المحاضرة الخامسة


0011

0012

0013

0014

0015

المحاضرة الخامسة

الخميس، تشرين الأول 16, 2014

8:09 AM


1 1 1
0 (-1) 1 0 (-1)
1 1 1
1 1 1
0 (-1) 1 0 (-1)
1 1 0 (-1)

في حالة الاختبار على الحرف I سيكون الخرج المطلوب هو +1 وفي حال إجراء الاختبار على J فسيكون الخرج المرغوب (Target) هو -1.

شعاع الأوزان:

[في البداية قمنا بتعليم الشبكة العصبونية على نمط الحرف I (أي الـ Topology) ثم قمنا بعملية التدريب، وذلك بعرض الحرفين I ثم J (أي عرض الـ Pattern)، لكن


بأوزان وتحييز صفري. تقوم الشبكة بالتدريب حتى الوصول إلى الخرج المطلوب، وهو +1 في حالة الحرف I والقيمة -1 في حالة الحرف J كما تظهر المصفوفة T.]

Training is needed

للتغلب على مشكلة الفردية في شبكات الذكاء الصنعي نقوم باستبدال كل 0 بـ -1

الهدف  هو نفسه الهدف T أي أنه أيضا +1 وليس -1.


t هي الـ target أي هي الهدف الذي نريد من الشبكة العصبونية الوصول إليه.

Training is needed!

التحييز في المرحلة السابقة كان 1 ولذلك تابع به ولم يعيد تصفيره.


Test for pattern i @ 2nd epoch
Examine the ANN for (k=3)!

Epoch 2

Iteration 1 i.e; k=1

e(1)=0

Move to pattern 2:

e(2)=0

الفرق بين الـ epoch والـ iteration:

Iteration تركز على الترتيب بحرف معين أو نمط معين، لكن epoch: مثلا في epoc1 يجب أن تكون الشبكة اختبرت جميع الأنماط الممكنة.

  • لكي يستطيع هذا النمط من الشبكات التعرف على الـ pattern فإنه يعمل كفلتر


تمرين:

نريد تصميم متحكم ذكي للتحكم بحركة ذراع روبوت.

لكي يكون النظام مستقر يجب أن يكون مشتق تابع الاستقرار صفر أو سالب

Advertisements

اترك رد

إملأ الحقول أدناه بالمعلومات المناسبة أو إضغط على إحدى الأيقونات لتسجيل الدخول:

WordPress.com Logo

أنت تعلق بإستخدام حساب WordPress.com. تسجيل خروج   / تغيير )

صورة تويتر

أنت تعلق بإستخدام حساب Twitter. تسجيل خروج   / تغيير )

Facebook photo

أنت تعلق بإستخدام حساب Facebook. تسجيل خروج   / تغيير )

Google+ photo

أنت تعلق بإستخدام حساب Google+. تسجيل خروج   / تغيير )

Connecting to %s