![]() |
سوال در مورد طراحی شبکه عصبی و تلفیق با الگوریتم ژنتیک
سلام
برای پروژه ای مجبور هستم نتایج آزمایشاتی ( در زمینه تولید قطعات صنعتی ) رو به وسیله شبکه عصبی مدل کرده و توسط الگوریتم ژنتیک فرایند مربوطه رو بهینه سازی کنم . در این فرایند 5 پارامتر ورودی موثر و 2 پارامتر خروجی دارم و تعداد کل آزمایشات هم 250 تا هست. نتیجه مطلوب برای ما در این فرایند پیدا کردن بهترین تنظیمات در ورودیها برای بدست آوردن بهترین شرایط در خروجی هستش. سوالم اینه که: 1- چه نوع شبکه ای برای این کار مناسب تر هستش ؟( از لحاظ سادگی در طراحی و تحلیل و همچنین کاهش خطا) 2- چطور الگوریتم ژنتیک رو با این شبکه می شه تلفیق کرد ؟ (( اگر سوالم کامل نیست و یا ایراد داره به پای تازه کاریم بذارید... :3: )) |
سلام من پارامتر ورودی خروجیتونو نفهمیدم چی هست. کدوم متغیرهای سیستمتون هسش که میخواید با تغییرشون سیستمتون بهینه بشه.
اگه مسالتون یه مساله بهینه سازی هست و میخواید پارامترهاشو طوری به دست بیارین که سیستمتون بهینه بشه خوب میتونین از الگوریتم زنتیک استفاده کنین. |
سلام
4 پارامتر ورودی شامل تنظیمات اولیه دستگاه مانند سرعت پیشروی و... هست که به صورت آزمون و خطا در آزمایشات قبلی تنظیم شده و هر کدام منجر به تولید یک قطعه شده(در مجموع 250 قطعه) که بعضی از این قطعات از لحاظ کیفی مورد تایید بودن و بعضی مردود. و برای تایید و مردود شدن این قطعات 2 پارامتر خروجی ( مثل ضخامت و گردی قطعه تولید شده) مد نظر قرار گرفته اند. حالا برای تنظیم این پارامترهای ورودی برای بدست آوردن بهترین قطعه ( از لحاظ 2 پارامتری که مد نظر قرار می گیرن) نیاز به مدل کردن نمونه ها و بهینه سازی هستش... ممنون از وقتی که میگذارید |
ببینین این طور میتونین انجام بدین؟؟
شما تعدادی مثال اموزشی دارین شامل ورودیها و خروجیها که برای اون جهار ورودی برای مثالی خاص خروجی موردنظرتونو مشخص کردین. با اون مثالها شبکه رو اموزش بدین و بعدش با ورودیهای جدید تست کنین و خروجی رو برای داده های جدید محاسبه کنین. |
نقل قول:
|
ممنونم از راهنمایی دوستان
آیا کتاب کاربردی برای یادگیری الگوریتم ژنتیک در متلب سراغ دارید که ساده و روان توضیح داده باشه ؟ |
زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۷:۲۱ قبل از ظهر ميباشد. |
Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.