شبکه عصبی RBF(جلسه هشتم)


در این جلسه شبکه عصبی توابع شعاعی پایه(radial basis function) را آموزش می‌دهیم. شبکه عصبی rbf یک شبکه عصبی 3 لایه است که از یک لایه پنهان تشکیل شده است. از قضیه  جالب کاور برای حل مسائل پیچیده و غیرخطی استفاده می‌کند و کاربردهای زیادی در عمل دارد. شبکه عصبی rbf رویکرد متفاوتی نسبت به پرسپترون چندلایه دارد و با یک رویکرد بسیار ساده و جالب مسائل پیچیده را حل می‌کند.

پیاده‌سازی الگوریتم شبکه عصبی توابع شعاعی پایه(rbf)

ما تا جلسه هفتم تمام تمرکزمون برروی شبکه عصبی معروف پرسپترون بود و این جلسه شبکه عصبی توابع شعاعی پایه(radial basis function) را آموزش می‌دهیم. این شبکه یک شبکه عصبی 3 لایه است که از یک لایه پنهان تشکیل شده است. از قضیه  جالب کاور برای حل مسائل پیچیده و غیرخطی استفاده می‌کند و کاربردهای زیادی در عمل دارد. شبکه عصبی rbf رویکرد متفاوتی نسبت به پرسپترون چندلایه دارد و با یک رویکرد بسیار ساده و جالب مسائل پیچیده را حل می‌کند. برخلاف mlp که در آن وزنهای سیناپسی تمام لایه ها باید محاسبه می‌شدند در این شبکه لایه ورودی به صورت مستقیم و بدون اینکه وزن سیناپسی در بین دولایه  باشد به لایه پنهان وصل شده است. نورونهای لایه پنهان ایشبکه به عنوان یک کرنل غیرخطی(گوسی rbf) عمل می‌کنند و وظیفه نگاشت داده از فضای غیرخطی به فضای خطی را برعهده دارند. هر یک از نورنهای لایه پنهان به یک مرکز و سیگمای بهینه نیاز دارند تا به درستی داده را نگاشت دهند، برای محاسبه مراکز و سیگمای مراکز چندین روش مثل الگوریتم خوشه‌بند kmeans مطرح شده که طبق کتاب این روشها را توضیح داده و در متلب پیاده‌سازی کرده و مزایا و معایب هر روش را با مثال عملی توضیح می‌دهیم. در این جلسه به صورت مختصر مفهوم خوشه‌بندی توضیح داده شده و سپس عملکرد الگوریتم kmeans جهت تعیین مراکز را توضیح داده‌ایم.  بعد از پیدا کردن مراکز و سیگماهای بهینه در این شبکه لازم است که وزنهای سیناپسی بین لایه پنهان و لایه خروجی نیز محاسبه شوند که برای محاسبه وزن سیناپسی بهینه سه روش وینرهاف، شبه معکوس و گرادیان نزولی را توضیح داده و در متلب پیاده سازی کرده‌ایم. و در انتها چندین مثال و پروژه عملی از قبیل جلمه تشخیص سرطان سینه (پروژه عملی طبقه‌بندی) ، پیش بینی میزان آلودگی هوا (پروژه عملی رگرسیون) و کلاسبندی داده سه کلاسه iris (گل زنبق) با استفاده از شبکه عصبی RBF انجام داده ایم که با کارایی این شبکه عصبی آشنا شده و بتوانید پروژه‌های عملی خودتان را با استفاده از این الگوریتم در متلب پیاده‌سازی کنید.

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

نکته:   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 ارسال کنند.