![]() |
سلام خسته نباشيد بنده دقيقا 2 ماه هستش كه دنبال كسي ميگردم كه كمكم كنه تا پروژمو انجام بدم اما هنوز موفق نشدم دنياي به اين بزرگي يعني كسي نيست ؟ آخه چرا كسي كمكم نميكنه ؟پروژم تشخيص بيماري هپاتيت با شبكه عصبي feedforward تكلايه مخفي با تابع تانژانت سيگموئيدي هستش كه داده هاي وروديشو از uci گرفتم تنها مشكل بنده بردار هدف يا همان تارگتش هست تمنا مي كنم كمكم كنيد.ايميل بندهakram.behravesh@yahoo.com
|
سلام
من یه مطلب میخوام برای برنامه نویسی ژنتیک کارتزین پروگرامینگ جز الگوریتم های تکاملی ..اگه داشتید لطف کنید برام هرچی سریعتر بذارید ممنونم |
سلام دوستان
دنبال یک پروژه درباره الگوریتم backpropagation در matlab هستم که پیاده سازی شده باشه.منظورم اینه که یک موضوع رو با این الگوریتم در matlab پیاده سازی کنه. ممنون می شم اگر کسی اطلاعاتی داره بهم کمک کنه . |
با سلام خدمت مدیر محترم سایت و همه ی دوستان
من یکسری داده پزشکی در رابطه با بیماری سرطان خون با مولفه هایی مثل سابقه ی بیماری سن وزن دوز دارو ... رو دارم که میخوام با توجه به این نمونه ها پیشبینی کنم افراد بعدی رو که ایا سرطان میگیرن یا نه . حالا سوال اینجاست که کدام مدل از شبکه های عصبی بیشترین دقت رو برای این کار دارد؟تعداد سمپلام هم حدود 500 تاست که هر نمونه دارای 25 فاکتور میباشد. متشکر میشم راهنمایی کنید |
نقل قول:
سلام دوست من به نظر من شما میتونید چند تا از شبکه هارو انتخاب کنید و روی اونها کار کنید. برای تخمین خطا میتونید از K-fold استفاده کنید که خطای دقیقتری بدست بیارید. موفق باشید |
نقل قول:
ببین پروژه من چند تا مرحله داره ،ومرحله اول برازش داده ها ورودی و هدف است که بایستی بدین وسیله من وزن های هر فاکتور رو بدست بیارم و از این نتیجه بگیرم کدام پارامتر در بیماری سرطان خون اهمیت بیشتری دارد مرحله ی دوم پیش بینی این است که با توجه به شرایطی که نمونه های قبلی داشتن ایا بیمار و نمونه ی بعدی زنده میماند یا فوت میکند و در چه سنی . حالا سوالات من از شما یکی تخمین خطا بود که شما فرمودید از k-fold cross validation استفاده کنم و سوال دومم هم اینه که اگه شما قرار بود با 2500 نمونه که هر کدوم 20 فاکتور رو دارند یه شبکه انتخاب کنید که بیشترین دقت رو داشته باشه ،کدوم شبکه مد نظر شما می اید ؟ با تشکر . |
نقل قول:
سلام دوست من من توی پست قبلی هم گفتم اما فکر میکنم نیاز به کمی توضیح بیشتر دارید. اول از همه این که انتخاب شبکه بسیار وابسته به نوع داده ها هست. وجود نویز، missing و ... میتونه در انتخاب شبکه شما تاثیر گذار باشه. داده های شما در فضای ۲۰ بعدی که فرمودید به صورت خطی قابل تفکیک هستند یا خیر؟ که این پارامتر هم بسیار مهم هست. میزان همبستگی داده های شما به چه صورت هست. و بسیاری پارامتر دیگر انتخاب شبکه نیاز به تخصص های دیگری هم داره که توضیحش شاید در اینجا مناسب نباشه. بنابراین یکی از ساده ترین روش ها انتخاب چند شبکه مختلف و آزمایش اونها هستش. به عبارت دیگر روش سعی و خطا میتونه راهکاری برای این کار باشه. همچنین روش دیگری برای حل این مشکل استفاده از شبکه های عصبی تکاملی هست. با استفاده از راهکار هایی مثل الگوریتم ژنتیک، برنامه نویسی ژنتیکی یا ... شبکه رو برای خودتون به صورت تکاملی بسازید. موفق باشید. |
نقل قول:
با عرض سلام مجدد مهندس اگه امکانش هست یه مرجع مناسب رو واسه شبکه های عصبی اونم تو این زمینه ای که من دارم کار میکنم بهم معرفی کن البته در حد 200 یا 300 صفحه بیتر نباشه بهتره ،میخوام زود تر جمع ش کنم تموم شه و اینکه میشه یکم راجع به این الگوریتم ژنتیک و الگوریتم تکاملی که فرمودید بیشتر توضیح بدی یا اینکه یه pdf ای چیزی بدی که من دقیقا تمایز این روش و با شبکه عصبی متوجه بشم ؟ با تشکر نجاتیان |
نقل قول:
برای شبکه عصبی میتونید کتاب fundamental of neural network از laurene fausett رو مطالعه کنید. این document هم برای ترکیب الگوریتم های تکاملی و شبکه های عصبی مناسب هست http://homepages.inf.ed.ac.uk/pkoehn...ons/gann94.pdf موفق باشید. |
سلام ، کد یکی از الگوریتم های تکاملی برای پیدا کردن تعداد نرونهای لایه مخفی رو میخواستم ، لطفا من رو راهنمایی کنید
|
زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۷:۲۵ بعد 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.