فیلم آموزشی برنامه نویسی شبکه های عصبی در نرم افزار متلب

MATLAB programming for Artifical Neural Network farsi persian tutorial training movie

 

این فیلم آموزشی قسمت پنجم و ششم مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي می باشد. ایران متلب به دانش پذیران گرامی توصیه می کند که تمامی قسمتها را جهت آموزش بهتر مشاهده بفرمایند. 

.
سرفصل بخش 1 :

  • برنامه نویسی شبکه های عصبی در نرم افزار متلب
  • پیش پردازش و پس پردازش preprocessing , preprocessing
  • ( Mapminamx و Mapstd و Processpca و Fixunknowns و removeconstraints )
  • نرمالیزه کردن داده های ورودی
  • تصحیح داده های نامشخص unmissed values
  • دستورات شبکه عصبی MLP در متلب
  • (feedforwardnet و casecadeforwardnet و fitnet وpatternnet )
  • شبکه عصبی برای کاربرد fitting
  • شبکه  عصبی برای کاربرد شناسایی الگو pattern recognition
  • تنظیم تعداد نرونها در لایه مخفی
  • تنظیم تابع آموزش شبکه عصبی
  • مدلسازی با شبکه عصبی
  • انتخاب تابع آموزش
  • کدام تاب ع آموزش  را برای آموزش شبکه عصبی انتخاب کنیم؟
  • فرق trainlm وtrainbr وtrainscg چیست؟ کدام بهتر است ؟
  • آشنایی با تابع های آموزش
    (traingd و traingdm و traingda و traingdx و trainrp و traincgf وtraincgp و traincgb و trainscg و trainbfg و trainoss و trainlm و trainbr )
  • پرکابردترین تابع آموزش شبکه عصبی کدام است؟
  • آیا همگرایی سریع خوب است؟

.

.

 

خلاصه بخش 1 را در قسمت زیر میتوانید ببینید :

 

دانلود پیش نمایش بخش اول (کیفیت اصلی)

pass : iran-matlab.ir

 

 

سرفصل  بخش 2 :

 

  • شروع کدنویسی در متلب
  • بارگذاری یک دیتاست ساده در متلب MATLAB
  • طریقه رسم داده در متلب برای پیش پردازش قبل از اعمال به شبکه عصبی
  • ساخت یک شبکه عصبی feedforwardnet
  • تعیین تعداد نرونهای لایه مخفی به 10
  • آموزش شبکه ساخته شده
  • نکته مهم در اعمال داده ها در شبکه عصبی
  • تنظیم بردار ویژگی ها بر روی ستون
  • مشاهده شبکه ساخته شده
  • توضیح کامل پنجره nntraintool
  • توضیح کامل پنجره آموزش
  • قسمت Algorithmدر پنجره آموزش شبکه عصبی
  • مفهوم data division  (test, train, validation )
  • تعیین درصد داده های (test, train, validation )
  • مفهوم performance در شبکه عصبی (MSE,RMSE,MAE)
  • توضیح بخش progress
  • قسمت epoch
  • قسمت Time
  • قسمت performance
  • قسمت gradient
  • قسمت mu ( نرخ آموزش )
  • قسمت Validation Checks
  • مفهوم max_fail در شبکه عصبی
  • فهمیدن دلیل خروج از آموزش
  • نمودار performance   (plotperform )
  • واگرایی در آموزش شبکه عصبی
  • نمودار رگرسیون regression
  • نمودار هیستوگرام خطا error histogram

.

.

 

خلاصه بخش 2 را در قسمت زیر میتوانید ببینید :

 

 

دانلود پیش نمایش بخش دوم (کیفیت اصلی)

pass : iran-matlab.ir

 

مدت زمان    :   120 دقیقه

حجم فایل‌ها :  160 مگابایت

 

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *