آموزش شبکه های عصبی در متلب
آموزش دسته ای (batch training) اموزش افزایشی (Increasing training)
دو دستور train و adapt در مطلب جهت آموزش یک شبکه عصبی بکار می روند جهت درک این دو دستور به دو مثال زیر دقت کنید:دستور batch با هر ورودی، وزن ها و بایاس را به روز می کند (batch training)clearclcWo=[0 0];bo=0;alfa=.01;p=[[1;2] [2;1] [2;3] [3;1]];t=[4 5 7 7];%use error , weight and bias in each iterationfor j=1:2for i=1:4 a(i)=Wo*p(:,i)+bo; e=t(:,i)-a(i); Wo=Wo+alfa*e*p(:,i)'; bo=bo+alfa*e;endendاما دستور train به روش Increasing training اموزش می دهد یعنی پس اتمام یک گذر از ورودی ها، وزن ها و بایاس ها را به روز می کندclearclcWo=[0 0];bo=0;Wn=[0 0];bn=0;alfa=.01;p=[[1;2] [2;1] [2;3] [3;1]];t=[4 5 7 7];for j=1:2for i=1:4 a(i)=Wn*p(:,i)+bn; e=t(:,i)-a(i); Wo=Wo+alfa*e*p(:,i)'; bo=bo+alfa*e;end Wn=Wo; bn=bo;end
مرجع اصلی جعبه ابزار شبکه عصبی (Neural network toolbox ) نرم افزار متلب
بهترین کتابی که درباره شبکه های عصبی می توانید پیدا کنید به اسم Neural network design اثر پروفسور Hagan است. حتما پيشنهاد مي كنم اين كتاب روان را بخوانيد. Neural network toolbox مطلب هم براساس اين كتاب نوشته شده است. این کتاب توسط انتشارات کیان رایانه، آقای سید مصطفی کیا ترجمه نیز شده است که چندان ترجمه قوی نیست اگرچه شنیده ها حاکی است تعدادی از اساتید دانشگاه نیز این کتاب را ترجمه کرده اند. سايت زير متعلق به آقاي Hagan است. http://hagan.okstate.edu/nnd.html در اين سايت پاورپوينت و خلاصه‌ايي از چند فصل اين كتاب موجود است. لینک دانلود کتاباصل کتاب را نیز می توانید از سایت زیر به صورت رایگان دانلود کنید.http://www.gigapedia.com
فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب
شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند. در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. همچنین مباحث عمیق تئوری و عملی، در زمینه تقسیم بندی داده ها، تحلیل عملکرد شبکه، روش های پیش پردازش اطلاعات و ده ها مبحث تخصصی دیگر نیز در این فیلم مورد بحث و بررسی قرار گرفته اند. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند. رویکردهای ارائه شده در این فیلم آموزشی بسیار فراگیر و عمومی هستند و می توان از نکات تئوری و عملی بیان شده، برای حل سایر مسائل کاربردی استفاده نمود. مطالب و مباحث این فیلم آموزشی به زبان فارسی روان، و توسط مهندس سید مصطفی کلامی هریس ارائه شده است. سرفصل های مهم مورد بحث در این فیلم آموزشی عبارتند از: مروری بر عملکرد سیستم عصبی طبیعی تعریف ریاضی یک نورون مصنوعی با یک مثال بسیار ساده تعمیم تعریف نورون و استفاده از آن برای مدل سازی شبکه های عصبی پرسپترون چندلایه یا MLP و لزوم استفاده از آن ها بررسی مفاهیم مرتبط با آموزش شبکه های عصبی تقسیم بندی داده: روش ها و دلایل پیاده سازی شبکه عصبی در متلب با استفاده از رابط های گرافیکی (GUI) تولباکس شبکه عصبی پیاده سازی شبکه عصبی MLP به صورت کدنویسی حل یک مسأله مدل سازی ساده روش های پیش پردازش اطلاعات داده های بی مقدار یا Missing Values داده های پرت یا Outlier ها نرمال سازی (Normalization) سفید سازی (Whitening) روش های کاهش بعد و کارکرد آن ها نگاشت های غیر خطی مروری بر کاربردهای مختلف شبکه های عصبی مصنوعی خواص و تنظیمات شبکه های عصبی در متلب (سفارشی سازی ها) بهبود عملکرد برنامه های نوشته شده تبدیل مسأله پیش بینی سری زمانی به یک مسأله تقریب تابع (مدل سازی) پیاده سازی شبکه عصبی برای پیش بینی سری زمانی آشوبی مکی-گلاس (Mackey-Glass) مدل سازی ارتباط میان گشتاور، سرعت، نرخ سوخت مصرفی و میزان تولید اکسید نیتروژن در یک موتور خودور شیوه های نمایش گرافیکی نتایج به دست آمده از فرآیند طراحی شبکه عصبی جمع بندی و نتیجه گیری های نهایی توجه: ...
انجام پروژه شبکه عصبی با متلب
******** راهنمایی در برنامه نویسی مطلب MATLAB برگزاری کلاسها ودوره های آموزشی برنامه نویسی متلب MATLAB مخصوص دانشجویان مشاوره در انجام پروژه های مخابرات ، هوش مصنوعی ، مهندسی پزشکی ، کنترل ، مکانیک ، عمران و صنایع شبکه های عصبی در MATLAB شبکه عصبی MATLAB Neural Network toolbox روش های مختلف طبقه بندی داده مانند NN ، KNN و SVM Classification Algorithms شناسایی الگو Pattern Recognition پردازش تصویر در MATLAB MATLAB Image Processing toolbox تبدیل ویولت ( موجک ) و تحلیل سیگنال در حوزه ویولت Wavelet Transform منظق فازی MATLAB Fuzzy Logic Toolbox شبیه سازی کدر ، انکدر ، دی کدر ، کد کانولوشنال به کمک MATLAB شناسایی چهره (بازشناسی چهره) ، تشخیص چهره Face Recognition , Face Detection الگوریتم های بهینه سازی و حل مساله با استفاده از الگوریتم های بهینه سازی مانند الگوریتم ژنتیک ، PSO ، کلونی مورچه ، simulated annealingOptimization Algorithm , Genetic Algorithm, Ant colony, PSO, Genetic Algorithm
اموزش Toolbox های شبکه های عصبی در MATLAB
Neural Network Toolbox For Use with MATLAB لینک دانلود
کاربرد شبکه عصبی در کنترل تطبیقی
طبق نظر ویکی پدیا کنترل تطبیقی عبارت است از:هدف از استفاده از کنترل تطبیقی (به انگلیسی: Adaptive control) آن است که کنترلر طراحی شده بدین روش، بتواند در مقابل تغییرات آرام در سیستم و همچنین خطاهای مدل‌سازی پاسخ مناسب بدهد. تفاوت کنترل تطبیقی و کنترل مقاوم آن است که در کنترل تطبیقی نیازی به دانستن بازه کاری سیستم و یا میزان خطای پارامترها نیست. به عبارتی، طراحی از دیدگاه کنترل مقاوم به کنترلری می‌انجامد که در بازه مشخصی به پایداری سیستم می‌انجامد بدون آنکه نیازی به تغییر قوانین کنترلی باشد، ولی، با روش کنترل تطبیقی می‌توان قوانین کنترلی را به گونه‌ای با تغییر شرایط تطبیق داد که سیستم پایدار شود. کنترل تطبیقی به دو روش مستقیم وغیر مستقیم تقسیم بندی می شود که امروزه اکثر مقالات بر روی کنترل تطبیقی مستقیم تمرکز دارد.جهت اطلاع بیشتر از این نوع کنترل به کتاب فارسی زیر مراجعه کنید (نویسنده استروم):کتاب انگلیسی استروم نیز در سایت زیر جهت دانلود وجود دارد:http://space4u.blogfa.com/post-21.aspxبا توجه به اینکه یکی از موارد مهم در کنترل تطبیقی، شناسایی سیستم است لذا شبکهی عصبی در این راستا بسیار کاربردی و موثر میباشد. روشهای ارائه شده در جعبه ابزار متلب و سیمولینک نیز بر این مبنا منطبق هستند.
آموزش جعبه ابزار شبکه عصبی متلب
برای دانلود یک فایل آموزشی با موضوع "آموزش جعبه ابزار شبکه عصبی متلب" بر روی لینک زیر کلیک نمایید: دانلود فایل "آموزش جعبه ابزار شبکه عصبی متلب"
شبکه عصبی هاپفیلد + سورس متلب شبکه هاپفیلد
شبکه عصبی هاپفیلد + سورس متلب شبکه هاپفیلد شبکه هاپفیلد نوعی از شبکه‌های عصبی مصنوعی بازگشتی است که توسط جان هاپفیلد اختراع شده است. شبکه هاپفیلد می‌تواند در نقش سیستمی دارای حافظه وابسته شامل اجزایی دو حالته ظاهر شود. همگرایی شبکه هاپفیلد به یکی از کمینه‌های موضعیش قطعیست اما همگرایی به جواب از قبل ضبط شده هر چند بسیار محتمل است، اما قطعی نیست. ساختار اجزا شبکه هاپفیلد اجزیی دو حالته‌اند بدین معنی که هر یک می‌توانند در یکی از دو حالت تعریف شده قرار بگیرند. و اینکه در کدام حالت قرار بگیرند هم بسته به اینکه مجموع ورودی به جز مورد نظر از مقدار آستانه‌ای کمتر یا بیشتر باشد، تعیین می‌گردد. شبکه‌های هاپفیلد دو نوع کلی دارند؛ شبکه‌هایی که اجزایشان حالت‌های ۰ و ۱ را می‌پذیرند و یا شبکه‌هایی که اجزایش حالات ۱ و -۱ را به خود می‌گیرند. دو دسته تعریف فوق برای حالت اجزای شبکه هاپفیلد به صورت زیر نمایش داده می‌شوند: (1) (2) که در آن ai حالت جز i-ام را نشان می‌دهد. wijها شدت اتصال بین جز i-ام و جز j-ام و θi مقدار آستانه جز i-ام است. انرژی در یک شبکه هاپفیلد، انرژی کل شبکه به صورت زیر تعریف می‌شود: کد متلب شبکه عصبی هاپفیلد را میتوانید از لینک زیر دانلود کنید توضیح:این کد به منظور کمک به درک شما از شبکه عصبی و نحوه نوشتن کد شبکه های عصبی مختلف بر روی وبلاگ قرار گرفته است. دانلود کد متلب شبکه عصبی هاپفیلد پسوردفایل:www.ai89.blogfa.com توضیحات کد
دانلود رایگان بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب (به زبان فارسی)
دانلود رایگان بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب (به زبان فارسی) مسائل بهینه سازی از نظر تعداد توابع هدف و معیارهای بهینه سازی، به دو نوع تقسیم پذیر هستند: (۱) مسائل بهینه سازی تک هدفه و (۲) مسائل بهینه سازی چند هدفه. در مسائل بهینه سازی تک هدفه، هدف از حل مسأله بهبود یک شاخص عملکرد (Performance Index) یگانه است که مقدار کمینه یا بیشینه آن، کیفیت پاسخ به دست آمده را به طور کامل منعکس می کند. اما در برخی موارد، نمی توان صرفا با اتکا به یک شاخص، یک پاسخ فرضی برای مسأله بهینه سازی را امتیازدهی نمود. در این نوع مسائل، ناگزیریم که چندین تابع هدف یا شاخص عملکرد را تعریف نماییم و به طور همزمان، مقدار همه آن ها را بهینه کنیم. بهینه سازی چند هدفه، یکی از زمینه های بسیار فعال و پرکاربرد تحقیقاتی در میان مباحث بهینه سازی است. غالبا بهینه سازی چند هدفه (یا Multi-objective Optimization) به نام های بهینه سازی چند معیاره (یا Multi-criteria Optimization) و بهینه سازی برداری (یا Vector Optimization) نیز شناخته می شود. روش های فراوانی تا کنون برای حل این مسائل ارائه شده اند که در حالت کلی می توان آن ها را به دو دسته تقسیم نمود: روش های کلاسیک، که اغلب مسأله چند هدفه را به یک مسأله یک هدفه تقلیل می دهند، وروش های تکاملی، که اغلب مسأله بهینه سازی چند هدفه را واقعا به صورت چند هدفه حل می نمایند. اگر قصد دارید که در کمترین زمان ممکن و با بهترین کیفیت، مباحث تئوری و عملی مربوط به بهینه سازی چند هدفه را فرا بگیرید، حتما این پست را بخوانید. محصولی که در این پست قصد معرفی آن را داریم، بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب است که نه تنها مشابه ایرانی، که مشابه خارجی نیز ندارد و محصولی واقعا بی نظیر است. بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب، مجموعه ای از چهار فیلم آموزشی است که در مجموع شامل ۱۱ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از: فیلم آموزشی مبانی تئوری و روش های کلاسیک بهینه سازی چندهدفه — فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب – شامل مباحث تئوری و عملی —فیلم آموزشی جامع الگوریتم PSO چند هدفه یا MOPSO در متلب — شامل مباحث تئوری و عملی –فیلم آموزشی پیاده سازی روش های کلاسیک بهینه سازی چند هدفه در متلب — دانلود رایگان فیلم های آموزشی الگوریتم های بهینه سازی شبکه عصبی منطق فازی هوش مصنوعی مهندسی صنایع و ... در MATLAB دانلود رایگان فیلم آموزشی جامع برنامه نویسی در MATLABبه زبان فارسی دانلود رایگان فیلم جامع ...