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

بازگشت   Artificial Intelligence - هوش مصنوعی > محاسبات نرم > شبکه های عصبی (Neural Networks)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۵-۱۹-۱۳۹۱, ۱۲:۲۶ قبل از ظهر   #11 (لینک دائم)
Active users
 
آواتار mahdiii
 
تاريخ عضويت: اسفند ۱۳۸۸
محل سكونت: مشهد
پست ها: 355
تشكرها: 27
167 تشكر در 131 پست
My Mood: Khoshhal
پيش فرض

Normalizing data for neural networks - MATLAB Answers - MATLAB Central
اینو نگاه کن. این سایت فیلتره باید با فیلترشکن بری یا vpn. تو اینترنت سرچ کنی مطلب زیاده. بزن normalize data for neural network
mahdiii آفلاين است   پاسخ با نقل قول
از mahdiii تشكر كرده است:
ostad20 (۰۵-۱۹-۱۳۹۱)

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

نشان دهنده تبلیغات is online  
قديمي ۰۵-۱۹-۱۳۹۱, ۱۲:۳۲ قبل از ظهر   #12 (لینک دائم)
Active users
 
آواتار mahdiii
 
تاريخ عضويت: اسفند ۱۳۸۸
محل سكونت: مشهد
پست ها: 355
تشكرها: 27
167 تشكر در 131 پست
My Mood: Khoshhal
پيش فرض

یا این سایت.Data Normalization
معمولا در این موارد (شبکه عصبی) سعی می کنند ورودی رو به یه رنج خاصی بیارن و نرمال کنن مثلا مثل 0و1 که در پستهای قبلی گفته شد چطور تغییر بازه داده شود برای هر داده.
mahdiii آفلاين است   پاسخ با نقل قول
از mahdiii تشكر كرده است:
ostad20 (۰۵-۱۹-۱۳۹۱)
قديمي ۰۵-۱۹-۱۳۹۱, ۱۰:۰۵ قبل از ظهر   #13 (لینک دائم)
عضو جدید
 
آواتار ostad20
 
تاريخ عضويت: شهريور ۱۳۸۹
پست ها: 9
تشكرها: 6
1 تشكر در 1 پست
پيش فرض

سلام
برای پاسخ گویی به سوالات و راهنمایی ممنونم
ostad20 آفلاين است   پاسخ با نقل قول
قديمي ۰۱-۲۸-۱۳۹۴, ۱۰:۳۸ بعد از ظهر   #14 (لینک دائم)
عضو جدید
 
آواتار sasgari.tmu
 
تاريخ عضويت: فروردين ۱۳۹۴
پست ها: 2
تشكرها: 1
0 تشكر در 0 پست
پيش فرض چرا داده هارا نرمال میکنیم؟

سلام

میخواستم بدونم کلا تحت چه شرایطی داده ها باید نرمال بشن؟

ممنونم
sasgari.tmu آفلاين است   پاسخ با نقل قول
قديمي ۰۴-۲۴-۱۳۹۴, ۰۱:۵۱ قبل از ظهر   #15 (لینک دائم)
عضو فعال
 
آواتار mmar27@gmail.com
 
تاريخ عضويت: مهر ۱۳۹۳
پست ها: 10
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام
دوستان من در مورد نرمالسازی داده ها برای شبکه عصبی سوال دارم. آیا میشه نرمالسازی رو برای بازه ای به جز صفر و یک هم انجام دادم؟
حقیقتش یک فایل اکسل به من داده شده تا برای دیتا ست ازش استفاده کنم حاوی دیتاهایی هست که فکر کنم دیتای نرمال شده هست. و همه اونها در رنج دیتای تارگتم هست.
mmar27@gmail.com آفلاين است   پاسخ با نقل قول
قديمي ۰۸-۲۴-۱۳۹۴, ۰۵:۰۶ بعد از ظهر   #16 (لینک دائم)
عضو جدید
 
آواتار kh_f_rahnama
 
تاريخ عضويت: اسفند ۱۳۹۳
پست ها: 8
تشكرها: 1
0 تشكر در 0 پست
پيش فرض

سلام. من برای تعیین داده های test و train توی برنامه از یه فانکشن استفاده کزدم و بعد توی برنامه اصلی مثلا برای mlp اول تو دستور newff کل داده ها را دادم بعد قسمت train داده های traininputs و قسمت test داده های testinputs را داده یعنی نوشتم (outputs=net(testinputs
اول میخوام بدونم داده ها را درست به دستورات دادم و سوال دوم اینکه توی یه کد دیدم که اول همه داده ها را به دستور newff داده بعد با divideParam دادها را تقسیم کرده و بعد برای train نوشته [net,tr] = train(net,inputs,targets); یعنی دوباره کل داده ها داده برای train برای تست هم نوشته outputs=round(net(inputs)); می خواستم بدونم وقتی همه داده ها را برای تست و آموزش داده پس چرا تقسیمشون کرده و این تقسیم بندی کجا استفاده شده .
ببخشید که سوالم طولانی شد.
ممنون
kh_f_rahnama 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 ۰۵:۳۷ 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