Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > عمومی > کارشناسي ارشد و دکتري در هوش مصنوعي


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۳-۱۶-۱۳۹۳, ۰۱:۳۳ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار fereshteht
 
تاريخ عضويت: تير ۱۳۹۲
پست ها: 3
تشكرها: 0
1 تشكر در 1 پست
Lightbulb انالیز حساسیت پیشرفته برای شناسایی سری داده های پرت

با سلام
چند وقتی است که با شبکه عصبی در حال مدلسازی هستم ولی متاسفانه هیچ وقت نتایجم خوب نمیشه تا این که کسی بهم گفت که داده هات نسبت به هم بدرفتارن و باید با آنالیز حساسیت پیشرفته این سری داده ها رو شناسایی و حذف کنم. متاسفانه این روش رو اصلا بلد نیستم. لطفا اگه کسی میدونه یا کدی داره بهم کمک کنه.فقط 3ماه تا دفاعم مونده
fereshteht آفلاين است   پاسخ با نقل قول

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۳-۱۷-۱۳۹۳, ۰۹:۲۳ قبل از ظهر   #2 (لینک دائم)
Moderator
 
آواتار babak_1234
 
تاريخ عضويت: شهريور ۱۳۸۸
محل سكونت: تهران
پست ها: 252
تشكرها: 1
140 تشكر در 108 پست
My Mood: Khonsard
پيش فرض

نقل قول:
نوشته اصلي بوسيله fereshteht نمايش پست
با سلام
چند وقتی است که با شبکه عصبی در حال مدلسازی هستم ولی متاسفانه هیچ وقت نتایجم خوب نمیشه تا این که کسی بهم گفت که داده هات نسبت به هم بدرفتارن و باید با آنالیز حساسیت پیشرفته این سری داده ها رو شناسایی و حذف کنم. متاسفانه این روش رو اصلا بلد نیستم. لطفا اگه کسی میدونه یا کدی داره بهم کمک کنه.فقط 3ماه تا دفاعم مونده
سلام دوست من

من نمیدونم بدرفتاری داده ها نسبت به هم به چه معنی هستش. اما فکر میکنم با یکسری تحلیل ها بتونید به نتایج خوبی برسید.

۱- به طور مثال میشه از شبکه SOM برای تحلیل داده ها استفاده کرد. با استفاده از این شبکه میتونید تشخیص بدین که چقدر کلاس ها شما با یکدیگر overlap دارند.
۲- با استفاده از تکنیک هایی مثل LDA داده های خودتون رو تصویر (projection) کنید. برای این کار میتونید از معیار fisher هم استفاده کنید.
۳- تکنیک های دیگری هم مثل OLAP برای تحلیل داده ها میتونه خیلی موثر باشه.
۴- بعضی اوقات داده ها با انتقال به یک فضای جدید میتونن به طور خطی از هم جدا بشن. از روش های بر مبنای کرنل یا روش چند جمله ای یا ... میتونید استفاده کنید.
۵- در بعضی موارد با یک گام Feature generation میشه به نتایج خیلی بهتری رسید.
۶- گاهی ممکنه داده ها دارای ابعاد زیادی باشن که در این مواقع با مساله curse of dimensionality یا overfitting مواجه هستین. روش هایی مثل PCA یا SVD برای کاهش ابعاد میتونه خیلی موثر باشن.
و...

البته فراموش نشه که گاهی شبکه مورد استفاده ممکنه ایراد داشت باشه و برای داده های شما خوب کار نکنه و یا اینکه استراتژی آموزش شما مشکل داشته باشه.

موفق باشید.
babak_1234 آفلاين است   پاسخ با نقل قول
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۹:۴۰ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design