شبکه عصبی PNN (جلسه 10)


توضیحات:

در این جلسه   شبکه عصبی معروفPNN را طبق دو مقاله تخصصی آموزش داده و سپس مرحله به مرحله پیاده‌سازی میکنیم تا با پیاده‌سازی مقالات تخصصی نیز آشنا شوید. این شبکه از لحاظ تصمیم‌گیری شباهت زیادی با طبقه‌بند بیزین دارد و همین باعث شده عملکرد طبقه‌بندی بالایی داشته باشد و در عمل خیلی از این شبکه عصبی استفاده کنند.

توضیحات

پیاده‌سازی شبکه عصبی احتمالی Probabilistic Neural Network ) PNN)

در این جلسه نیز همانند جلسه نهم یک شبکه عصبی معروف به اسم PNN را طبق دو مقاله تخصصی آموزش می‌دهیم تا با پیاده‌سازی مقالات تخصصی نیز آشنا شوید. این شبکه از لحاظ تصمیم‌گیری شباهت زیادی با کلاسبند بیزین دارد و همین باعث شده عملکرد طبقه‌بندی بالایی داشته باشد و در عمل خیلی از این شبکه عصبی استفاده کنند. همانطور که می‌دانید طبقه‌بند بیزین اگر تمام شرایطی که نیاز دارد فراهم شود بهینه‌ترین طبقه‌بند بین تمام طبقه‌بندها خواهد بود. ولی از آنجا که در عمل نمی‌توان تمام شرایط را فراهم کرد در نتیجه عملکرد بهینه‌ای ندارد. شبکه عصبی PNN  از چهار لایه input layer, pattern layer, summation layer  و output layer تشکیل شده است و از یک ایده بسیار جالبی برای کلاسبندی استفاده می کند. تئوری یادگیری این شبکه عصبی را طبق دو مقاله تخصصی ضمیمه شده در پیوست،  به زبان ساده توضیح داده سپس در متلب مرحله به مرحله پیاده سازی می کنیم. و برای اینکه با کارایی خوب این شبکه آشنا شوید دو پروژه تخصصی تشخیص سرطان سینه  و کلاسبندی داده سه کلاسه iris (گل زنبق) با استفاده از شبکه عصبی PNN انجام داده‌ایم. و در آخر مزایا و معایب هر روش را با مثال عملی توضیح داده ایم.

نکته: مباحث ‌این جلسه طبق مطالب مقالات پیوست می‌باشد.

بخشی از مباحث این جلسه طبق مطالب فصل کتاب Simon haykin است.

 درصورتی که با خرید محصول مشکل داشتید با شماره‌ی 2687 – 038 -0936 تماس بگیرید.

.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه(نظر) ارسال کنند.