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 ۱۰-۲۰-۱۳۸۸, ۱۰:۲۰ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار danialmdt
 
تاريخ عضويت: آبان ۱۳۸۸
پست ها: 9
تشكرها: 8
15 تشكر در 5 پست
پيش فرض اساتید محترم لطفا راهنمائی بفرمایند :

دوستان سلام
طبق قضیه تقریب جهانی، شبکه های عصبی دولایه با تعداد نرونهای لایه مخفی مناسب قادر خواهند بود انواع نگاشتهای مورد نظر را ایجاد نمایند. اما سوال (و در واقع مشکل) من از این قراره :

ایجاد رابطه ای مناسب برای 32 الگوی ورودی (نوع یادگیری : با ناظر)

چون ورودی ها و خروجی ها یک بعدی اند تعداد نرونهای لایه مخفی را (S * 1 ) در نظر گرفته و بنابراین تعداد نرونهای لایه خروجی (اس * 1) خواهد بود. من مقدار S رو از 2 تا 20 ! تغییر میدهم اما اصلا نگاشت مورد نظر بدست نمی آید. در زیر دو مورد یکی با چهار و دیگری با پانزده نرون رو قرار دادم لطفا ملاحظه بفرمائید... (نقاط قرمز رنگ داده های ورودی و خط آبی رنگ تقریب با روش شبکه عصبی دولایه است.)

اما چرا مثلا تابع y=sinx یا y=x^2 را می توان تنها با دو نرون الی سه نرون به خوبی تقریب زد؟؟؟!!! در واقع شکل مدل من هم تقریبا شبیه به یک سهمی ساده است اما اصلا نتیجه مورد نظر را در خروجی شبکه عصبی نمی توانم بدست آورم!!!

از توجه و راهنمائی شما پیشاپیش ممنونم.
فايل ضميمه
نوع فايل: pdf 4 Neron.pdf (11.9 كيلو بايت, 53 نمايش)
نوع فايل: pdf 15 Neron.pdf (12.0 كيلو بايت, 46 نمايش)

ويرايش شده توسط danialmdt; ۱۰-۲۲-۱۳۸۸ در ساعت ۰۸:۵۴ بعد از ظهر
danialmdt 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 ۱۰-۲۰-۱۳۸۸, ۱۰:۵۱ بعد از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار linuxboy
 
تاريخ عضويت: تير ۱۳۸۷
پست ها: 4
تشكرها: 1
1 تشكر در 1 پست
پيش فرض

این سوال من هم هست!
linuxboy آفلاين است   پاسخ با نقل قول
قديمي ۱۰-۲۱-۱۳۸۸, ۰۸:۵۹ قبل از ظهر   #3 (لینک دائم)
عضو فعال
 
آواتار arashkhabaz
 
تاريخ عضويت: دي ۱۳۸۷
پست ها: 12
تشكرها: 4
0 تشكر در 0 پست
پيش فرض

با درود به اساتید
خواهشا کتابی اگر را جع به تقریب توابع با شبکه های عصبی دارید برای استفاده همگان قرار دهید
arashkhabaz آفلاين است   پاسخ با نقل قول
قديمي ۱۰-۲۲-۱۳۸۸, ۰۸:۵۷ بعد از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار danialmdt
 
تاريخ عضويت: آبان ۱۳۸۸
پست ها: 9
تشكرها: 8
15 تشكر در 5 پست
Unhappy

نقل قول:
نوشته اصلي بوسيله danialmdt نمايش پست
دوستان سلام
طبق قضیه تقریب جهانی، شبکه های عصبی دولایه با تعداد نرونهای لایه مخفی مناسب قادر خواهند بود انواع نگاشتهای مورد نظر را ایجاد نمایند. اما سوال (و در واقع مشکل) من از این قراره :

ایجاد رابطه ای مناسب برای 32 الگوی ورودی (نوع یادگیری : با ناظر)

چون ورودی ها و خروجی ها یک بعدی اند تعداد نرونهای لایه مخفی را (S * 1 ) در نظر گرفته و بنابراین تعداد نرونهای لایه خروجی (اس * 1) خواهد بود. من مقدار S رو از 2 تا 20 ! تغییر میدهم اما اصلا نگاشت مورد نظر بدست نمی آید. در زیر دو مورد یکی با چهار و دیگری با پانزده نرون رو قرار دادم لطفا ملاحظه بفرمائید... (نقاط قرمز رنگ داده های ورودی و خط آبی رنگ تقریب با روش شبکه عصبی دولایه است.)

اما چرا مثلا تابع y=sinx یا y=x^2 را می توان تنها با دو نرون الی سه نرون به خوبی تقریب زد؟؟؟!!! در واقع شکل مدل من هم تقریبا شبیه به یک سهمی ساده است اما اصلا نتیجه مورد نظر را در خروجی شبکه عصبی نمی توانم بدست آورم!!!

از توجه و راهنمائی شما پیشاپیش ممنونم.

انگار اینجا خبری نیست !!!
danialmdt 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 ۱۰:۳۰ 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