مقایسه عملکرد شبکه های عصبی MLP و RBF با پیاده سازی توابع سینوسی و اکلی دو بعدی در متلب
در این پروژه در نرم افزار متلب دو شبکه عصبی MLP و RBF را با پیاده سازی دو تابع سینوسی و یک تابع اکلی دو بعدی (ackley2D)، مقایسه می کنیم. توابع بررسی شده در این پروژه تابع y=sin(x)، y=sin(4*pi*(x/4)) و تابع اکلی دو بعدی می باشد.
مقدار میانگین مربعات خطا (MSE) یادگیری، مجموع مربعات خطا (SSE) و سایر پارامتر ها نیز محاسبه شده است، همچنین علاوه بر نمایش نمودار گرادیان نزولی تست (Test) و آموزش (Train)، نمودار رگرسیون، نمودار هستوگرام، نمودار مدل تابع و نمودار بررسی ارور و فیتینگ شبکه نیز در گام های آموزشی (Epoch) تعیین شده نمایش داده می شود. برای جلوگیری از Over Parameterized و یا Over Fitting شدن شبکه، باید تعداد داده های ورودی و دسته بندی آنها (تعداد داده های آموزش و تست و ارزیابی)، تعداد نورون های لایه های میانی، نرخ یادگیری (Eta) و تعداد گام های آموزشی را به درستی مقدار دهی کنیم.
این پروژه دارای 7 فایل متلب می باشد که هر تابع دارای یک کد MLP و یک کد RBF می باشد، همچنین کد فانکشن تابع اکلی که در پوشه پروژه قرار داده شده، برای اجرای کد های آن باید در محیط Editor متلب وجود داشته باشد.
لطفا برای ویرایش و اختصاصی کردن این پروژه و یا سفارش پروژه های مشابه با شماره 09128902475 تماس بگیرید
آدرس : شریعتی ، خیابان ملک ،کوچه فرهمند ، پلاک 35
تلفن : 71057737-021
09128902475
ایمیل: info@soft-ng.ir
مجموعه سافت اِنجی با هدف ارائه خدمات تخصصی و نوین در زمینه طراحی سایت، اپلیکیشن و اتوماسیون اداری، خدمات سئو و بهینه سازی، پروژه های برنامه نویسی، اینترنت اشیا (IOT) و هوشمند سازی با بهره مندی از نخبگان و اساتید برتر در این حوزه فعالیت می نماید.هم اکنون این مجموعه شامل دپارتمان های جداگانه برنامه نویسی سخت افزاری و نرم افزاری و مشاوره ای و … می باشد و با گرد آوری این بخش ها تحت نامی یکسان سعی در ارائه کامل این خدمات گسترده دارد.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.