جلسه‌ی دهم: شبکه عصبی PNN

 آموزش مباحث تئوری شبکه عصبی 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.

پروژه‌های انجام شده در این جلسه

1. تشخیص سرطان سینه با شبکه عصبی PNN

2. تشخیص نوع برگ درختان با شبکه عصبی PNN

ویدئوی زیر بخش کوتاهی از جلسه‏‏‌ی دهم است که برای آشنایی در اختیار شما قرار داده شده است. بخش کامل این جلسه، و همچنین پکیج کامل شبکه‌های عصبی (شامل تمام جلسات) را از لینک‌های زیر خریداری نمایید.

باتشکر

خرید جلسه‌ی دهم

خرید کامل پکیج شبکه‌های عصبی