رسم شکل

[laughingrose1]

سلام

میخواستم بدونم چه طوری میشه با مطلب، شکل رسم کرد.مثلا میخوام شکل یه شبکه عصبی بکشم.میدونم با نرم افزارهای دیگه هم میشه اما میخواستم بدونم با مطلب چه طوری میشه اینکارو انجام داد؟

با تشکر

[nazliii]

سلام

میخواستم بدونم چه طوری میشه با مطلب، شکل رسم کرد.مثلا میخوام شکل یه شبکه عصبی بکشم.میدونم با نرم افزارهای دیگه هم میشه اما میخواستم بدونم با مطلب چه طوری میشه اینکارو انجام داد؟

با تشکر

متلب یه تولباکس داره برای شبکه های عصبی.
با کد نویسی هم میشه این کار رو انجام داد.

[laughingrose1]

متلب یه تولباکس داره برای شبکه های عصبی.
با کد نویسی هم میشه این کار رو انجام داد.

من با کدنویسی شبکه عصبی مو مدل کردم. حالا میخوام شکلشو از مطلب بگیرم یا اینکه رسم کنم.چه طوری میتونم اینکارو انجام بدم؟
با تشکر

[nazliii]

من با کدنویسی شبکه عصبی مو مدل کردم. حالا میخوام شکلشو از مطلب بگیرم یا اینکه رسم کنم.چه طوری میتونم اینکارو انجام بدم؟
با تشکر
مثلا اینطوری مینویسن

% show network
view(net)
figure;
plot(T','linewidth',2)
hold on
plot(Y','r--')
grid on
legend('Targets','Network response','location','best')
ylim([-1.25 1.25])
% generate a grid
span = -1:.01:2;
[P1,P2] = meshgrid(span,span);
pp = [P1(:) P2(:)]';

% simulate neural network on a grid
aa = net(pp);
aa = full(aa);

% plot classification regions
figure(1)
mesh(P1,P2,reshape(aa,length(span),length(span))-5);
colormap cool
view(2)

یا اینطوری

[net,Y,E] = adapt(net,p,p);

% view network structure
view(net)



% check final network parameters
disp('Weights and bias of the ADAPTIVE after adaptation')
net.IW{1}
net.b{1}
%Weights and bias of the ADAPTIVE after adaptation

%Plot results

% transform result vectors
Y = seq2con(Y); Y = Y{1};
E = seq2con(E); E = E{1};
% start a new figure
figure;

% first graph
subplot(211)
plot(t,y,'b', t,Y,'r--');
legend('Original','Prediction')
grid on
xlabel('Time [sec]');
ylabel('Target Signal');
ylim([-1.2 1.2])

% second graph
subplot(212)
plot(t,E,'g');
grid on
legend('Prediction error')
xlabel('Time [sec]');
ylabel('Error');
ylim([-1.2 1.2])

[laughingrose1]

مثلا اینطوری مینویسن

% show network
view(net)
figure;
plot(t','linewidth',2)
hold on
plot(y','r--')
grid on
legend('targets','network response','location','best')
ylim([-1.25 1.25])
% generate a grid
span = -1:.01:2;
[p1,p2] = meshgrid(span,span);
pp = [p1(:) p2(:)]';

% simulate neural network on a grid
aa = net(pp);
aa = full(aa);

% plot classification regions
figure(1)
mesh(p1,p2,reshape(aa,length(span),length(span))-5);
colormap cool
view(2)

یا اینطوری

[net,y,e] = adapt(net,p,p);

% view network structure
view(net)



% check final network parameters
disp('weights and bias of the adaptive after adaptation')
net.iw{1}
net.b{1}
%weights and bias of the adaptive after adaptation

%plot results

% transform result vectors
y = seq2con(y); y = y{1};
e = seq2con(e); e = e{1};
% start a new figure
figure;

% first graph
subplot(211)
plot(t,y,'b', t,y,'r--');
legend('original','prediction')
grid on
xlabel('time [sec]');
ylabel('target signal');
ylim([-1.2 1.2])

% second graph
subplot(212)
plot(t,e,'g');
grid on
legend('prediction error')
xlabel('time [sec]');
ylabel('error');
ylim([-1.2 1.2])


اوکی.... ممنون
فقط بعضی جاها متوجه بعضی پارامترها نمیشم!!! آخه معرفی نشدن
امکانش هست اونارو معرفی کنین یا یه کوچولو بیشتر توضیح بدین؟
بازم از لطفتون ممنون

[nazliii]

اوکی.... ممنون
فقط بعضی جاها متوجه بعضی پارامترها نمیشم!!! آخه معرفی نشدن
امکانش هست اونارو معرفی کنین یا یه کوچولو بیشتر توضیح بدین؟
بازم از لطفتون ممنون

عزیزم آخه اینها قسمت دوم یه برنامه هستند برا همین شما متوجه نشدین.خواستین برنامه ها رو کامل براتون میفرستم.

[laughingrose1]

عزیزم آخه اینها قسمت دوم یه برنامه هستند برا همین شما متوجه نشدین.خواستین برنامه ها رو کامل براتون میفرستم.

ممنون میشم اگه اینکارو انجام بدین
laughingrose1@gmail.com