با ما تماس بگیرید
ساعت : 8 الی 23
09117983709 - 09330859275
(مشاوره و سفارش پروژه)
totop

طراحي شبکه عصبي مصنوعي در متلبیکشنبه 11, آوریل 2021

متلب همیارپروژه

طراحي شبکه عصبي مصنوعي در متلب

در ادامه آموزش های سایت همیارپروژه برنامه نویسی متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما کدنویسی در نرم افزار متلب را رایگان یاد خواهیم داد. با ما همراه باشید.

انجام پروژه متلب

طراحي شبکه عصبي مصنوعي در متلب

با در نظر گرفتن سه عامل دماي و سرعت هوای ورودي و زمان، تغييرات محتواي رطوبتي در طي خشک کردن بدست مي آيد. شبکه عصبي با سه نرون لايه ورودي (دما هوا، سرعت هوا، و زمان) و يک نرون لايه خروجي (نسبت تغييرات محتواي رطوبتي) طراحي شد. شکل ۱، توپولوژي شبکه عصبي  مورد نظر و پارامترهاي ورودي و خروجي براي شبکه مذبور را نشان مي­دهد. توپولوژي شبکه مذکور از نوع پيشخور است.  از شبکه MLP و TDNN براي پيش بيني استفاده شد و همچنين توابع آستانه مختلفي براي يافتن حالت بهينه آن مورد ارزيابي قرار گرفت که عبارتند از :

(۲)    تابع سيگموئيدي لگاريتميدر متلب

matlab

(۳)    تابع تانژانت سيگموئيدي در متلب

matlab

یکی از مشکلاتی که هنگام آموزش شبکه عصبی ممکن است پیش بیاید، بیش اموزی شبکه است. بدین صورت که در هنگام آموزش شبکه، خطا به مقدار قابل قبول می رسد ولی هنگام ارزیابی، خطای شبکه به مراتب از خطای داده های آموزشی بیشتر باشد .برای جلوگیری از بیش­اموزی دو راه وجود دارد: الف- توقف سریع آموزش، ب- انتخاب کمترین تعداد نرون­ در لایه پنهان .در این تحقیق از روش دوم استفاده شد. بدین صورت که براي آموزش شبکه، ابتدا داده به طور تصادفي به سه قسمت تقسيم شدند، طوري که ۶۰ درصد داده براي آموزش و ۲۰ درصد داده ها براي ارزيابي و ۲۰ درصد داده براي تست شبکه استفاده شد.  درحین اموزش شبکه، زمانی که خطای بین داده های اموزش و ارزیابی می­خواهد زیاد شود، فرآیند آموزش قطع می شود. براي يافتن شبکه عصبي با توپولوژي مناسب به کمک الگوريتم­ آموزشي، از معيار خطاي مربعات ميانگين استفاده ميشود که هدف کمينه شدن خطاي مذکور است که با رابطه زير تعريف مي­شود.

matlab

که در آن MSE خطاي مربعات ميانگين در مرحله تست، Sip خروجي شبکه در نرون iام و الگوي pام، Tip خروجي هدف در نرون iام و الگوي pام، N تعداد نرون هاي لايه خروجي و M تعداد الگوي هاي تست است. براي ارزیابی شبکه انتخاب شده در مرحله قبل از معيار ضريب تعيين (R2) برای داده های پیش بینی شده در حین آموزش شبکه استفاده شد. براي افزايش دقت و سرعت شبکه عصبي مصنوعي، داده ها ورودي و خروجي به کمک رابطه زير به شکل هنجار شده در محدوده [۰,۱] مي آيد:

matlab

که Tn،Xn  و tn  مقدار هنجار شده،  Xi مقدار واقعي محتوای رطوبتی، Xo محتوای رطوبت اولیه  وmax  T بيشينه مقادير واقعي دما، Tmin  مقدار کمینه دما و  Ti مقدار واقعی دماست. ti مقدار واقعی زمان است. بعد از آموزش شبکه، شبکه­ای که کمترین خطای تست را داشته باشد به عنوان بهترین شبکه انتخاب می شود.

در اینجا آشنایی با محیط متلب بخش صد و بیستم به پایان رسیده است و در آموزش های بعدی به مباحث دیگر آموزش متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای انجام پروژه متلب خود آموزش های ما را دنبال نمایید.

نویسنده: زهرا رستمی

جهت سفارش پروژه به لینک زیر مراجعه نمایید :
همچنین می توانید برای ارتباط سریعتر با شماره و آیدی تلگرام زیر تماس حاصل کنید :
۰۹۱۲۹۵۴۰۱۲۲ – آیدی تلگرام : @fnalk

از طریق کلیک برروی آیکن های زیر میتوانید پروژه خود را در تلگرام و یا واتساپ برای ما ارسال کنید:

ثبت سفارش در واتس آپ ثبت سفارش در تلگرام


دیدگاهتان را بنویسید

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

حق نشر برای همیارپروژه – مرجع اصلی پروژه های متلب و پایتون محفوظ است.