Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > مقالات و اسلاید ها > مقالات و اسلایدهای فارسی مرتبط با هوش مصنوعی


 

تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۱۱-۱۴-۱۳۸۹, ۱۱:۴۵ قبل از ظهر   #1 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,327 تشكر در 3,126 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool الگوريتم k نزديکترين همسايه knn

الگوريتم K نزديکترين همسايه KNN

نزديکترين همسايه يک الگوريتم تعليم با سرپرستي است. در حالت کلي از اين الگوريتم به دو منظور استفاده مي­شود: براي تخمين تابع چگالي توزيع داده­هاي تعليم و براي طبقه ­بندي داده­هاي تست بر اساس الگوهاي تعليم.

تخمين چگالي توزيع داده­ها با استفاده از الگوريتم Kn نزديک­ترين همسايه
براي تخمين p(x) از روي n نمونه­ي تعليم توسط الگوريتم k نزديک­ترين همسايه مي­توانيم يک سلول به مرکزيت x ايجاد کرده و اجازه دهيم اين شعاع اين سلول تا حدي گسترش پيدا کند که kn نمونه­ي تعليم را در بر گيرد. اين نمونه­ ها kn نزديکترين همسايه­ هاي x هستند.
در حالت کلي k را به صورت kn در نظر مي­گيريم که kn تابعي تعريف شده از n است.
منبع
فايل ضميمه
نوع فايل: pdf KNNclassify.pdf (295.0 كيلو بايت, 4056 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aliowaysee (۰۸-۱۷-۱۳۹۵), farhangmsh (۰۵-۷-۱۳۹۲), green_Dream (۱۱-۱۴-۱۳۸۹), manij_mhm (۰۹-۳-۱۳۹۰), mansoure (۱۱-۱۵-۱۳۸۹), mina6969 (۰۳-۲۷-۱۳۹۴), najme60 (۰۹-۲۵-۱۳۹۱), punsher2011 (۱۰-۱۶-۱۳۹۴), sm1989 (۰۳-۲۵-۱۳۹۳), vack (۰۱-۲۱-۱۳۹۰), vahid fathi (۰۵-۷-۱۳۹۰)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۱۰-۲۹-۱۳۹۰, ۱۰:۴۱ بعد از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار بارانی90
 
تاريخ عضويت: دي ۱۳۹۰
پست ها: 8
تشكرها: 0
2 تشكر در 1 پست
پيش فرض

من این ترم شناسایی آماری الگو دارم
کی می تونه به من کمک کنه
؟
بارانی90 آفلاين است   پاسخ با نقل قول
قديمي ۰۱-۲۳-۱۳۹۱, ۱۱:۳۲ قبل از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار ekboy
 
تاريخ عضويت: فروردين ۱۳۹۱
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام من باید اکدهای الگوریتم و ساختار و پیاده سازسشو به استاد تحویل بدم... خواهش میکنم کمک کنید
ekboy آفلاين است   پاسخ با نقل قول
قديمي ۰۶-۳۰-۱۳۹۲, ۰۸:۴۸ بعد از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار neda9684
 
تاريخ عضويت: اسفند ۱۳۹۱
پست ها: 6
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام منم کدهاشو می خوام.کسی داره بهم بده؟
neda9684 آفلاين است   پاسخ با نقل قول
قديمي ۰۲-۲۹-۱۳۹۳, ۰۹:۳۹ قبل از ظهر   #5 (لینک دائم)
عضو جدید
 
آواتار mer3deh
 
تاريخ عضويت: ارديبهشت ۱۳۹۲
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام به همه دوستان
الگوریتم KNN:

فرض: مجموعه داده های ورودی: X= x1, x2,…,xn
کلاس مربوط به نمونه های ورودی: C= c1,c2,…,cn
--------
- برای تعیین کلاس بردار نامعلوم x، فاصله (مانند فاصله اقلیدسی) x، از تک تک نمونه های آموزشی بدون در نظر گرفتن کلاس آنها محاسبه میشود.

- K داده که نزدیکترین فاصله را دارند به عنوان K-نزدیکترین همسایه انتخاب میشوند (بهتر است k، فرد در نظر گرفته شود).

- از این K نمونه، تعداد اعضای هرکلاس را مشخص کرده و آن را Ki مینامیم (i = 1,…,C).

- کلاس بردار نامعلوم x، کلاسی است مه بیشترین Ki را داشته باشد.
mer3deh آفلاين است   پاسخ با نقل قول
قديمي ۰۳-۳-۱۳۹۳, ۱۰:۳۳ قبل از ظهر   #6 (لینک دائم)
عضو جدید
 
آواتار nasim90
 
تاريخ عضويت: خرداد ۱۳۹۳
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

سلام من کد موازی الگوریتم knnرا میخواستم کسی دارد؟اینکه چه جوری با ترد موازی میشه؟
nasim90 آفلاين است   پاسخ با نقل قول
قديمي ۰۳-۱۱-۱۳۹۳, ۱۰:۲۰ بعد از ظهر   #7 (لینک دائم)
عضو جدید
 
آواتار langari1
 
تاريخ عضويت: خرداد ۱۳۹۳
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض knn

با سلام من نیاز به کد طبقه بند knn دارم کسی می تونه اونو در اختیارم قرار بده؟ ممنون
langari1 آفلاين است   پاسخ با نقل قول
قديمي ۰۴-۱۵-۱۳۹۳, ۰۲:۴۱ بعد از ظهر   #8 (لینک دائم)
عضو جدید
 
آواتار civil engineer
 
تاريخ عضويت: تير ۱۳۹۳
پست ها: 1
تشكرها: 0
0 تشكر در 0 پست
پيش فرض

نقل قول:
نوشته اصلي بوسيله Reyhane نمايش پست
الگوريتم K نزديکترين همسايه KNN

نزديکترين همسايه يک الگوريتم تعليم با سرپرستي است. در حالت کلي از اين الگوريتم به دو منظور استفاده مي­شود: براي تخمين تابع چگالي توزيع داده­هاي تعليم و براي طبقه ­بندي داده­هاي تست بر اساس الگوهاي تعليم.

تخمين چگالي توزيع داده­ها با استفاده از الگوريتم Kn نزديک­ترين همسايه
براي تخمين p(x) از روي n نمونه­ي تعليم توسط الگوريتم k نزديک­ترين همسايه مي­توانيم يک سلول به مرکزيت x ايجاد کرده و اجازه دهيم اين شعاع اين سلول تا حدي گسترش پيدا کند که kn نمونه­ي تعليم را در بر گيرد. اين نمونه­ ها kn نزديکترين همسايه­ هاي x هستند.
در حالت کلي k را به صورت kn در نظر مي­گيريم که kn تابعي تعريف شده از n است.
منبع
با سلام
کد های برنامه الگوریتم knn رو دارید؟
civil engineer آفلاين است   پاسخ با نقل قول
قديمي ۰۴-۱۸-۱۳۹۳, ۰۲:۰۳ بعد از ظهر   #9 (لینک دائم)
عضو فعال
 
آواتار mortezaaa
 
تاريخ عضويت: تير ۱۳۹۳
پست ها: 15
تشكرها: 0
5 تشكر در 5 پست
پيش فرض

تو خود matlab پیاده سازی شده.
این هم کد خودمه که برای سایزهای متوسط سریعتر کار میکنه
كد:
function pred = knnClassify (train_data, train_label, test_data, k)

n1 = size(train_data,1);
n2 = size(test_data,1);

XX = sum(test_data.^2,2);
YY = sum(train_data.^2,2);
XY = test_data*train_data';

distances = XX*ones(1,n1) + ones(n2,1)*YY' - 2*XY;

[~,idx] = sort(distances, 2);
idx = idx(:,1:k);

pred = mode(train_label(idx),2);
mortezaaa آفلاين است   پاسخ با نقل قول
از mortezaaa تشكر كرده است:
siahsefid (۱۱-۱۱-۱۳۹۳)
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 
ابزارهاي تاپيک
نحوه نمايش

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 ۱۲:۱۴ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2020, 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