• مقالات آموزشی
    • آموزش برنامه نویسی
    • آموزش الگوریتم
    • آموزش شبکه های کامپیوتری
    • آموزش های عمومی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپوینت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • لیست قالب آماده HTML
  • دانلود رایگان
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • قوانین
  • تماس با ما
  • درباره ما
  • همکاری با ما
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپونت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
      • عمومی
      • مشاهیر و اشخاص
      • واقعیت مجازی
      • طراحی سایت
      • برنامه نویسی
      • علوم کامپیوتر
      • اینترنت اشیاء
      • سیستم عامل
      • ارز دیجیتال
      • کسب و کار
      • تکنولوژی
      • علوم
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • قالب آماده HTML
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

خانهفروشگاههوش مصنوعیشبکه های عصبیآموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب
سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

در این بخش سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO 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 فرا ابتکاری تعیین کرد. یکی از این الگوریتم ها، الگوریتم گرگ خاکستری GWO می باشد. که در این بخش سورس کد آماده آن در متلب برای یک دیتاست ساده (دیتاست سرطان سینه) نوشته شده است.

cropped-fav2.png

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.

شبکه‌های عصبی

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 يادگيري در شبکه‌های عصبی، تنظيم وزن ها و باياس هاي شبكه مي باشد. بر اين اساس الگوريتم های متفاوتی بيان شده، كه معمول ترين آنها یادگيري هب، دلتا، يادگيری رقابتی و … می باشد.

الگوریتم گرگ خاکستری

الگوریتم گرگ خاکستری Grey Wolf Optimizer یا به اختصار GWO توسط سید علی میرجلیلی (Seyedali Mirjalili) در سال 2014 در مقاله Grey Wolf Optimizer در ژورنال Advances in Engineering Software پایگاه علمی Elsevier ارائه شده است. این الگوریتم فراکتشافی یا الگوریتم بهینه سازی بر اساس رفتار و شیوه شکار گرگ های خاکستری است. این الگوریتم مبتنی بر جمعیت بوده، فرآیند ساده ای دارد و به سادگی قابلیت تعمیم به مسائل با ابعاد بزرگ را دارد.

الگوریتم گرگ خاکستری GWO از ساختار سلسله مراتبی hieratical و رفتار اجتماعی گرگ های خاکستری در هنگام شکار کردن الهام گرفته است. این الگوریتم مبتنی بر جمعیت بوده، فرآیند ساده ای دارد و به سادگی قابلیت تعمیم به مسائل با ابعاد بزرگ را دارد. گرگ های خاکستری به عنوان شکارچیان راس یا apex در نظر گرفته می شوند، که در بالای هرم زنجیره غذایی هستند.

گرگهای خاکستری ترجیح می دهند در یک گروه (دسته) زندگی کنند، هر گروه به طور متوسط 5-12 عضو دارد. همه اعضای این گروه دارای سلسله مراتب تسلط اجتماعی بسیار دقیق هستند و وظایف خاصی دارند. در هر گله از گرگ ها برای شکار کردن ۴ درجه وجود دارد.

  • گرگ های رهبر گروه alpha نامیده می شوند که می توانند مذکر یا مونث باشند. این گرگ ها بر گله تسلط دارند
  • گرگ های beta: کمک به گرگ های alpha در فرایند تصمیم گیری بوده و همچنین مستعد انتخاب شدن به جای آن ها هستند.
  • گرگ های delta: پایین تر از گرگ های beta و شامل گرگ های پیر، شکارچی ها و گرگ های مراقبت کننده از نوزادان
  • گرگ های omega: پایین ترین مرتبه در هرم سلسله مراتب که کمترین حق را نسبت به بقیه اعضای گروه دارند. بعد از همه غذا می خورند و در فرایند تصمیم گیری مشارکتی ندارند.

برای مشاهده توضیحات بیشتر در این زمینه مقاله ای تحت عنوان الگوریتم گرگ خاکستری GWO در این سایت قرار داده شده است که می توانید مطالعه کنید.

آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO 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 گرگ خاکستری 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.

ردیفنام ویژگیمحدوه
1code numberid number
2Clump Thickness1 – 10
3Uniformity of Cell Size1 – 10
4Uniformity of Cell Shape1 – 10
5Marginal Adhesion1 – 10
6Single Epithelial Cell Size1 – 10
7Bare Nuclei1 – 10
8Bland Chromatin1 – 10
9Normal Nucleoli1 – 10
10Mitoses1 – 10
11Class2 for benign, 4 for malignant

قست هایی از سورس کد در متلب

%% Start of Program
clc
clear
close all
warning off;
N=40;
max_it=100;
Vmax=0.5;
Vmin=-0.5;
%% Input Output Data
load IOdata
Data = IOdata;
X = Data(:,1:end-1);
Y = Data(:,end);
XN = X;
YN = Y;
%% Normalization
%
MinX = min(X); MaxX = max(max(abs(X)));
MinY = min(Y); MaxY = max(max(Y));
% %
XN=XN/MaxX;
YN=floor(YN/MaxY);
%% Test and Train Data
NumOfInputs = size(X,2);
NumOfOutputs = size(Y,2);
NumOfData = size(X,1);
NumOfHiddens=2*NumOfInputs+1;
TrPercent = 70;
DataNum = size(X,1);
TrNum = round(TrPercent * DataNum/100);
R = randperm(DataNum);
TrInx = R(1:TrNum);
TsInx = R(TrNum+1:end);
Xtr = XN(TrInx,:);
Ytr = YN(TrInx,:);
Xts = XN(TsInx,:);
Yts = YN(TsInx,:);
%% Network Training
[NetworkP ,BestCostP, BestChartP] = TrainUsingGWO_Fcn(Xtr,Ytr,N,max_it,NumOfInputs,NumOfHiddens ,NumOfOutputs, Vmax, Vmin);

تصاویر خروجی

سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

ماتریس اغتشاش یا ماتریس Confusion شبکه عصبی با الگوریتم گرگ خاکستری GWO

سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

نمودار همگرایی آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO بر اساس مینیمم کردن MSE

سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO در متلب

نمودار ROC شبکه عصبی با الگوریتم گرگ خاکستری GWO

ویدئوی نحوه اجرا

Your browser does not support the video tag.

درباره آموزش شبکه عصبی با الگوریتم گرگ

سورس کد آموزش شبکه عصبی با الگوریتم گرگ خاکستری GWO 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 GWO 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.

سورس کدهای آماده برای آموزش شبکه عصبی با الگوریتم‌های دیگر

آموزش شبکه عصبی با الگوریتم وال WOA در متلب
سورس کد آموزش شبکه عصبی با الگوریتم وال WOA در متلب
آموزش شبکه عصبی با الگوریتم رقابت استعماری ICA در متلب
سورس کد آموزش شبکه عصبی با الگوریتم رقابت استعماری ICA در متلب
آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب
سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب
آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب
سورس کد آموزش شبکه عصبی با الگوریتم ژنتیک GA در متلب
تعیین وزن شبکه عصبی با الگوریتم PSO در متلب
سورس کد تعیین وزن شبکه عصبی با الگوریتم PSO در متلب

مباحث مربوط به الگوریتم گرگ خاکستری GWO

پکیج آموزش الگوریتم گرگ خاکستری GWO
پکیج کامل آموزش الگوریتم گرگ خاکستری GWO
سورس کد الگوریتم گرگ خاکستری بهبود یافته IGWO در متلب
سورس کد الگوریتم گرگ خاکستری بهبود یافته IGWO در متلب
پاورپوینت الگوریتم گرگ خاکستری GWO
پاورپوینت الگوریتم گرگ خاکستری GWO
الگوریتم گرگ خاکستری باینری BGWO در متلب
الگوریتم گرگ خاکستری باینری BGWO در متلب

آموزش های مربوط به شبکه های عصبی مصنوعی

شبکه عصبی نرون خطی تطبیقی Adaline در متلب
آموزش شبکه عصبی نرون خطی تطبیقی Adaline در متلب
آموزش شبکه عصبی بازگشتی Elman در متلب
آموزش شبکه عصبی بازگشتی Elman در متلب
فیلم آموزش شبکه عصبی Heb در متلب
آموزش شبکه عصبی Heb در متلب
آموزش شبکه عصبی RBF در متلب
آموزش شبکه عصبی RBF در متلب
امتیاز
5.00 از 2 رأی
5.00 2 رای
49,000 تومان
تاریخ انتشار: 21 آذر 1399
تاریخ بروزرسانی: 15 فروردین 1400
حجم فایل: 6 کیلوبایت
فرمت فایل m. در قالب Matlab
نسخه: 1.0
لایسنس: ندارد
هماهنگی با: Matlab 2009 و بالاتر
دانلود شده توسط: 174 نفر

تاکنون 174 نفر این محصول را تهیه کرده اند و 2 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • امین جلیل زاده
    21 آذر 1399
    نمره 5 از 5
    پاسخ

    نظرات خود را با ما در میان بگذارید.

  • اکبر
    19 تیر 1401
    نمره 5 از 5
    پاسخ

    خیلی خوب بود. همون چیزی بود که لازم داشتم.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

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

قیمت 49,000 تومان

افزودن به علاقه مندی ها

این فایل به زبان Matlab و بصورت zip شده قابل دانلود است. بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.

با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:

  • دسترسی به فایل محصول به صورت مادام‌العمر
  • ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
امتیاز
5.00 از 2 رأی
5.00 2 رای
49,000 تومان

تاریخ انتشار: 21 آذر 1399
تاریخ بروزرسانی: 15 فروردین 1400
حجم فایل: 6 کیلوبایت
فرمت فایل m. در قالب Matlab
نسخه: 1.0
لایسنس: ندارد
هماهنگی با: Matlab 2009 و بالاتر
دانلود شده توسط: 174 نفر

قیمت: 49,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175
  • دسترسی سریع: 09227367942
  • واتساپ پشتیبانی: 09208501946
  • [email protected]
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده

نشان ملی  

  • قوانین
  • تماس با ما
  • درباره ما
  • همکاری با ما
پی استور
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up