نرم افزار
موضوعات داغ

معرفی انواع شبکه های عصبی در نرم افزار MATLAB

شبکه های عصبی امروزه کاربرد بسیار زیادی در مسائل مرتبط با تشخیص، طبقه بندی و حل مسائل پیچیده دارند. در این مقاله شما را با معرفی انواع شبکه های عصبی که در نرم افزار MATLAB تعریف شده اند، آشنا خواهیم کرد.

جدول ۱ دستورات و توصیف هر شبکه را به طور خلاصه نشان میدهد.

دستورات و توصیف هر شبکه عصبی
انواع شبکه های عصبی

نحوه استفاده از دستور newp
جهت استفاده از دستور newp و ایجاد نرون های پرسپترون، کافی است ابتدا الگوهای ورودی و خروجی تعریف شوند. سپس از دستور net= newp([mi1 mx1;mi2 mx2],n) برای تولید شبکه پرسپترون استفاده میشود. mi1 و mi2 به ترتیب حداقل مقدار های الگو و mx1 و mx2 به ترتیب حداکثر مقدار های الگو را نشان می دهد.

n تعداد نرون های لایه پنهان را نشان میدهد. میتوان در تعریف شبکه یک خطا تعریف کرد تا شبکه برای رسیدن به آن هدف خود را تنظیم کند. برای رسیدن به خطا به مقدار ۰۱/۰ میتوان از دستور net.trainparam.goal=0.01 استفاده کرد.


پس از طراحی شبکه، جهت آموزش از دستور train استفاده میشود. در این دستور پارامترهای ورودی به ترتیب شبکه، الگوی ورودی و خروجی خواهد بود. دستوری که جهت آموزش شبکه استفاده میشود به صورت [net,tr]=train(net,p,t) است. خروجی های دستور train شامل شبکه آموزش دیده شده با الگوهای ورودی و خروجی است.

همچنین اطلاعات شبکه آموزش دیده شامل تعداد اپک، میزان خطا و غیره در متغیر tr ثبت میشود.
جهت بررسی میزان آموزش شبکه، در مرحله بعد با یک الگوی جدید از شبکه آزمون گرفته میشود.

برای تست شبکه از دستور sim استفاده میشود. ورودی های این دستور شبکه آموزش دیده به همراه الگو یا الگوهای جدید است. شبکه زمانی آموزش خوب دیده است که خروجی شبکه در حالت تست با مقدار هدف برابر یا نزدیک باشد.

در این صورت خطا کوچک یا در حد صفر است. شکل ۱ و ۲، برنامه نوشته شده جهت طبقه بندی الگوها را نشان میدهد. جهت تست شبکه از یک الگو (-۰٫۸,-۰٫۷) استفاده شده است که نزدیک به الگوی دوم است که پاسخ شبکه پرسپتون هم مشابه تارگت صفر است.

نحوه تعریف الگوهای ورودی، خروجی و تعریف ساختار شبکه
شکل۱) نحوه تعریف الگوهای ورودی، خروجی و تعریف ساختار شبکه عصبی
نحوه آموزش و تست شبکه
شکل۲)  نحوه آموزش و تست شبکه

شبکه عصبی پس انتشار


برای تعریف ساختار شبکه عصبی پس انتشار مشابه بخش قبل، ابتدا بردارهای ورودی و خروجی تعریف می شوند. سپس از دستور newff با توجه به ساختار نشان داده شده در شکل ۳ استفاده میشود. هنگام استفاده از این دستور میبایست مقدار حداقل و حداکثر داده ها در الگوها، تعداد لایه های مخفی و خروجی و نوع تابع فعال ساز تعریف شود.

سپس با استفاده از دستور train به آموزش الگوهای ورودی و خروجی پرداخته میشود. در انتها جهت تشخیص کارایی شبکه آموزش داده شده به آزمون و تست شبکه عصبی پرداخته میشود.

نحوه تعریف الگوهای ورودی، خروجی و ساختار شبکه
شکل۳) نحوه تعریف الگوهای ورودی، خروجی و ساختار شبکه

با توجه به داده تست شبکه (۰٫۰۵,۰٫۹۵) که مشابه الگوی (۰,۱) است، پاسخ شبکه عصبی نیز به مقدار ۱ همگرا شده است.

 نحوه آموزش و تست شبکه عصبی پس انتشار
شکل۴)   نحوه آموزش و تست شبکه عصبی پس انتشار
برچسب ها
نمایش بیشتر
دکمه بازگشت به بالا
dictum consequat. luctus suscipit sem, lectus
بستن
بستن

adblock را غیر فعال کنید

سیستم زوم طب روشی را برای دور زدن تبلیغات در سیستم شما یافته است جهت حمایت از ما از استفاده از آن صرف نطر کنید