استخراج فرمول درونی یک شبکه ی عصبی
 

سلام و عرض ادب خدمت دوستان و متخصصیین هوش مصنوعی؛
قبل از طرح پرسشم از مدیریت سایت خواهش می کنم که این تالار را به چندین زیرتالار تقسیم کنند؛ چون انبود تاپیک های ارسال شده امکان استفاده ی مطلوب را از کاربر می گیرد. برای نمونه می توانید تالارهایی با عناوین: مبانی نظری شبکه های عصبی، مقالات مرتبط، یافتن همکار و مانند این ها را ایجاد کنید و البته در سایر تالارها هم به نظرم این کار می تواند به انسجام انجمن کمک کند.

اما...
من پیش از این در دو تاپیک جداگانه این مسئله را طرح کردم اما یا از دوستان کسی این جا از آن مطلع نبود، یا به دلیل همان مشکل بالا در میان تاپیک های دیگر از یاد رفت.

سؤال من این است که چگونه می توان پس از ایجاد یک شبکه ی عصبی مثلاً پس انتشار یا رگرسیون عمومی (ترجیحاً) در متلب فرمول درونی شبکه را از آن استخراج کرد؟
اگر این سؤال تکراری است خواهش می کنم که راهنمایی کید به بخش مربوطه و اگر نه که منتظر پاسخ متخصصین این شاخه هستم.

منم یه چنین مبحث مهمی رو ندیدم تو این وبسایت! و یک بخش تزم همینه که اگه بشه میتونم ازش یه مقاله در بیارم!

منم با همین موضوع درگیرم
ببین بنظرم راه مشخصی نیس چون اصولا شبکه عصبی black box ه
تنها راهش اینه که بیای شبکت رو ترین کنی و در نهایت برای داده های جدیدت اونا رو با sim ببینی خروجی شبکت چه خواهد شد.
یعنی خروجی شبکت به ازاء ورودی جدید که خودت دادی

درود.

بنده در حین کاوش برای حل این مشکل با روش (Gene Expression Programming ) یا برنامه‌سازی بیان‌ژنی (GEP) آشنا شدم که انشعابی از نگاه الگوریتم ژنتیک و به طور خاص GP محسوب می‌شود و قادر به کشف رابطه‌ی ریاضی به صورت ابتکاری است. یکی از کاربردهای این روش برآورد ساختار جعبه‌سیاه شبکه‌های عصبی است.

مدت ۱ ماه به طور کامل روی این روش وقت گذاشتم و بعد از انجام کار خود یافته‌هایم را در قالب یک آموزش در طرح ابتکاری دانآموز خلاصه کردم (دانآموز ۲۵). در این آموزش به ترتیب مبانی نظری بهینه‌سازی، مبانی نظری الگوریتم‌های ژنتیک، مبانی زیستی و تفاوت GEP با GA و GP، شرح الگوریتم GEP و در نهایت پیاده‌سازی آن شرح داده شده است.

از نرم‌افزار تحت ویندوز توسعه داده شده توسط خود ابداع کننده‌ روش استفاده شده تا مهندسینی که با کدنویسی آشنا نیستند نیز بتوانند با این روش ارتباط بگیرند. دموی نرم‌افزار ۳۰ روز مهلت دارد که برای آشنایی و پیشبرد اهداف تحقیقاتی کافی است. پس از آن هم قیمت آن برای استفاده‌های صنعتی مناسب است. کدنویسی آن هم چندان سخت نیست و در پهنه وب هم سورس‌های متعددی به زبان سی پلاس پلاس و نیز کدهای متلب یافت می‌شود.

توضیحات کامل‌تر را در صفحه زیر بخوانید. امیدوارم که این آموزش در پیشبرد مقاصد پژوهشگران جوان راهشگا باشد. اگر پست بار تبلیغاتی دارد از مدیران محترم پوزش می‌خواهم. بابت این آموزش چنان دقتی صرف شده که حیف دیدم افراد بیشتری از رشته‌های مختلف را مطلع نکنم.
نظریه و اجرای برنامه‌سازی بیان-ژنی (GEP) در تابع‌یـابی هوشمند

درود
بدست آوردن فرمول بسیار ساده هستش. شما فقط کافیه که بدونید که از چه تابعی استفاده کرده مثلا tansig,sigmoid,... حالا بر حسب لایه به لایه می تونید اینها رو تو در تو بنویسید. برای توضیح بیشتر به help متلب بخش neural networks toolbax--user guide--advance topic مراجعه کنید.