تشخیص ساختار اتمسفر در متلب با استفاده از شبکه عصبی چند لایه

در این پروژه با استفاده از الگوریتم شبکه عصبی ساختار اتمسفر لایه بیرونی جو زمین را پیش بینی میکنیم.

برای تشخیص ساختار اتمسفر در متلب از دیتاستی شامل ۲۵۰ نمونه استفاده کرده ایم، ۲۰۰ نمونه را برای آموزش و ۵۰ نمونه را نیز برای تست بکار برده ایم. هر نمونه دارای ۳۴ ویژگی است.

این پیش بینی به وسیله برگشت امواج راداری است که به الکترون های آزاد موجود در لایه Ionosphere تابانده شده، به دست آمده است.این دیتاست یک مسئله دو کلاسه است.

در این پروژه از دسته بند شبکه عصبی برای تشخیص استفاده کرده ایم. شبکه عصبی را با سه لایه شامل لایه ورودی با ۳۴ نرون، لایه پنهان با ۷۰ نرون و لایه خروجی با ۲ نرون آموزش داده ایم. بعد از دانلود پروژه می توانید تعداد لایه ها و نرون ها در شبکه عصبی  را به دلخواه تغییر دهید.

 

پرسپترون چند‌لایه یا MLP

یکی از پایه‌ای‌ترین مدل‌های عصبی موجود، مدل پرسپترون چند لایه یا Multi-Layer Perceptron (به اختصار MLP) است که عملکرد انتقالی مغز انسان را شبیه‌سازی می‌کند. در این نوع شبکه عصبی، بیشتر رفتار شبکه‌ای مغز انسان و انتشار سیگنال در آن مد نظر بوده است و از این رو، گهگاه با نام شبکه‌های پیش‌خورد (Feedforward Networks) نیز خوانده می‌شوند. هر یک از سلول‌های عصبی مغز انسان، موسوم به نورون (Neuron)، پس از دریافت ورودی (از یک سلول عصبی یا غیر عصبی دیگر)، پردازشی روی آن انجام می‌دهند و نتیجه را به یک سلول دیگر (عصبی یا غیر عصبی) انتقال می‌دهند. این رفتار تا حصول نتیجه‌ای مشخص ادامه دارد، که احتمالاً در نهایت منجر به یک تصمیم، پردازش، تفکر و یا حرکت خواهد شد.

 

ویژگی های پروژه تشخیص ساختار اتمسفر 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

این پروژه با زبان برنامه نویسی c++ و opencv و با الگوریتم های شبکه عصبی و svm نیز پیاده سازی شده است که می توانید از اینجا مشاده نمایید.

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

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

دیدگاهی بنویسید

0