صورت مساله :
در این پروژه با طرح بیان مساله ۱، سه شبکه عصبی MLP برای تقریب یک تابع غیرخطی با سه دقت بد ، متوسط ، خوب ، طراحی می شود. در ادامه طراحی سه شبکه عصبی MLP با استفاده از دو توابع فعال ساز ، سرعت و دقت اموزش شبکه عصبی و تاثیر نتایج دو حالت را باهم مقایسه خواهیم کرد ، همچنین در ادامه طبق بیان مساله ۲ مجددا همین روند را با استفاده از شبکه عصبی RBF انجام داده و نتایج را با شبکه MLP مقایسه و ارزیابی می کنیم. در مسله ۳ هدف اموزش ۱۰ تصویر از اعداد به شبکه هاپفیلد است تا بتوان تصاویر مخدوشی که به شبکه اعمال می شود را بازیابی و نمایش دهد .
با توجه به نتایج به دست آمده از مرحله دوم و مقایسه آن با نتایج مرحله اول میتوان دریافت که در این
هم از نظر دقت تقریب و هم از نظر سرعت MLP نسبت به شبکه RBF مسئله، عملکرد شبکه عصبی
آموزش برتري بسزایی دارد.
در کلاسبندي تصاویر Hopfield با توجه به نتایج به دست آمده در مرحله سوم میتوان گفت که شبکه
انتخاب شده نتیجه کاملا مطلوبی داشته و نسبت به دو شبکه دیگر از عملکرد بهتري برخوردار بوده است.
برچسب ها:
پروژه شبکه‌های عصبی MLP RBF HOPFIELD یادگیری اموزش شبکه عصبی تقریب تابع خطی توابع فعالساز اموزش تصویر درشبکه عصبی شبکه هاپفیلد شبکه عصبی ار بی اف شبکه عصبی ام ال پی نمودار هیستوگرام پیاده سازی متلب matlab لایه پنهان نورون سیمولینک