ISL-IP051【Multi-Layer Perceptron】
文件 說明 下載點
ISL-IP051-C1【Multi-Layer Perceptron】 本次報告主要在介紹類神經網路（Artificial Neural Networks），並說明類神經網路其中兩種架構：one-neuron perceptron和multi-layer perceptron。並利用OpenCV中的CvANN_MLP來把這兩種架構加以實現於程式上。接著輸入資料加以訓練，訓練完成後，再輸入測試資料，計算辨識率。最後實驗當使用同樣的資料訓練時，改變訓練時所需要設定的參數的情況下，對辨識率有何改變。下本次程式使用函式庫OpenCV 1.0版並搭配Visual C++ 2005 編譯器，在Windows XP Professional SP2中設定，CPU為Inter(R) Core(TM) 2 CPU 6300 @ 1.86GHZ，記憶體2GB。 立即下載
ISL-IP051-C2【Multi-Layer Perceptron】 本次報告的目的是學習如何從檔案中讀取類神經網路所需的訓練資料，建立perceptron 及 multi-layer perceptron，利用讀取的訓練資料，訓練出類神經網路模型，最後輸入測試資料，測試類神經網路的準確性。使用的編譯器是Visual C++ 2005，搭配OpenCV1.0函式庫及MATFOR4函式庫，在Windows XP Professional SP2中設定，CPU為Inter(R) Core(TM) 2 CPU 6300 @ 1.86GHZ，記憶體2GB。 立即下載
ISL-IP051-M1【Multi-Layer Perceptron】 類神經網路(ANN) ，顧名思義是一種以電腦來模擬人類腦神經細胞網路的科學，類似人類神經結構的平行計算模式，其網路架構模擬人的神經細胞接受反應處理產生動作的機制，並具有如人腦的學習與記憶功能。他是一種「透過特殊型態之轉換函數對輸入資料的運算，而建立一個符合輸入資料的系統模式」的技術，也就是利用多組範例(即系統輸入與輸出所組成的資料)進行學習以建立系統模型(輸入與輸出之間的關係)，此系統模型便可用於推估、預測、診斷。ANN 係模仿生物神經網路(Biological Neural Network)簡稱(BNN)的資訊處理系統運作，能達到生物神經系統所具有大量平行計算及分散儲存與處理的工作能力，以有效解決問題，而我們用Iris的資料來當Source，把其做分類處理並找出學習的W並也了解有含有隱藏層的類神經網路動作原理並利用程式實作出來。 立即下載
ISL-IP051-M2【Multi-Layer Perceptron】 類神經網路是當今能夠倣傚人類大腦去解決複雜問題的系統。比起傳統的系統(使用統計方法、模式識別、分類、線性或非線性方法)而言，類神經網路為基礎的系統具有更強大的功能和分析問題技巧可以用來解決信號處理、模擬預測、分析決策……等問題。本次作業利用Matlab 7.0版完成，主要有3個Job1，Job1為讀取IRIS此資料庫的內容，並且畫出以petal length和petal width為軸的分布圖， Job2則是利用perceptron建立學習的權重W，並且帶入新的資料作判斷，Job3則是利用Multi-layer perceptron進行學習，並建立一個two-layer feed-forward network network n 立即下載