تشخیص نوع گندم در متلب با شبکه عصبی چند لایه

در این پروژه با استفاده از الگوریتم شبکه عصبی نوع دانه های گندم را تشخیص می کنیم.

برای تشخیص نوع گندم در متلب از دیتاستی شامل ۲۱۰ نمونه استفاده کرده ایم، ۱۸۰ نمونه را برای آموزش و ۳۰ نمونه را نیز برای تست بکار برده ایم. هر نمونه دارای ۷ ویژگی است. که عبارتند از:

۱- Area

۲- Perimeter

۳- Compactness

۴- Length of kernel

۵- Width of kernel

۶- Asymmetry coefficient

۷- Length of kernel groove

در این پروژه از دسته بند شبکه عصبی  برای تشخیص استفاده کرده ایم. شبکه عصبی را با سه لایه شامل لایه ورودی با ۷ نرون، لایه پنهان با ۲۰ نرون و لایه خروجی با ۳ نرون آموزش داده ایم. بعد از دانلود پروژه می توانید تعداد لایه ها و نرون ها در شبکه عصبی را به دلخواه تغییر دهید.

فایل های برنامه

در این برنامه سه فایل وجود دارد که عبارتند از:

  1. CreateTrainingSet: در این فایل (m فایل) یک تابع با همین نام وجود دارد که وظیفه ساخت مجموعه آموزشی و مجموعه تست را بر عهده دارد.
  2. MlpTrain: در این فایل مدل شبکه عصبی را می سازیم و مجموعه آموزشی که در مرحله قبل ساخته بودیم را برای یادگیری (train) به شبکه عصبی می دهیم. بعد از آموزش شبکه عصبی، فایل مربوط به آن را برای استفاده های بعدی ذخیره می کنیم.
  3. MlpTest: در این فایل نیز تست با استفاده از شبکه عصبی را انجام خواهیم داد. ایتدا فایل آموزش دیده شبکه عصبی را لود میکنیم، سپس مجموعه تست را که در محله ۱ ایجاد کرده بودیم را به شبکه می دهیم تا کلاس هر نمونه را تشخیص دهد. سپس دقت آن را اندازه گیری و چاپ می کنیم.

ویژگی های پروژه تشخیص نوع گندم در متلب عبارتند از:

  • برنامه نویسی با زبان متلب
  • استفاده از کتابخانه یادگیری ماشین
  • تشخیص با استفاده از شبکه عصبی (neural network)
  • توضیح کامل برنامه در یک فایل جدا

سورس پروژه های موجود در درس دانلود در زمینه یادگیری ماشین و هوش مصنوعی را می توانید از اینجامشاهده کنید.

تصاویر مربوط به قسمت آموزش شبکه عصبی:

تشخیص نوع گندم در متلب

 

تشخیص نوع گندم در متلب

 

تشخیص نوع گندم در متلب

 

 

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

دیدگاهی بنویسید

0