگر شبکه قادر به شناسایی داده های آموزشی (داده هایی که شبکه با آن داده ها آموزش دیده است)باشه اما داده های تست (داده های مربوط به تصاویری که شبکه با آن آموزش داده نشده است ولی از همان اشخاص است) رو شناسایی نکنه به نظر شما مشکل از کجاست؟
بایاس چطوری باید اعمال بشه؟ احساس میکنم بایاس را اشتباه پیاده کردم.لطفا اگه کسی میدونه جواب بده خیلی وقت کمی دارم...و هنوز برنامه م جواب نداده. :cry

فکر کنم باید معماری شبکه رو عوض کنید.(تعداد لایه ها و تعداد نرون ها در هر لایه ، با سعی و خطا بدست میآد.)
بایاس هم چیز خاصی نیست ، اونجوری که فکر کنین خیلی رو آموزش شبکه تون تاثیر بزاره.
دستورش هم اگر اشتباه نکنم اینه :

net.biasconnect{1,1}=0

اگه صفر شه ، بایاس واسه اون نرون در نظر گرفته نمیشه.اگه یک باشه ، بایاس واسش در نظر گرفته میشه.
در کل خیلی تاثیر گذار اونجوری نیست که فک می کنین.

[ELECGIRL]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

تعداد نرون ها رو که زیاد عوض کردم اما داده های تست شناسایی نمی شن ..امکان داره مشکل از ورودی شبکه عصبی باشه؟ ورودی داده های تست چطوری باید باشه؟

[sepideht]

پاسخ : شبکه عصبی رو نمی فهمم!!!!!!!کمک...

[b]سلام
من به عنوان پروژه کارشناسی دارم روی شناسایی چهره کار میکنم و قسمت اول کار که استخراج ویژگی هاست رو با تکنیک pca انجام دادم .....b]

سلام
امیدوارم پروژتون به نتیجه رسیده باشه.. من هم چنین پروژه ای دارم... میشه بگید استخراج ویژگی با تکنیک پی.سی.ا یعنی چی؟ و من برای استخراج ویژگی باید چکار کنم؟