nadir
Active Member
الشبكات العصبونية - Neural Networks - باستخدام الMatlab
بسم الله الرحمن الرحيم
السلام عليكم،
في هذا الدرس سوف نقوم بإذن الله بتطبيق الشبكات العصبونية لإنجاز تقريب لدالة.
في هذا الدرس سوف نقوم بإذن الله بتطبيق الشبكات العصبونية لإنجاز تقريب لدالة.
############################
المرحلة الأولى : إنشاء قاعدة بيانات بشكل (مداخل / مخارج )
الدالة باللون الأزرق هي الدالة الأصلية، أما بالأحمر فهي نفس الدالة مع إضافة القليل من التشويش
الدالة التي نسعى لتقريبها هي الدالة المشوشة لأن الدالة الأصلية لديها العبارة الخاصة بها.
وبهذا يكون لدينا قاعدة البيانات التي سنستخدمها في تعليم الشبكة العصبونية و هي :
مداخل : x
المرحلة الثانية : إنجاز الشبكة العصبونية.
في هذه المرحلة سيتم استخدام شبكات عصبونية أمامية التغذية.
لمزيد من المعلومات يمكن زيارة الموقع التالي :
يتم بهذا الأمر تعليم الشبكة باستخدام الخصائص الموضحة أعلاه.
كما يمكن إدخال قيم مختلفة عن x للتحقق من كفائة الشبكة.
المرحلة الثالثة : تقييم النتائج.
عند تنفيذ الأوامر السابقة يتم إظهار الشكل التالي :
الدالة باللون الأزرق هي الدالة الأصلية، أما بالأحمر فهي نفس الدالة مع إضافة القليل من التشويش
الدالة التي نسعى لتقريبها هي الدالة المشوشة لأن الدالة الأصلية لديها العبارة الخاصة بها.
وبهذا يكون لدينا قاعدة البيانات التي سنستخدمها في تعليم الشبكة العصبونية و هي :
مداخل : x
مخارج: t
المرحلة الثانية : إنجاز الشبكة العصبونية.
في هذه المرحلة سيتم استخدام شبكات عصبونية أمامية التغذية.
لمزيد من المعلومات يمكن زيارة الموقع التالي :
موقع ويكيبيديا
نقوم بتعريف الشبكة العصبونية بالشكل التالي :
أو كتابة "شبكات عصبونية" في محرك البحث GooGle
نقوم بتعريف الشبكة العصبونية بالشكل التالي :
- حيث أن minmax تقوم بالبحث عن أصغر وأكبر قيمة من جدول المداخل.
- [10,1] تشير إلى أن عدد العصبونات في طبقة الإدخال هو 10 أما الإخراج فهو 1، ونلاحظ هنا أنه ليس لدينا طبقة مخفية لتسهيل الفهم.
- Logsig : هي نوع دوال الإدخال ال10. (الدالة موضحة في الموقع السابق).
- Purelin : هي نوع دالة الإخراج.
هنا نحدد خصائص الشبكة :
- السطر 1 : عدم إظهار الخصائص في نافذة الأوامر في ال Matlab (يمكن نزع هذا السطر).
- السطر 2 : عدد التكرارات التي يقوم بها البرنامج (لتحسين النتيجة).
- السطر 3 : الدقة المرجوة للتقريب.
يتم بهذا الأمر تعليم الشبكة باستخدام الخصائص الموضحة أعلاه.
يتم بهذا الأمر إدخال الشعاع x في الشبكة والحصول على المخارج في الشعاع z.
كما يمكن إدخال قيم مختلفة عن x للتحقق من كفائة الشبكة.
وفي الأخير النتيجة
نلاحظ أن التغير في القيم المقربة باستعمال الشبكات العصبونية غير شديد وهذا ملائم لبعض الجمل (systems) أما إذا أردنا زيادة الفاعلية فهذا سهل :
الدالة بالأزرق هي الدالة المراد التوصل إليها، أما بالأحمر فهي تقريب الشبكات العصبونية لها.
نلاحظ أن التغير في القيم المقربة باستعمال الشبكات العصبونية غير شديد وهذا ملائم لبعض الجمل (systems) أما إذا أردنا زيادة الفاعلية فهذا سهل :
وهذه النتيجة تم الحصول عليها باستخدام 80 عصبونة في الطبقة الأولى (طبقة الإدخال).
المرحلة الثالثة : تقييم النتائج.
باستخدام هذا الأمر نستطيع معرفة الخطأ المرتكب في التقريب، ومن ثم مقارنة النتائج باستخدام قيم مختلفة.
الدرس متوفر بصيغة PDF من المرفقات.
ملاحظة: بعد تطبيق البرنامج وفهمه لاتذهب بعيدا لأنك لم تبدأ بعد. (كل الأوامر المستعملة هي واجهة لخلفية أكثر تعقيدا).
الدرس متوفر بصيغة PDF من المرفقات.
و السلام عليكم ورحمة الله وبركاته.
