شبیه سازی آموزش شبکه عصبی mlp در متلب برای داده های سرطان سینه
پروژه Matlab زیر شامل کد و مثال های شبکه عصبی mlp در متلب که برای بهینه سازی مبتنی بر بیوگرافی (bbo) برای آموزش دیتابیس لایه ای از پرسپترون (mlp) سرطان پستان استفاده می شود. BBO-MLP برای مجموعه داده های سرطان پستان MMO-MLP
پرسپترون چند لایه (MLP) یک کلاس از شبکه عصبی مصنوعی است. یک MLP حداقل از سه لایه تشکیل شده است: یک لایه ورودی ، یک لایه پنهان و یک لایه خروجی. به جز گره های ورودی ، هر گره یک نورون است که از یک تابع فعال سازی غیرخطی استفاده می کند. MLP از یک روش یادگیری نظارت شده به نام backpropagation برای آموزش استفاده می کند. چندین لایه و فعال سازی غیر خطی آن MLP را از یک پرسپترون خطی متمایز می کند. این می تواند داده هایی را که از نظر خطی از هم جدا نیستند تشخیص دهد.(منبع)
گیرنده های چند لایه گاهی به صورت محاوره ای به شبکه های عصبی “وانیل” گفته می شوند ، به خصوص هنگامی که یک لایه پنهان واحد دارند.
MLP ها به دلیل توانایی آنها در حل مشکلات تصادفی در تحقیقات مفید هستند ، که اغلب راه حلهای تقریبی را برای مشکلات بسیار پیچیده مانند تقریب تناسب اندام فراهم می کند.
MLP ها تقریب کارکردهای جهانی هستند همانطور که با قضیه Cybenko نشان داده شده است ، بنابراین می توان آنها را با استفاده از تحلیل رگرسیون برای ایجاد مدلهای ریاضی استفاده کرد. از آنجایی که طبقه بندی یک مورد خاص از رگرسیون است که متغیر پاسخ قطعی است ، MLP ها الگوریتم های طبقه بندی خوبی را ایجاد می کنند.
MLP ها در دهه ۱۹۸۰ یک راه حل رایج برای یادگیری ماشینی بود ، که در زمینه های متنوعی از جمله تشخیص گفتار ، تشخیص تصویر و نرم افزار ترجمه ماشین ، کاربردهای مختلفی پیدا کرد.
شبیه سازی آموزش پرسپترون چند لایه mlp برای دیتابیس سرطان سینه با متلب توسط متخصصان گروه پروماد انجام شده است.فایلهای نرم افزاری پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
اگر این محصول، پروژه مورد نظر شما نمی باشد، می توانید از طریق لینک زیر سایر پروژه های مشابه را مشاهده کنید.
Karen –
با شبکه عصبی؟
msdkrdn –
بله قطعا
رسول –
واقا تمیز بود کارتون
kargar –
پروژه مشابه هم انجام میدید؟
msdkrdn –
خیر انجام پروژه نداریم