در این بخش سورس کد آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب قرار داده شده است. شبکه‌های عصبی Artificial neural network از تعداد زیادی عنصر پردازشی فوق‌العاده به‌هم‌پیوسته به نام نرون تشکیل‌شده که برای حل یک مسئله با یکدیگر به‌صورت هماهنگ عمل می‌کند. شبکه عصبی یک الگوریتم نیست بلکه یک چارچوب برای بسیاری از الگوریتم های مختلف از جمله یادگیری ماشین برای همکاری و پردازش اطلاعات پیچیده است.
برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه های مختلف موجود که ارتباط آن ها با یال هایی است می توان مقادیر وزن ها ها یا یال ها را با الگوریتم های تکاملی تعیین کرد. یکی از مهم ترین الگوریتم های تکاملی، الگوریتم ژنتیک Genetic Algorithm می باشد. که در این بخش سورس کد آماده آن در متلب برای یک دیتاست ساده (دیتاست سرطان سینه) نوشته شده است.
برنامه‌نویس: تیم برنامه نویسی پی استور
متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی
تیم برنامه نویسی پی استور یکی از اولین گروه های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف برنامه نویسی و تهیه سورس کد فعال هستند.
شبکه عصبی مصنوعی
شبکه‌های عصبی ANN از تعداد زیادی عنصر پردازشی فوق‌العاده به‌هم‌پیوسته به نام نرون تشکیل‌شده که برای حل یک مسئله با یکدیگر به‌صورت هماهنگ عمل می‌کند. دسته‌بندی شبکه‌های عصبی شبکه‌ای از لایه‌هاست، معمولاً لایه‌ای که اطلاعات ورودی به آنها داده می‌شود تحت عنوان لایه‌ی ورودی و لایه‌ای که داده‌های خروجی از آن دریافت می‌شود تحت عنوان لایه‌ی خروجی نامیده می‌شود و به لایه‌های دیگر بین این دولایه (در صورت وجود) لایه‌های پنهان گفته می‌شود.
جهت حرکت‌ها سیگنال‌ها همواره از سمت لایه‌ی ورودی به‌سوی لایه‌ی خروجی است برای دسته‌بندی یک نمونه تستی، وزن کلمه‌ها برای واحدهای ورودی تعیین می‌شود و فعال کردن این واحدها از طریق لایه‌های مختلف روبه‌جلو در شبکه انجام می‌شود و مقدار واحد خروجی به‌عنوان یک نتیجه در تصمیم‌گیری دسته‌ها تعیین می‌شود.
شبکه های عصبی مصنوعی، سیستم های محاسباتی هستند که توسط شبکه‌های عصبی زیستی الهام گرفته شده اند که مغز حیوانات را تشکیل می دهند. منظور از یادگیری در شبکه‌های عصبی، تنظیم وزن ها و بایاس های شبكه می باشد. بر این اساس الگوریتم های متفاوتی بیان شده، كه معمول ترین آنها یادگیری هب، دلتا، یادگیری رقابتی و … می باشد.
آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب
همانطور که قبلاً هم اشاره شد برای تعیین وزن یال ها و بایاس ها در شبکه های عصبی می توان از الگوریتم های فرا ابتکاری استفاده کرد. از این رو در این سورس کد تعیین وزن بایاس ها و یال ها با استفاده از الگوریتم ژنتیک انجام پذیرفته است. برای تعیین میزان عملکرد برنامه ذکر شده از دیتاست سرطان سینه استفاده شده است که در ادامه این دیتاست تشریح شده است.
دیتاست مورد استفاده در این سورس کد
به عنوان یک نمونه دیتاست مورداستفاده مجموعه داده بیماران سرطان سینه موجود در مخزن داده‌ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است مثال زده می شود.
در این دیتاست ویژگی ها شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد که در ایالت ویسکانسین ایالات‌متحده جمع‌آوری‌شده است. جدول زیر نشان‌دهنده این مجموعه از داده است.
| ردیف | نام ویژگی | محدوه |
|---|---|---|
| 1 | code number | id number |
| 2 | Clump Thickness | 1 – 10 |
| 3 | Uniformity of Cell Size | 1 – 10 |
| 4 | Uniformity of Cell Shape | 1 – 10 |
| 5 | Marginal Adhesion | 1 – 10 |
| 6 | Single Epithelial Cell Size | 1 – 10 |
| 7 | Bare Nuclei | 1 – 10 |
| 8 | Bland Chromatin | 1 – 10 |
| 9 | Normal Nucleoli | 1 – 10 |
| 10 | Mitoses | 1 – 10 |
| 11 | Class | 2 for benign, 4 for malignant |
تصاویر خروجی
ویدئوی معرفی
درباره آموزش شبکه عصبی با الگوریتم ژنتیک
سورس کد آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در نرم افزار متلب نوشته شده و برای تعیین مقادیر وزنی یال ها و بایاس ها شبکه عصبی با الگوریتم ژنتیک می باشد. این سورس کد بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.
تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.
سورس کدهای مرتبط با آموزش شبکه عصبی با الگوریتم های دیگر
تاکنون 378 نفر این محصول را تهیه کرده اند و 7 نظر برای آن ثبت شده است.
رومل رسا
سلام و عرض ادب استاد گرامی
استاد من این آموزش را خریدم اما تنها تنوانستم سورس کد اون رو دانلود کنم آموزش اون را دریافت نکردم .
مدیریت و پشتیبانی
سلام و وقت بخیر
این محصول همونطور مشخص شده فقط سورس کد هست و آموزشی نداره. منظور از واژه آموزش هم یعنی train یا آموزش شبکه عصبی هست. خود سورس کد خیلی ساده نوشته شده و همه چیز واضح هست ولی باز از لحاظ درک کد دچار ابهام یا سردرگمی هستید می تونید تماس تلفنی داشته باشید تا توضیجات لازم رو براتون بدیم.
رومل رسا
سلام و عرض ادب
ببخشید استاد گرامی فیلم این پروژه هم توی دانلود هستش یا فقط کد ها هستش خیلی ممنون
رومل رسا
سلام
من یه سوال داشتم راجع به این پروژه شما و سوال من این است که سورس کد شبکه عصبی را استفاده کردید از تولباکس خود متلب گرفته شده یا اینکه خود شما نوشته کردید ممنون
مدیریت و پشتیبانی
سلام و عرض ادب
در آموزش شبکه عصبی از تولباکس استفاده نشده و کدها بصورت کاملاً منوال هست. اساساً برای پیاده سازی شبکه عصبی با الگوریتم های متاهیورستیک از جمله ژنتیک برای اینکه وزن یال ها و بایاس ها توسط شبکه عصبی انجام نشود بایستی از تولباکس استفاده نشه.
kahzadikami
؟
kahzadikami
یک سوال داشتم.
میشه با این سورس مسئله رگرسیون حل کرد
مسعود
سلام
برای چند ورودی و چند خروجی کار میکنه؟ چند لایه رو ساپورت میکنه؟
مدیریت و پشتیبانی
سلام . این سورس کد برای یک لایه پنهان کار میکنه که در این لایه می تونید هر قدر خواستین نرون داشته باشید. تعداد ورودی ها محدود نیست و خروجی هم برابر 1 نرون هست.
مدیریت و پشتیبانی
نظرات و پیشنهاد های خود را با ما در میان بگذارید.