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 ۰۵-۴-۱۳۹۱, ۰۹:۳۴ قبل از ظهر   #1 (لینک دائم)
عضو فوق فعال
 
آواتار laughingrose1
 
تاريخ عضويت: خرداد ۱۳۹۱
محل سكونت: پای آن کاج بلند
پست ها: 21
تشكرها: 13
2 تشكر در 1 پست
My Mood: Shad
پيش فرض چرا هر بار اجرا جوابهای متفاوت مبده؟؟!

سلام
من یک مدلسازی با استفاده از شبکه عصبی فیدفوروارد انجام دادم.(با کد نویسی)
از معیارهای R2 و RMSE برای ارزیابی شبکه استفاده کردم.ولی هر بار که برنامه رو اجرا می کنم جوابهای متفاوتی میگیرم.باید چی کار کنم؟ دودوره داده هم بیشتر تعریف نکردم: train و test. از الگوریتم آموزش LM و BR استفاده کردم.
برای اینکه بتونم با استفاده از کدنویسی براش تعداد iteration هارو تعریف کنم از چه دستوری باید استفاده کنم؟

با تشکر فراوان
laughingrose1 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 ۰۲-۱۶-۱۳۹۳, ۱۲:۰۸ قبل از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار coronaa
 
تاريخ عضويت: ارديبهشت ۱۳۹۳
پست ها: 7
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

احتمالن گفتی داده ها بصورت random انتخاب بشن.
دستور Dividerand داره توی برنامه؟
coronaa آفلاين است   پاسخ با نقل قول
قديمي ۰۳-۲۸-۱۳۹۳, ۱۱:۱۳ بعد از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار amir_pro
 
تاريخ عضويت: آذر ۱۳۸۸
پست ها: 3
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

برای مشخص کردن تعداد تکرار به این صورت عمل کن:
net.trainParam.epochs=100;

و جواب سوال که میگین هربار اجرا تفاوت میکنه خوب این بدیهی است. یکی از اشکالات عمده شبکه mlp این است که خروجی شبکه به وزن اولیه شبکه وابسته است. البته تا حدی میشه این مشکل را با تعداد تکرار یا تعداد validation برطرف کرد البته به داده های مسئله بستگی دارد تا جایی که باعث overfiting نشود
amir_pro آفلاين است   پاسخ با نقل قول
قديمي ۰۳-۲۸-۱۳۹۳, ۱۱:۱۵ بعد از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار amir_pro
 
تاريخ عضويت: آذر ۱۳۸۸
پست ها: 3
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

در مورد معیارهای اندازه گیری خطا چیزی که یادم اینکه بین rmse و mse چون یکیش جذر میگرفت دقیق تر بود. الان خاطرم نیست کدوم یکی رادیکال داشت
amir_pro آفلاين است   پاسخ با نقل قول
قديمي ۰۳-۲۹-۱۳۹۳, ۰۱:۵۵ بعد از ظهر   #5 (لینک دائم)
Moderator
 
آواتار babak_1234
 
تاريخ عضويت: شهريور ۱۳۸۸
محل سكونت: تهران
پست ها: 252
تشكرها: 1
140 تشكر در 108 پست
My Mood: Khonsard
پيش فرض

نقل قول:
نوشته اصلي بوسيله laughingrose1 نمايش پست
سلام
من یک مدلسازی با استفاده از شبکه عصبی فیدفوروارد انجام دادم.(با کد نویسی)
از معیارهای r2 و rmse برای ارزیابی شبکه استفاده کردم.ولی هر بار که برنامه رو اجرا می کنم جوابهای متفاوتی میگیرم.باید چی کار کنم؟ دودوره داده هم بیشتر تعریف نکردم: Train و test. از الگوریتم آموزش lm و br استفاده کردم.
برای اینکه بتونم با استفاده از کدنویسی براش تعداد iteration هارو تعریف کنم از چه دستوری باید استفاده کنم؟

با تشکر فراوان
سلام دوست من

الگوریتم های آموزشی که گفتی برای شروع به کار از ضرایب وزنی که به صورت تصادفی تولید شده اند استفاده میکنن. بنابر این در نتایج نهایی مقداری تفاوت وجود داره. اگر این تفاوت خیلی ناچیزه بنابراین مشکلی نیست و کار شما به درستی داره انجام میشه. اما اگر این تفاوت خیلی زیاده باید به کدی که نوشتین شک کنید.

برای تست این موضوع میتونید از وزن های یکسان استفاده کنید تا ببینید که کار شما به درستی انجام میشه یا نه.

موفق باشید
babak_1234 آفلاين است   پاسخ با نقل قول
از babak_1234 تشكر كرده است:
vanguard (۰۴-۱۰-۱۳۹۳)
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 ۱۰:۲۵ قبل 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