سلام به همه
بچه ها به شدت به یک کد تو متلب نیاز دارم
یک پرسپترون 3 لایه یا همون MLP
بچه ها به شدت به یک کد تو متلب نیاز دارم
یک پرسپترون 3 لایه یا همون MLP
-
خدا گفت : به جهنم ببریدش، او برگشت و با تعجب به خدا نگاه کرد. خدا گفت : به بهشت ببریدش. فرشتگان پرسیدند: چرا؟! خدا گفت : او هنوز به من امیدوار است... -
پاسخ : پرسپترون 3 لایه
سلام. اگه منظورت با استفاده از تولباکس شبکه عصبی متلبه:
کد PHP:net = fitnet(layers_neurons);
[net, tr] = train(net, inputs, targets);
outputs = net(inputs);
متغیر targets در صورتی استفاده میشه که داده های آموزشی داشته باشی.
تعداد لایه ها توسط متغیر layers_neurons تعیین میشه، این متغیر یک بردار 1 در n هست (n = تعداد لایه ها) که هر المان اون تعداد نرون ها در لایه مخفی مربوطه رو مشخص میکنه مثلاً اگه میخوای سه لایه با تعداد نرون های 10، 20 و 5 داشته باشی میشه [10,20,5].
targets هم یک ماتریس است که تعداد سطرها مساوی است با تعداد خروجی ها و تعداد ستون ها مساوی است با تعداد داده ها(مشاهدات)، که در هر ستون(داده/مشاهده) فقط خروجی درست یک است و بقیه صفرند. خروجی outputs شبکه عصبی هم یک ماتریس مشابه targets است که مقادیر هر ستون بین صفر و یک هستند و مقداری که ماکزیمم شده را باید به عنوان کلاس ورودی متناظر انتخاب کرد.لطفاً برای انجام پروژه های دانشجویی پیام خصوصی نفرستید.با تمام وجود گناه کردیم اما نه نعمتش را از ما گرفت نه گناهان ما را فاش کرد اطاعتش کنیم چه می کند؟"دکتر شریعتی"
لطفاً سوالاتی که در انجمن قابل طرح شدن هستند پیام خصوصی نکنید.
اگر جایی که ایستاده اید را نمی پسندید، عوضش کنید شما درخت نیستید!! "پاسکال"
یا به اندازه ی آرزوهایت تلاش کن یا به اندازه تلاشت آرزو کن. "شکسپیر" -
پاسخ : پرسپترون 3 لایه
حمید جان میتونی از اینترفیس گرافیکی تولباکس شبکه عصبی متلب هم استفاده کنی که محیط گرافیکی و ساده تری داره.
با تایپ nntool یا nprtool میتونی داشته باشیشون!
در نهایت کد نخواهی داشت بلکه یک ساختار خواهی داشت که با دریافت ورودی، خروجی مناسب تولید میکنه.It's nice to be important but it's important to be nice!
از اینکه نمی رسم جواب دوستان را بدم معذرت می خوام.دیدگاه
-
پاسخ : پرسپترون 3 لایه
فقط
nftool
البته تا اونجا که من میدونم ( 95نوشته اصلی توسط رضا شفقی
%) با کد نویسی (به صورت غیر گرافیکی) هم میشه ازین تول باکسا استفاده کرد 
یه بار دیدیم استادم داشت کداشو دسکاری میکرد (اِپوچ و ایناشو ...) ولی خودم باهاش ور نرفتم :cry:پشت به کنکور ، رو به سربازی...دیدگاه
-
پاسخ : پرسپترون 3 لایه
بله برای مواردی که نیازی به کار اتوماتیک و بهینه سازی هست حتما باید کد استفاده بشه. منظور بنده برای شروع کار با تولباکس هست!نوشته اصلی توسط black-8فقطnftool البته تا اونجا که من میدونم ( 95 %) با کد نویسی (به صورت غیر گرافیکی) هم میشه ازین تول باکسا استفاده کرد
یه بار دیدیم استادم داشت کداشو دسکاری میکرد (اِپوچ و ایناشو ...) ولی خودم باهاش ور نرفتم :cry:It's nice to be important but it's important to be nice!
از اینکه نمی رسم جواب دوستان را بدم معذرت می خوام.دیدگاه
-
پاسخ : پرسپترون 3 لایه
ممنون از همه
یه کد میخوام
غیر گرافیکی
من تو این ضمینه ضعیفم و این موضوع خیلی ضروری و سریعخدا گفت : به جهنم ببریدش، او برگشت و با تعجب به خدا نگاه کرد. خدا گفت : به بهشت ببریدش. فرشتگان پرسیدند: چرا؟! خدا گفت : او هنوز به من امیدوار است...دیدگاه
-
پاسخ : پرسپترون 3 لایه
میشه دقیقا بگید چی می خواین؟ایجاد یک شبکه پرسپترون سه لایه در محیط command window کدنویسی بشه؟ ورودی چیه؟جانم به فدای ائمه اطهار
می دونستم تحمل مرگ اعضای خانواده خیلی سخته ولی نه تا این حد،ایکاش پدرم بیشتر می موند.روحش شاد.دیدگاه
-
پاسخ : پرسپترون 3 لایه
آره - یه جدا سازی باشه - یا حل XOR یا ...نوشته اصلی توسط ahmadpashaei
چجوری باشه زیاد فرقی نمیکنهخدا گفت : به جهنم ببریدش، او برگشت و با تعجب به خدا نگاه کرد. خدا گفت : به بهشت ببریدش. فرشتگان پرسیدند: چرا؟! خدا گفت : او هنوز به من امیدوار است...دیدگاه
-
پاسخ : پرسپترون 3 لایه
من خوب متوجه نشدم ولی برای ایجادش با کدنویسی:
1- ابتدا بردار pورودی و t خروجی رو تعریف کنید
2- شبکه رو با دستور زیر ایجاد کنید:
net=newff(minmax(p),[a,b],{'f1','f2'},'c'که a تعداد نورونهای لایه میانی و ذ تعداد نورونهای لایه خروجی
;
f1 تابع فعالسازی لایه میانی و f2 برای لایه خروجی و c روش آموزش هست که میتونه traingd و traingdm و یا بهتراش که از تکنیکهای اکتشافی momentum استفاده می کنن و سریعترند مثل traingda و trainrp (فکر کنم!) باشند.
پس از ایجاد شبکه تعداد تکرار یا iterationها رو میتونی با دستور زیر تعیین کنی:
net,trainepoch=.....;
[net,t]=train(net,p,t)
a=sim(net,p)
جانم به فدای ائمه اطهار
می دونستم تحمل مرگ اعضای خانواده خیلی سخته ولی نه تا این حد،ایکاش پدرم بیشتر می موند.روحش شاد.دیدگاه
-
پاسخ : پرسپترون 3 لایه
برای ذهنیت بهتر پیدا کردن میتونی به دموهای متلب رجوع کنی که در آدرس زیرند:
back propogation------>chapter11در دموی nnd11fa هم میتونی با تغییر تعداد نرون تاثیر feed کردن رو ببینی
یا تایپ عبارت nnd11nf در command window و سپس برای محاسبه هم تایپ nnd11bc
موفق باشید.
راستی XOR تابع تفکیک ناپذیر خطی هست و از پرسپترون نمیشه استفاده کرد برای تفکیکش و حتما باید شبکه دولایه باشه.
جانم به فدای ائمه اطهار
می دونستم تحمل مرگ اعضای خانواده خیلی سخته ولی نه تا این حد،ایکاش پدرم بیشتر می موند.روحش شاد.دیدگاه
-
پاسخ : پرسپترون 3 لایه
من کجا نوشتم XOR با پرسپترون تک لایه حل میشه؟؟ به من نشون میدی؟نوشته اصلی توسط ahmadpashaei
بعدم من همه این ها رو میدونم-یه کار فوری دارم یه کد آماده میخوام-پرسیدم کسی داره یا نه
ممنون از کمکتونخدا گفت : به جهنم ببریدش، او برگشت و با تعجب به خدا نگاه کرد. خدا گفت : به بهشت ببریدش. فرشتگان پرسیدند: چرا؟! خدا گفت : او هنوز به من امیدوار است...دیدگاه
-
پاسخ : پرسپترون 3 لایه
حمید جان چرا منو می زنی!!!! ببخشید من کلی گفتم و البته نباید می کفتم :cry2:نوشته اصلی توسط حمید نجفی
.شبکه MLP رو اینجوری کدنویسی می کنن دیگه،چیزای دیگه ای داره که برای آموزش بهتر و پیشرفته (دسته ای کاهش شیب و نیز کاهش شیب با مومنتوم) استفاده میشه و که پارامترهای تابع TRAINGD رو که شامل epochs,show,goal,lr و ... هستند میشه دستی وارد کرد.البته بازم ریزه کاری زیاد داره که منم کار نکردم. کد آماده ای که میخواین با چیزی جز اینها که نیست؟جانم به فدای ائمه اطهار
می دونستم تحمل مرگ اعضای خانواده خیلی سخته ولی نه تا این حد،ایکاش پدرم بیشتر می موند.روحش شاد.دیدگاه
-
پاسخ : پرسپترون 3 لایه
این MLP که آقای نحوی زحمت کشیده و جزو تاپیک های مهمه-چطور run میشه؟
چندین بخش شدهخدا گفت : به جهنم ببریدش، او برگشت و با تعجب به خدا نگاه کرد. خدا گفت : به بهشت ببریدش. فرشتگان پرسیدند: چرا؟! خدا گفت : او هنوز به من امیدوار است...دیدگاه
-
پاسخ : پرسپترون 3 لایه
نوشته اصلی توسط ahmadpashaeiمن خوب متوجه نشدم ولی برای ایجادش با کدنویسی:
1- ابتدا بردار pورودی و t خروجی رو تعریف کنید
2- شبکه رو با دستور زیر ایجاد کنید:
net=newff(minmax(p),[a,b],{'f1','f2'},'c'که a تعداد نورونهای لایه میانی و ذ تعداد نورونهای لایه خروجی;
f1 تابع فعالسازی لایه میانی و f2 برای لایه خروجی و c روش آموزش هست که میتونه traingd و traingdm و یا بهتراش که از تکنیکهای اکتشافی momentum استفاده می کنن و سریعترند مثل traingda و trainrp (فکر کنم!) باشند.
پس از ایجاد شبکه تعداد تکرار یا iterationها رو میتونی با دستور زیر تعیین کنی:
net,trainepoch=.....;
[net,t]=train(net,p,t)
a=sim(net,p)
سلام
من یه مسئله ای دارم که باید با پرسپترون سه لایه حلش کنم.مسئله ام اینه:
سه دسته ورودی داریم.این سوال به این صورت مطرح شده که :
با فرض داشتن تابعِِ
f=(1 +x^0.5 +y^-1 +z^-1.5)^2
x وy بین 1 و 6
216جفت ورودی برای ورودی و خروجی برای داده اموزش.
125 زوج ورودی و خروجی برای داده تست
125 زوج ورودی برای داده اعتبار سنجی یا validation
در نظر بگیرید..به عنوان تابع فعال ساز لایه میانی هم از یکی از توابع سیگموند دوقطبی، تکقطبی یا خطی استفاده کنید
کدی رو که گفتید رو استفاده کردم.ولی یه اروری میده ..میتونید راهنماییم کنید؟
کدی که خودم نوشتم اینه..نمیدونم دسته بندی داده های به تست و ترین و ولیدیشن درسته یا نه..ولی حالا به هر حال
x1=[rand(1,216)*(6-1)+1;rand(1,216)*(6-1)+1]
y1=[rand(1,216)*(6-1)+1;rand(1,216)*(6-1)+1]
z1=[rand(1,216)*(6-1)+1;rand(1,216)*(6-1)+1]
xtr=(1 +x1.^0.5 +x1.^-1 +x1.^-1.5).^2
ytr=(1 +y1.^0.5 +y1.^-1 +y1.^-1.5).^2
ztr=(1 +z1.^0.5 +z1.^-1 +z1.^-1.5).^2
x2=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
y2=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
z2=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
xte=(1 +x2.^0.5 +x2.^-1 +x2.^-1.5).^2
yte=(1 +y2.^0.5 +y2.^-1 +y2.^-1.5).^2
zte=(1 +z2.^0.5 +z2.^-1 +z2.^-1.5).^2
x3=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
y3=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
z3=[rand(1,125)*(6-1)+1;rand(1,125)*(6-1)+1]
xv=(1 +x3.^0.5 +x3.^-1 +x3.^-1.5).^2
yv=(1 +y3.^0.5 +y3.^-1 +y3.^-1.5).^2
zv=(1 +z3.^0.5 +z3.^-1 +z3.^-1.5).^2
Test=[xte ;yte ;zte]
Valid=[xv ;yv ;zv]
%Target
T=(1 +x1.^0.5 +y1.^-1 +z1.^-1.5).^2
%voroudi
P=[xtr ;ytr ;ztr]
net=newff(minmax(P),[5,1],{'logsig','purelin'},'tr aingd'
net,trainepoch=100
[net,T]=traingd(net,P,T,Test,Valid)
a=sim(net,P)
plot(P,T,P,a,'o'
خطایی هم که میده اینه:
Error using traingd
Output data size does not match net.outputs{2}.size.
یعد یه چیزی..تو این دستور newff میتونیم مشخص کنیم که د رکل چند لایه میخوایم؟دیدگاه
-
پاسخ : پرسپترون 3 لایه
در تابع newff
net=newff(minmax(P),[5,1],{'logsig','purelin'},'tr aingd'
آرگومان اول ماتریس نشان دهنده تعداد و همچنین بازه ورودیهاست که شما با تابع minmax مقادیر ماکزیمم-مینیمم p رو بهش معرفی کردین
آرگومان دوم یه آرایه که به ترتیب از چپ به راست نشاندهنده تعدا نرونهای لایه میانی اول تا لایه خروجی هست. (تعداد ورودی در آرگومان اول مشخص میشه) که شما 5 نرون در لایه میانی درخواست کردین با یک خروجی
آرگومان سوم سلولی از رشته هاست که نشوندهنده تابع فعالیت در لایه ها ست که شما برای لایه میانیتون logsig و برای لایه خروجی purelin یا خطی استفاده کردین
آرگومان آخر روش آموزش هست که فکر میکنم آموزش دسته ای به روش گرادیان نزولی هست
***** شما که گفتین نمیخواین از تولباکس استفاده کنید. newff که یعنی تولباکس *****دیدگاه
دیدگاه