朝阳科技大学李丽华教授2.ppt

朝陽科技大學 李麗華 教授 * 選用網路model 自訂網路名稱 Matlab操作(10) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 設定BPN隱藏層的 神經元個數(Layer 1) Matlab操作(11) – 呼叫ANN建構工具 請修改成隱藏層要的節點數 朝陽科技大學 李麗華 教授 * 設定BPN輸出層 所需的神經元個數(Layer 2) Matlab操作(12) – 呼叫ANN建構工具 請修改成輸出層要的節點數 註：最新版的Matlab不用設 朝陽科技大學 李麗華 教授 * 設定網路所需的 相關架構參數後, 接著選擇“Train..”, 將Train Pattern 輸入, 以便網路進行學習 模擬 Matlab操作(13) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 選擇Training所需的 input pattern 選擇target pattern Matlab操作(14) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 1.設定訓練次數 2.設定學習速率 learning rate 3.待設定完各相關參數後, 即可選擇“Train Network” 進行網路的Training Matlab操作(15) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 網路訓練過程 Matlab操作(16) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 匯入test pattern, 相關步驟如上所述 Matlab操作(17) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 選擇所建構的網路模組後, 選擇“Simulate..”以進行模擬 Matlab操作(18) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 1.選擇要進行測試的test pattern 2.進行模擬 Matlab操作(19) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * 1.選擇“Export..” 2.將欲分析的輸出 結果Export 3.確定後,選擇“Export” Matlab操作(20) – 呼叫ANN建構工具 朝陽科技大學 李麗華 教授 * Matlab操作(21) – 呼叫ANN建構工具 按滑鼠左鍵二下, 以觀看其結果 此處請剪下輸出結果, 貼到Excel做正確率判斷 -Artificial Neural Network- Matlab操作介紹 -以類神經網路BPN Model為例 朝陽科技大學 資訊管理系 李麗華 教授 朝陽科技大學 李麗華 教授 * 資料準備說明 要開始運用ANN之前，首要條件就是要準備 一組 資料(a set of data)。這組資料我們通常會再把它分成二份，即訓練用的資料(training data)和測試用(testing data )的資料。 在選取training data 和 testing data最常見的分法即為80/20法則。也就是說，若我們收集到1000筆資料，那可以選其中800筆為training data，另外200筆拿來測訓練好的ANN網路。資料的選法可以採隨機或挑選能能均勻代表各型樣的資料。 朝陽科技大學 李麗華 教授 * 資料準備說明 要訓練ANN前應先依解決的議題,準備好四組檔案: 假設其檔名分別命名如下: training data 及 Training data的Target (即訓練用的答案T) Test data, Test 的Target檔(即測試用的答案T). 記得每一筆資料須先轉置成column型式(直式) 再匯入matlab. 以下先以 數字之圖形型樣(pattern) 為例來介紹資料 準備及轉置的說明. 1.Input Pattern設計 2.Input Pattern轉換 3.Target Pattern設計 4.Test Pattern設定 朝陽科技大學 李麗華 教授 * 1.以數字辨識為例?Pattern的設計 1, 2, 3 4, 5, 6 7, 8, 9 0 朝陽科技大學 李麗華 教授 * 本例以 Word 設計 接著要將10個patterns 做轉換 2. 將每個數字的Pattern做轉換 轉換步驟 1 朝陽科技大學 李麗華 教授 * 2. Pattern轉換(續) 將每一個pattern表格選取後,將表格去除,並轉成文字形式 轉換步驟 2 朝陽科技大學 李麗華 教授 * Pattern轉換(續) 去除每個數字型樣的表格 轉換步驟 3 朝陽科技大學 李麗華 教授 * Pattern轉換(續) 去除表格 轉換步驟 4 朝陽科技大學 李麗華 教授 * Pattern轉換(續) 將每一個pattern轉