ANFIS(adaptive network-based fuzzy inference system) شبکه تطبيق پذير و قابل آموزشی است که به لحاظ عملکرد کاملا مشابه سيستم استنتاج فازی است.

برای سادگی کار فرض می کنيم که سيستم فازی ما دو ورودی x و y دارد و خروجی آن z است. حال اگر قوانين به صورت زير باشند :

و اگر برای غير فازی ساز از غير فازی ساز ميانگين مراکز استفاده کنيم خروجی به صورت زير خواهد بود:

ساختار معادل ANFIS به صورت زير خواهد بود:

لايه 1: در اين لايه ورودي ها از توابع عضويت عبور(membership functions) می کنند.

توابع عضويت هر تابع پارامتری مناسبی می تواند باشد که در اکثر موارد توابع گاوسين انتخاب می شوند. مثل تابع زنگی شکل عمومی:

که  aو b وc مجموعه پارامترها هستند. پارامتر های اين لايه به پارامتر های اوليه       (premise parameters) معروف هستند.

لايه 2: خروجی اين لايه ضرب سيگنال های ورودی است که در واقع معادل قسمت اگر قوانين هستند.

لايه 3: خروجی اين لايه نرماليزه شده لايه قبلی است:

لايه 4:

لايه 5: خروجی اين لايه خروجی کلی سيستم است:

اکنون يک شبکه توليد شده است که معادل سيستم استنتاج فازی سوگنو است.

حال قرار است روش های آموزش چنين شبکه ای بررسی شود.

برای اين کار ابتدا در لايه 1 تمام قوانين موجود را تشکيل می دهيم.به طور مثال اگر 2 ورودی داشته باشيم که هر کدام 3 تابع عضويت داشته باشد 9 قانون بايد تشکيل دهيم.

که به صورت زير خواهد بود.

روشهای مختلف آموزش ANFIS

1-  Gradient Descent

2- ترکيبی (hybrid)

3- Levenberg-Marquardt

روش ترکيبی(hybrid)

در اين روش از ترکيب روش گراديان نزولی و حداقل مربعات خطا (LSE) استفاده می شود.

روش ديگری نيز برای محاسبه پارامتر ها وجود دارد که يک روش بازگشتی است (RLSE) اين روش به دو دليل به وجود آمده است.

1-   گاهی ممکن است که ماتريس  معکوس پذيز نباشد.

2-   فرض کنيد  را حساب کرده ايم اگر يک جفت داده ورودی خروجی جديد به سيسیتم اضافه شود در روش قبل دوباره بايد کل پارامتر ها محاسبه شوند ولی در اين روش فقط مقدار پارامتر جديد به دست می آيد.

طريقه آموزش ANFIS با روش ترکيبی

در هر تکرار feedforward  می رويم تا وقتی که ماتريس A که در روش LSE گفته شد به دست آيد. خروجی ها را هم که داريم . سپس توسط روش ترکيبی پارامتر ها را به دست می آوريم. لازم به ذکر است که همه داده های آموزشي بايد اعمال شوند و همجنين پارامتر های اوليه(premise patameters)  ثابت نگه داشته می شوند. سپس پارامترهای تالی (conclusion parameters) ثابت نگه داشته می شوند و پارامترهای اوليه توسط گراديان نزولی تنظيم می شوند.

دانلود فایل کامل

محصولات مرتبط

نوشته سيستم های فازی بررسی روشهای مختلف آموزش ANFIS اولین بار در ايران متلب. پدیدار شد.

جزوه ای که در این مطلب برای دانلود آماده شده است در ۲۰۰ صفحه و در قالب فایل pdf به آموزش کامل نرم افزار متلب (matlab) می پردازد. این جزوه آموزشی حاصل تلاش جناب آقای برمکی میباشد که از مبتدی ترین قدم ها برای آموزش نرم افزار متلب شامل آموزش نصب متلب ، آموزش پنجره های متلب ، تا آموزش پیشرفته که شامل انواع برنامه نویسی در محیط نرم افزار متلب را شامل میشود.

جزوه آموزشی کار با نرم افزار متلب که در این مطلب آماده شده در وهله اول برای افراد مبتدی و کسانی که تمایل به برنامه نویسی در محیط نرم افزار متلب را دارند تهیه شده است و در طول جزوه سعی شده است ، همه مطالب پله به پله از ابتدایی ترین دستورات شروع شود و جای سوالی برای خواننده نماند.

از مهمترین مطالب آموزشی در این جزوه میتوان به الگوریتم و آموزش الگوریتم برنامه نویسی ،نحوه نصب نرم افزار متلب ، آموزش پنجره های نرم افزار متلب ، شناخت عملگرها در متلب ، شناخت دستورات ابتدایی ، برنامه نویسی و تابع نویسی matlab ، آموزش توابع کاربردی متلب ، آموزش ماتریس ، ترسیم دو بعدی و سه بعدی اشکال به کمک نرم افزار متلب ، ترسیم توابع مختلف ، کار با چند جمله ای ها در متلب ، gui و … اشاره کرد.

لینک دانلود

نوشته دانلود جزوه آموزش کامل نرم افزار متلب matlab (برمکی ) اولین بار در ايران متلب. پدیدار شد.

شما مي توانيد از راههاي زير، برنامه هايتان را خطايابي (debugging) نمائيد:
– برنامه را به چند بخش كوتاهتر تقسيم كنيد و هر بخش را جداگانه امتحان كنيد.
– نتايج محاسبات را در مراحل مياني جريان برنامه بنويسيد. اين كار را مي توانيــد بـه آسـاني بـا برداشتن semicolon (;) از انتهاي دستور محاسباتي ويا نوشتن نام متغير مورد نظر انجام دهيد. همچنين مي توانيد با قرار دادن disp در مكانهاي مشخصي از برنامه دريابيد كه برنامه تــا كجـابه پيش رفته است.
– تا حد امكان سعي كنيد كه از عمليات ماتريسي استفاده كنيد و در برنامه از تعداد حلقــه هـايي كه همان كار را انجام مي دهند بكاهيد.
– خطوط مورد شك برنامه را بطور جداگانه در محيط كار MATLAB اجــرا كنيـد (ترجيحـا” بـه كمك copy-paste) تا درستي و يا نادرستي محاسبه را دريابيد.
– دقت كنيد كه پيغام خطا روي چه سطري از برنامه داده شده است و بويژه دقت كنيد كه پيغــام خطا چه مي باشد و چه معنايي دارد.
– امكانات خطايابي موجود در نرم افزار را به كمك بگيريد.

پيغامهاي خطا
بيشترين حجم پيغامهاي خطايي كه شما در ابتداي كار با MATLAB دريافت مي كنيد مربوط بــه عمليات و جايگزيني هاي برداري/ماتريسي است. در اين بخش نحوه تصحيح برنامه را با اســتفاده از پيغامهاي خطاي دريافتي با ذكر يك مثال نشان داده مي شود.

در نظر بگيريد كه مي خواهيد سطح PVT را بر اســاس قـانون گـاز كـامل رسـم كنـيد. داده هـاي ورودي به برنامه محدوده هاي فشار و دما به صورت برداري هستند و برنامه بايد حجـم ويـژه گـاز را محاسبه نمايد و سپس سطح را رسم كند. بهتر است كه محاسبه حجم در يك تابع جداگان ه انجـام گيرد تا اگر بخواهيد محاسبه را با معادله حالت ديگري نيز تكــرار كنيـد، نيـازي بـه نوشـتن مجـدد برنامه اصلي نداشته باشيد و فقط تابع محاسبه حجم را تغيير دهيد. فرض كنيد كه برنامه اصلـي و تابع مورد نياز را در وهله اول به صورت زير ايجاد كرده ايد:

برنامه اصلي (main.m)
% Input p = input(‘ Pressure (bar) = ‘);

t = input(‘ Temperature (K) = ‘);
% Calculation

v = ideal(t,p*1e5);

% Plotting results

surf(p,vol,t)

(ideal.m) تابع
function v = ideal(t,p)
R = 8314; % Gas constant (J/kmol.K)

v = R*t/p; % Ideal gas law

حال در صورتي كه اين برنامه را اجرا كنيد، پيغام خطاي زير را دريافت مي كنيد:

» main

 Pressure (bar) = [1:10]

 Temperature (K) = 300:5:400

??? Error using ==> /

Matrix dimensions must agree.

Error in ==> C:\MATLABR11\work\ideal.m

On line 4  ==> v = R*t/p;                                % Ideal gas law

Error in ==> C:\MATLABR11\work\main.m

On line 6  ==> v = ideal(t,p*1e5);

 همانطور كه ملاحظه مي كنيد اشكال از سطر ٦ برنامه اصلي كه مربوط بــه مراجعـه بـه تـابع اسـت گرفته شده و در حقيقت خطا در سطر ٤ تابع و مشخصا” در نحوه تقسيم دو بردار t و p وجــود دارد.  به ياد بياوريد كه در عمليات ماتريسي، ابعاد ماتريسها بايد اجازه انجــام چنيـن عملـي را بدهـد.  در اينجا با دو بردار t و p نمي توان عمل تقسيم را انجام داد و اصولا” در اين مس ئله مقصـود از عبـارت بكار برده شده براي محاسبه حجم گاز كامل انجام محاسبه ماتريسي نمي باشــد.  بنـابراين سـطر ٤ تابع ideal.m به شكل زير تغيير داده مي شود (بكار بردن تقسيم عضو به عضو بجـاي ماتريسـي) تـا محاسبه حجم به صورت ماتريسي صورت نگيرد :

function v = ideal(t,p)

R = 8314; % Gas constant (J/kmol.K)

v = R*t./p; % Ideal gas law

اما با اجراي مجدد برنامه مي بينيد كه مشكل حل نشده است:

» main

 Pressure (bar) = [1:10]

 Temperature (K) = 300:5:400

??? Error using ==> ./

Matrix dimensions must agree.

Error in ==> C:\MATLABR11\work\ideal.m

On line 4  ==> v = R*t./p;                               % Ideal gas law

Error in ==> C:\MATLABR11\work\main.m

On line 6  ==> v = ideal(t,p*1e5);

 اگر تعداد مولفه هاي بردارهاي t و p را در محيط كار MATLAB بخواهيم:

» length(p) ans =

    10

» length(t) ans =

    21

 ديده مي شود كه اين دو بردار هم اندازه نيستند و بنابراين عمليات عضو به عضو نيز نمــي تـوان بـر روي آن دو انجام داد.  در اينجا چاره اي نيست جز آنكه از يك حلقه در محاسبات استفاده نمـائيد و مقادير حجم ويژه را بر حسب دما، هر بار در يك فشار معين، محاسبه نمائيد:

function v = ideal(t,p)

R = 8314; % Gas constant (J/kmol.K)

for k = 1:length(p)

   v(:,k) = R*t/p(k);   % Ideal gas law

end

اما اين بار نيز با پيغام خطا مواجه مي شويد:

» main

 Pressure (bar) = [1:10]

 Temperature (K) = 300:5:400

???  In an assignment  A(:,matrix) = B, the number of elements in the subscript of A and the number of columns in B must be the same.

Error in ==> C:\MATLABR11\work\ideal.m

On line 5  ==>    v(:,k) = R*t/p(k);                              % Ideal gas law

Error in ==> C:\MATLABR11\work\main.m

On line 6  ==> v = ideal(t,p*1e5);

 توجه كنيد كه بردار دما يك بردار سطري است و در نتيجه سمت راست عبارت محاسبه حجم يــك بردار سطري خواهد بود.  اين در حالي است كه در سمت چپ همان عبارت يك بردار ســتوني قـرار دارد و پيغام خطا نيز از همينجا ناشي مي شود.  بنابراين تابع ideal.m بايد ب ه شـكل زيـر تصحيـح گردد:

function v = ideal(t,p)

R = 8314; % Gas constant (J/kmol.K)

for k = 1:length(p)   

    v(k,:) = R*t/p(k); % Ideal gas law

end

اين بار با اجرا كردن برنامه اصلي پيغام زير را مشاهده مي كنيد:

» main  Pressure (bar) = [1:10]  Temperature (K) = 300:5:400

??? Undefined function or variable ‘vol’.

Error in ==> C:\MATLABR11\work\main.m

On line 9  ==> surf(p,vol,t)

باز هم پيغام خطا!  اما اگر دقت كنيد مي بينيد كه اين بار پيغام خطا مربوط به تابع ideal.m نيست بلكه خطا از دستور مربوط به رسم داده ها گرفته شده است.  در حقيقت تابع كار خود را بــه خوبـي انجام داده و رفع اشكال شده است.  خطاي اين دفعه مربوط به اشتباه در نام متغير اسـت.  متغـير v كه قبلا” تعريف شده است اشتباها” در دستور surf با نام vol بكار برده شده اســت.  ولـي vol قبـلا” تعريف نشده است و در نتيجه MATLAB آن را نمي شناسد.  پ س از تصحيـح ايـن سـطر، برنامـه اصلي به صورت زير خواهد بود:

% Input p = input(‘ Pressure (bar) = ‘); t = input(‘ Temperature (K) = ‘);

% Calculation v = ideal(t,p*1e5); % Plotting results surf(p,v,t)  

:اجراي اين برنامه پيغام زير را به دنبال خواهد داشت

» main  Pressure (bar) = [1:10]

 Temperature (K) = 300:5:400

??? Error using ==> surface Matrix dimensions must agree.

Error in ==> C:\MATLABR11\toolbox\matlab\graph3d\surf.m

On line 59  ==>     hh = surface(varargin{:}); Error in ==> C:\MATLABR11\work\main.m

On line 9  ==> surf(p,v,t)

خطاي اين دفعه باز هم مربوط به دستور surf و اين بار در باره نحوه معرفي آرايه ها به آن است.  بـا مراجعه به توضيحات (help) اين دستـور مشخص مي گردد كه آرگومان هاي اول و دوم ايـن دسـتور مي توانند بردار باشند ولي آرگومان سـوم بايد ماتريس باشد.  در اين حالت طول آرگومانــهاي اول و دوم بايد به ترتيب برابر با تعداد ستونها و سطرهاي آرگومان سوم باشد.  لــذا طبـق ايـن توضيحـات متغير v بايد آرگومان سوم دستور surf باشد و ضمنا” با مشاهده ابعاد اين متغير:

» size(v) ans =

    10    21

 مي توانيد بگوئيد كه آرگومان اول بايد بردار t و آرگومان دوم بــايد بـردار p باشـد.  بنـابراين برنامـه اصلي بايد به شكل زير اصلاح گردد:

% Input

p = input(‘ Pressure (bar) = ‘);

t = input(‘ Temperature (K) = ‘);

% Calculation v = ideal(t,p*1e5);

% Plotting results

surf(t,p,v)

xlabel(‘T (K)’)

ylabel(‘P (bar)’)

zlabel(‘V (m^3/kmol)’)

view(135,30)

در صورت اجراي برنامه نتيجه نهايي را خواهيد ديد.

» main

 Pressure (bar) = [1:10]

 Temperature (K) = 300:5:400

نوشته خطايابي برنامه ها در متلب MATLAB اولین بار در ايران متلب. پدیدار شد.

در MATLAB مي توان دو نوع عمليات روي آرايه ها انجــام داد كـه بـه آنـها عمليـات ماتريسـي و عمليات عضو به عضو مي گويند.  عمليات ماتريسي شامل محاسبه ترانهاده، ضرب ماتريسي، جمـع و تفريق آرايـه هاي هم اندازه و غيره مي شود.  ترانهاده يك ماتـريـس با كمك علامـت پريـم بدسـت مي آيد:

» r=rand(2,4)

r =     0.9501    0.6068    0.8913    0.4565

    0.2311    0.4860    0.7621    0.0185

» r’ ans =     0.9501    0.2311

    0.6068    0.4860

    0.8913    0.7621

    0.4565    0.0185

ضرب ماتريسي با استفاده از علامت * و جمع و تفريق ماتريسها بـا اسـتفاده از علامتـهاي مربوطـه انجام مي گيرند:

» v=[1:4];

» r*v’ ans =     6.6636

    3.5634

» s=[0:3; 2:-.5:.5];

» s+r ans =     0.9501    1.6068    2.8913    3.4565

    2.2311    1.9860    1.7621    0.5185

٢-٤   عمليات عضو به عضو روي آرايه ها

انجام عمليات جبري روي آرايه ها در MATLAB نيازمند دقت است.  بطور كلــي دو نـوع عمليـات مي توان روي آرايه ها انجام داد: ١-عمليات عضو به عضــو، ٢-عمليـات بـرداري-ماتريسـي.  اشـتباه گرفتن اين دو نوع عمليات باعث بروز مشكل در محاسبات مي گردد.  دو بردار زير را در نظر بگيريد:

» a=[1 2 3];

» b=[2 -1 0];

فرض كنيد كه مي خواهيد اين دو را در هم ضرب كنيد:

» a*b

??? Error using ==> *

Inner matrix dimensions must agree.

دليل گرفتن پيام خطا از عمل فوق اين است كه در MATLAB استفاده از علامت ضرب به تنـهايي به معناي ضرب ماتريسي است.  بنابراين عمل بالا را مي توان با ترانهاده بردار دوم به انجام رسانيد:

» a*b’

ans =

     0

اين عمل در حقيقت ضرب اسكالر دو ماتريس است، يعني:  ٠=٠*٣+(١-)*٢+٢*١

حال اگر بخواهيد ضرب عضو به عضو اين دو بردار را به دست آوريد بايد يك نقطــه قبـل از علامـت ضرب بگذاريد:

» a.*b

ans =

     2    -2     0

همين دستورالعمل را مي توان براي تقسيم و به توان رساندن آرايه ها بكار بست:

» a.^2 ans =

     1     4     9

در صورت فراموش كردن نقطه قبل از علامت توان:

» a^2

??? Error using ==> ^

Matrix must be square.

نوشته عمليات ماتريسي روي آرايه ها در متلب matlab اولین بار در ايران متلب. پدیدار شد.

طبقه بندي بازار بورس با استفاده از شبكه عصبي پرسپترون چند لايه

مقدمه………………………………………………………………………………………….. 3
-2 ساختار ديتا ……………………………………………………………………………………. 4
-3 شبكه عصبي…………………………………………………………………………………… 5
-1 مقدمه ………………………………………………………………………………………….. 5 -3
-2 اجزاي يك شبكه عصبي ………………………………………………………………………. 7 -3
-3 شبكه عصبي پرسپترون چند لايه:…………………………………………………………… 10 -3
11……………………………………………………..MATLAB -4 پياده سازي توسط محيط
-1 جعبه ابزار شبكه عصبي متلب……………………………………………………………….. 11 -4
4-2- تشكيل ساختار شبكه عصبي پرسپترون چند لايه در متلب………………………………… 11
-3 يك مثال …………………………………………………………………………………….. 12 -4
4-4- آموزش شبكه عصبي پرسپترون چند لايه در متلب…………………………………………. 12
4-5- ارزيابي شبكه عصبي پرسپترون چند لايه در متلب…………………………………………. 13
-5 برنامه نوشته شده در متلب………………………………………………………………….. 14
-6 بررسي كارايي شبكه عصبي در طبقه بندي ديتاهاي بازار بورس……………………………. 26
-7 نتيجه گيري …………………………………………………………………………………..

با توجه به توسعه صنعت در ايران، شركت ها و كارخانجات صنعتي در راستاي تثبيت اقتصاد توليدي
خود و با بهره گيري از مشاركت عمومي اقدام به فروش سهام شركت مورد نظر كرده تا بدبن طريق
سرمايه هاي سرگردان را به عرصه توليد نزديك نمايند و با اين ساز و كار باعث پيشبرد پايه هاي
تكنولوژي و توليد گردند.

دانلود آموزش شبکه عصبی در MATLAB با مثال پیش بینی بازار بورس

لینک دانلود

نوشته آموزش استفاده از جعبه ابزار شبكه عصبي MATLAB با ارائه يك مثال اولین بار در ايران متلب. پدیدار شد.

دریافت فایل

جهت دانلود فیلم آموزشی پردازش تصویر بر روی تصویر بالا کلیک کنید

نوشته دانلود جزوه آموزش پردازش تصویر با MATLAB اولین بار در ايران متلب. پدیدار شد.

لینک دانلود

نوشته جزوه کلاس متلب خلاصه اولین بار در ايران متلب. پدیدار شد.