سلام دوستان
من یه سری داده دارم که میخوام با استفاده از RBF یا PNN و ... اونا رو به دو کلاس صفر و یک طبقه بندی کنم.(با متلب).
اولویت با RBF هست.
کسی هست که کد برنامه RBF رو داشته باشه؟
ممنونم از همه.
سلام دوستان
من یه سری داده دارم که میخوام با استفاده از RBF یا PNN و ... اونا رو به دو کلاس صفر و یک طبقه بندی کنم.(با متلب).
اولویت با RBF هست.
کسی هست که کد برنامه RBF رو داشته باشه؟
ممنونم از همه.
یک سرچ بزنی توی گوگل به راحتی پیدا میکنی!چون کار راحتی هم میخوای!متاسفانه من شبکه رو خیلی وقت پیش داشتم و گرنه میگشتم برات پیدا میکردم ولی خیلی راحته توی گوگل بزن:RBF+classification+MATLAB code
مطمئنم چیزای خوبی پیدا میکنی!
موفق باشی
مرا مهر سیه چشمان ز سر بیرون نخواهد شد
قضای آسمان است این و دیگرگون نخواهد شد
من رشته م کامپیوتر نیست!الان یک نگاه کردم با آر بی اف کدای زیادی واسه کلاسبندی توی نت هست.اگر هم هدفتون فقط آر بی اف نیست از پرسپترون چندلایه استفاده کنید هم خوبه.
موفق باشید.
مرا مهر سیه چشمان ز سر بیرون نخواهد شد
قضای آسمان است این و دیگرگون نخواهد شد
سلام
من که هنوز نتونستم یه ابزار درست و حسابی برای RBF پیدا کنم. با وجود اینکه Matlab و Weka از RBF پشتیبانی میکنند اما هر کدوم مشکلاتی دارند.
مشکل Matlab اینه که حافظه زیادی برای RBF مصرف میکنه و به ازای داده کوچیکی (در حدود ۵۰۰۰ نمونه که هر کدوم ۴ تا ویژگی دارن) ۴ گیگ رم هم براش کمه. اما اگه بازم دوست دارید از Matlab استفاده کنید، قبلش آمادگی هنگ کردن کامپیوتر و نیاز به Restart رو داشته باشید. من کدهای رو برای نسخه ۲۰۱۳ میگم اگه به این نسخه دستری ندارید، نسخهتون رو بفرمایید تا کدهای اون رو بگم.
با یکی از دو دستور زیر شبکه ساخته میشه:
یاکد:net=newrbe(p_train,t_train)
دستور اول برای ساخت RBF Exact هست؛ یعنی همونی که از تمام ورودیها به عنوان مراکز استفاده میکنه و دومی هم نوع دقیق هست که فقط از تعدادی از نمونههای ورودی به عنوان مراکز استفاده میکنه. p_train ماتریسی هست که ورودیها رو تعیین میکنه. هر سطر p_train معادل یک ویژگی هست و هر ستونش معادل یک نمونه. t_train هم مقادیر مورد انتظار (target) رو مشخص میکنه که هر ستونش مقدار مورد انتظار برای نمونه ستون متناظر در p رو نشون میده. خروجی هم RBF آموزش دیده هست.کد:net=newrb(p_train,t_train)
حالا برای اینکه ببینید به ازای نمونههای تست p_test خروجی شبکه چی هست، از دستور زیر استفاده کنید:
هر ستون p_test معادل یک نمونه هست و هر سطرش هم یه ویژگی رو نشون میده. در اینجا حواستون باشه که اندازه p_test خیلی بزرگ نباشه وگرنه خطای الکی میده.کد:y=net(p_test)
دقت کنید که خروجی شبکه آموزش دیده صفر یا یک نیست. پس لازمه خروجی رو خودتون به شماره کلاس تبدیل کنید. من معمولاً از این تابع استفاده میکنم:
-------------------------------------------------------------------------------کد:y=hardlim(net(p_test)-0.5)
در مورد Weka این مشکل حافظه وجود نداره و شما با دادههای بزرگ میتونید کار کنید. اما دو تا مشکل وجود داره. اول اینکه RBF در Weka اول k-means رو اجرا میکنه تا مراکز بدست بیاد. یه جورایی کار شما رو راحت میکنه اما اگه حالت دقیق RBF رو بخواین، با Weka نمیشه. مشکل دوم اینه که بیرون کشیدن مدل برای RBF خیلی سخته. در واقع اگه شما بخواین RBF آموزش دیده رو ببرید یه جای دیگه ازش استفاده کنید سخته. اما خودش برای تست شبکه آموزش دیده خیلی قدرتمنده و تمام معیارهای TP و FP و Recall و .... رو برای تک تک کلاسها حساب میکنه.
موفق باشید
سلام دوستان من رشته ام برق هست ولی مدتی هست deep learning , ANN رو جز ریسرچم قرار دادم ولی از اونجایی که گرایش هوش مصنوعی و کامپیوتر هست و منم برق خیلی درس مرتبط با این مباحث رو نگذروندم ممکنه کمک کنید؟
دوست عزیز دو تا کورس خیلی خوب با ویدئوش تو اینترنت هست. اینا رو ببین پایه کار دستت میاد. ادامه اش هم صرفا از دنبال کردن مقاله های روز باید ادامه بدی و وبلاگ های خارجی. بعیده اینجا به جواب برسی
http://cs231n.stanford.edu/syllabus.html
https://bcourses.berkeley.edu/course...eural-networks
هر جفتشو اگه اسمشون رو سرچ کنی به همراه video پیدا میکنی فیلم کلاسشو (تو یو**تیوب)
به دلیل اینکه خلاف قوانینه لینک ویدئوش رو نمیتونم اینجا بذارم. اگه پیدا نشد خصوصی بدید بفرستم
سلام ممنون از راهنماییتون
من رشته ی لیسانسم برق و رباتیک هست یه پذیرش در زمینه deep learning .algorithmic procedure in AI , distributed computing دارم به نظرتون این زمینه ها برای ادامه دکتری زمینه های خوبی هستن ؟
من با این بک گراتد برقیم چقدر طول میکشه راه بیوفتم در این زمینه ها؟
این کلماتی که گفتید مثل distributed computing یا deep learning و این قبیل خیلی کلی هستن. بیشتر مسئله اینه که تو چه حوزه ای به کار برده بشن. مثلا deep که یه تکنیک یادگیری ریاضیه میشه تو تشخیص چهره تو عکس به کار بره میتونه تو تحلیل آینده قیمت سهام استفاده بشه یا توی big data یا هر چیز دیگه ای. اما به طور کلی تو بسیاری از حوزه ها جزو به روزترین و داغ ترین حوزه های هم research و هم صنعت هستن و آینده بسیار خوبی واسشون پیش بینی میشه. به خصوص deep learning واقعا الان آینده هوش مصنوعی قلمداد میشه. من اگه خودم به شخصه بخوام توی حوزه موردعلاقه ام (بینایی ماشین) کار کنم حتما سعی میکنم deep کار کنم
درمورد این که تو حوزه موردنظر شما هم الزاما این موارد کاربرد دارن یا نه واقعا بستگی به حوزه اش داره. اگه کاربرد دارن و شما هم علاقه به خوندن دکترا تو اون حوزه دارید چرا که نه؟
خب کاملا بستگی به حوزه کاری داره. واقعا اینجوری دقیق نمیشه گفت. به طور کلی برقیا به نسبت رشته های دیگه (غیر کامپیوتر) زیاد میان تو هوش کار میکنن و به طور کلی میشه گفت تو زمینه های هوش مصنوعی ریاضیات نقش خیلی مهمی رو ایفا میکنه. هر چه قدر راحت تر کسی با ریاضیاتی که در زمینه های machine learning کاربرد داره (آمار و احتمال، جبر خطی، ریاضیات گسسته، حساب دیفرانسیل، بهینه سازی و...) بتونه کنار بیاد کارش هم راحت تره تو این حوزه. شما اون ویدئو ها رو ببینید و با درس machine learning هم آشنا باشید تا حدی دستتون میاد داستان چیه و با چی سرکار دارید. دیگه اینکه چه قدر باهاش راحتید تشخیص خود شماست. مسئله دیگه برنامه نویسیه که معمولا ضعف بچه های برقیه که اگه تجربه نداشته باشن یه مقدار باید کار کنن تا دستشون راه بیفته چون خیلی لازمه.
ویرایش توسط tornadoz : June 8th, 2017 در ساعت 06:01 PM
علاقه مندی ها (Bookmarks)