شبکه همینگ 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.

شبکه همینگ در متلب

. دارای هردو ساختار پیشخور و پسخور

. دارای ۳ لایه

. برای شناسایی

. تشخیص اینکه کدام الگوی مرجع بیشترین نزدیکی را به الگوی ورودی دارد.

اگر به شبکه ورودی Pⁱ ( یکی از الگو های مرجع ) اعمال شود، خروجی نیزpⁱ خواهد بود.

-در مواقعی که به شبکه بردار ورودی اختیاری ( مثلا پرتقال بیضوی ) اعمال می شود انتظاربر ابن است که الگوی مرجعی که بیشترین نزدیکی با ورودی دارد، در خروجی ظاهر شود.

-دو پروسه محاسباتی : ذخیره سازی الگوها و بازسازی اطلاعات انجام می‌گیرد.

شبکه همینگ : لایه اول

. شبکه پیشخور با تابع تبدیل خطی

. همبستگی یا ضرب داخلی بین بردارهای مرجع با بردار ورودی را محاسبه می کند. بردارهای مرجع الگوهایی هستند که قصد شناسایی آنها را داریم.

. ذخیره سازی الگوهای مرجع در لایه اول

تعداد نورونهای این لایه برابر تعداد الگوها در متلب

. R تعداد عناصر بردار ورودی

. به نوعی فاصله همینگ سنجیده می‌شود.

. تمامی عناصر بردار خروجی لایه اول مقادیری بین ۰ و ۲R دارند. چرا ؟

. نرون با بزرگترین مقدار خروجی متناظر با الگوی مرجعی خواهد بود که بیشترین شباهت ( کمترین فاصله همینگ ) را با الگوی ورودی دارد. چرا؟

در مرحله بعد باید خروجی ماکزیمم از بقیه جدا گردد. این عمل توسط لایه برگشتی انجام می شود.

لایه برگشتی در متلب

شبکه همینگ : لایه دوم

. لایه برگشتی (لایه WTA )(لایه رقابتی )

انتخاب ماتریس W²

برای رسیدن به سرعت همگرایی بیشتر معمولا داریم

. دلیل انتخاب ماتریس w² به شرح فوق، در بخش اثبات همگرایی شبکه همینگ در فصل ۳ آمده است.

. تمرین : تحقیق کنید که خروجی لایه دوم به ورودی سیب، برابر [۲;۰;۰] می‌باشد.

شبکه همینگ : لایه سوم

. شبکه پیشخور با تابع تحرک آستانه متقارن دو مقدار

. پس از همگرایی لایه دوم، بردار مرجع ذخیره شده در خروجی شبکه ظاهر می گردد.

بازیابی اطلاعات همینگ در متلب

. انتخاب وزن های لایه سوم :

_P_jⁱ عنصر iام از الگوی مرجع j ام می‌باشد.

. مثلا اگر ورودی سیب باشد، خروجی شبکه الگوی مربوط به سیب یعنی [۱:۱] خواهد بود، برسی شود.

توجه :

حتما باید لایه دوم همگرا شده باشد.

شبکه‌ هاپفیلد

. شبکه تک لایه بازگشتی

. عملکرد همه نرون ها مشابه یکدیگر

. عدم ورود نرون ورودی یا خروجی

. مقادیر اولیه نرون ها توسط ورودی تعیین شده و سپس شبکه با تکرار به یکی از الگوهای مرجع همگرا می شود.

. انتظار داریم که اگر در لحظه ۰ به شبکه الگوی سیب [۱:۱] اعمال شود، شبکه به سمت [۱:۱] همگرا می گردد.

. یک انتاب خوب برای w,b عبارت است از:

مسلما برای مسائل مشکل‌تر نیاز به روند طراحی وزن ها می باشد

. تمرین : پاسخ شبکه به ورودی های سیب، پرتقال و گلابی برسی شود.

. سوال : پاسخ شبکه به ورودی پرتقال بیضوی چیست ؟

. عیب شبکه هاپفیلد : همگرایی به الگوی غیر از الگوی مرجع.

. شبکه پرسپترون جواب را کد می کند .

. شبکه همینگ به پاسخ متناسب منتهی می شود و همواره به یکی از الگو های مرجع همگرا می شود،

و الگوی دارای بیشترین تشابه به ورودی را بر می گزیند.

شبکه هاپفیلد به پاسخش همگرا می‌شود که ممکن است جزو الگوهای ذخیره شده نباشد.

در اینجا آشنایی با محیط متلب بخش نود و نهم 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 :

سفارش پروژه

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