۱۰۴,۰۰۰ تومان
—
محتویات محصول:
در این پروژه هدف تولید داده های شبیه سازی آموزشی و مجازی برای افزایش میزان داده های آموزشی برای آموزش بهتر کلاسیفایر میباشد. کلاسیفایرهای مورد استفاده در این پروژه شبکه عصبی BPN و رگرسیون بردار پشتیبان یا SVR میباشد. در این حالت چهاد دسته داده آموزشی مورد استفاده قرار میگیرد
پس از افزایش داده آموزشی داده به دو نوع کلاسیفایر BPN و SVR اعمال شده و شبکه آموزش میبیند. پس از آموزش شبکه داده تست به شبکه آموزش داده شده اعمال شده و خطای MAPE محاسبه میشود.
توضیحات:باتوجه به مدل مفهومی ( شکل۲) در پژوهش حاضراز دو الگوریتم یادگیری شبکه عصبی Back Propagation(BPN) و رگرسیون بردار پشتیبان(SVR) برای مدل سازی استفاده می شود و دو روش جمع آوری نمونه ، Baggingو SMOTE برای مقایسه صحت مدل ها مورد استفاده قرار میگیرد. در مرحله آماده سازی، نمونه های n به طور تصادفی از مجموعه داده ها به عنوان مجموعه داده آموزشی ترسیم می شوند و N-n باقی مانده به عنوان مجموعه داده تست در نظر گرفته می شود. در مرحله آموزش، یک آزمایش کنترلی با یک گروه کنترل و سه آزمایش انجام می شود. در گروه کنترل، مجموعه آموزش به عنوان یک مجموعه داده کوچک (SDS) در نظر گرفته شده است. در گروه های آزمایشی ۱، ۲ و ۳، مجموعه آموزشی توسط یک مجموعه آموزش جدید ایجاد شده بوسیله Bagging و SMOTE و روش پیشنهادی (PM) جایگزین می شود، در حالی که مجموعه های آموزشی جدید حاوی n واقعی و موارد مصنوعی M میباشد. در نتیجه، مدل ساخته می شود و در مرحله تست، مجموعه تست مورد استفاده قرار می گیرد. نتایج نشان می دهد که روش پیشنهادی با استفاده از Bagging و SMOTEبا بیشترین میزان پشتیبانی آماری بهترعمل می کند.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.