بخشی از داکیومنت فارسی پژوهش:
وقتی ما می خواهیم یک شبکه عصبی را آموزش دهیم ، باید این مراحل را دنبال کنیم:
• درون ریزی مجموعه داده ها (import Dataset)
• انتخاب متغیر هدف مستقل؛ و انتخاب ویژگیهای توصیفی ورودی وابسته
• تقسیم مجموعه داده ها به داده های آموزش و داده های آزمون
• انتخاب الگوریتم یادگیری ، تخصیص پارامترها و مقداردهی الگوریتم یادگیری
• اجرای فرایند یادگیری
• ارزیابی عملکرد مدل در مجموعه آزمون.
مجموعه’ داده مورد استفاده در این پژوهش:
ما در این پژوهش از مجموعه دادهای بنام IONOSPHERE.arff استفاده میکنیم.
این داده های راداری توسط یک سیستم در گوس بی، لابرادور(Goose Bay, Labrador)جمع آوری شده. این سیستم شامل یک آرایه فازی تولید شده از 16 آنتن است که فرکانس بالایی ا با قدرت کل 6.4 کیلووات را به لایه’ یونوسفر ارسال و انعکاس آنرا دریافت میکند. هدف ها ، الکترونهای آزاد در یونوسفر هستند...
مشخصات نرم افزار و سناریوی پژوهشی :
محیط گرافیکی، بدون نیاز به کد نویسی- حجم کم (3 مگ)
سرعت بالای پردازش ،قابلیت تعامل با اکسل
پشتیبانی از الگوریتم های آموزش و تست شبکه خطی، غیر خطی، Backpropagation، spv و ...
محاسبات آماری - الگوریتمهای خوشه بندی - رده بندی و...
پشتیبانی از مجموعه های داده با فرمت های txt , xls , arff, dat, data و ....
این نرم افزار بعنوان پروژه’ تحقیقاتی در یکی از دانشگاههای فرانسه تولید شده.
علیرغم قابلیت های بالا بعلت عدم عرضه’ تجاری ، در مراکز آموزشی داخلی گم نام بوده و
تا کنون بجز پژوهش حاضر ،منابع فارسی در رابطه با این نرم افزار، منتشر نشده.
استفاده از Dataset اعتبار سنجی شده و استاندارد در این پژوهش ، از نقاط قوت این پروژه’ پژوهشی است.
محتویات این پژوهش شامل 3 فایل و در میباشد:(فشرده شده در قالب rar)
1) داکیومنت word فارسی پژوهش تهیه و ترجمه شده از منبع اصلی - 26 صفحه - توضیحات کامل همراه تصاویر مراحل پیاده سازی و لینک دانلود مستقیم نرم افزار/حجم:3.7 مگا بایت
2) مجموعه داده اکسل (Dataset) با فرمت arff / حجم: 80 کیلوبایت
3) مقاله’ pdf مرجع لاتین - 25 صفحه / 1.5 مگابایت
حجم فایل فشرده: 2.5 مگابایت
برچسب ها:
پیاده سازی داده کاوی شبکه عصبی پرسپترون چندلایه MLP نرم افزار تانگارا