Task2006 _ Exercise 2... :)

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Πληροφορίες Καθηγητών]

Πληροφορίες Καθηγητών

[poly1]

Για τις επιπλέον τιμές προφανώς θα προβλέψεις την y(101) από τις y(100),y(99),y(98),y(97) κλπ κλπ, στη συνέχεια την y(102) από την y(101) που πρόβλεψες πριν και τις y(100),y(99),y(98) Κλπ κλπ κ.ο.κ.

Ναι οκ αυτό το πράγμα δε καταλαβαίνω πώς πρέπει να το κάνω..δήλαδη την πρόβλεψη

Πόσες προηγούμενες τιμές θα χρσηιμοποιήσω και που θα της εισάγω...

Τέσπα

 

[Cyberkat]

Πράγματι με το momentum βγαίνει πολύ εύκολα.
Όλο το πρωι προσπαθούσα με regression και δεν κατάφερα να μειώσω το σφάλμα κάτω από 0.1.
ΝΙΝJA αυτό πρέπει να γίνεται με βάση τα βάρη που έχεις υπολογίσει. Δεν το δοκίμασα ακόμη.
Αν το καταφέρω, θα επανέλθω...

[Cyberkat]

Από ότι κατάλαβα εγώ για να βρούμε τις τιμές των επόμενων χρονικών στιγμών κάνουμε το εξής:
1. Ο πίνακας z=load('yvalues.dat') περιέχει τις 100 πρώτες τιμές που μας δίνονται.
Ο πίνακας ΝWo που προκύπτει από την εκπαίδευση περιέχει τα βάρη για αυτές τις τιμές.
2.Επιλέγουμε να προβλέψουμε για παράδειγμα με βάση τα 5 παρελθόντα δείγματα. Έτσι για την χρονική στιγμή 101 θα έχουμε
z(101)= [z(96)*NWo(96)+z(97)*NWo(97)+...+z(100)*NWo(100)]/5
Συμφωνείτε με αυτό?

[poly1]

Από ότι κατάλαβα εγώ για να βρούμε τις τιμές των επόμενων χρονικών στιγμών κάνουμε το εξής:
1. Ο πίνακας z=load('yvalues.dat') περιέχει τις 100 πρώτες τιμές που μας δίνονται.
Ο πίνακας ΝWo που προκύπτει από την εκπαίδευση περιέχει τα βάρη για αυτές τις τιμές.
2.Επιλέγουμε να προβλέψουμε για παράδειγμα με βάση τα 5 παρελθόντα δείγματα. Έτσι για την χρονική στιγμή 101 θα έχουμε
z(101)= [z(96)*NWo(96)+z(97)*NWo(97)+...+z(100)*NWo(100)]/5
Συμφωνείτε με αυτό?

ναι κ γω έτσι το σκέφτηκα.

[Cyberkat]

Αλλά από την άλλη αν είναι έτσι, για να βρούμε το z(102) χρειαζόμαστε το βάρος του z(101) το οποίο δεν έχουμε.
Καμιά άλλη ιδέα???

[Netgull]

Το με πόσα παρελθόντα σημεία θα προβλέψεις το επιλέγεις από την αρχή και είναι ο αριθμός των εισόδων του νευρωνικού. Έστω ότι επιλέγεις 3 σημεία, οπότε το νευρωνικό θα παίρνει τις 3 προηγούμενες εξόδους και θα σου βγάζει την επόμενη. Έστω τώρα ότι το εκπαιδεύεις με τα πρώτα 100 δείγματα. Από αυτή την εκπαίδευση θα καταλήξεις στους πίνακες βαρών έστω NWh και NWo.

Αφού τελείωσε πλέον η εκπαίδευση αυτοί οι πίκανες είναι σταθεροί. Δεν υπάρχει NWh(96) και NWo(100). Υπάρχει ένα νευρωνικό δίκτυο με βάρη NWh και NWo, το οποίο παίρνει 3 εισόδους.

Βάζοντας λοιπόν σαν είσοδο τις τιμές y(98),y(99) και y(100) θα πάρεις στην έξοδο την πρόβλεψη για την y(101). Από το νευρωνικό με βάρη NWh και NWo. Ούτε μέσοι όροι ούτε τπτ. Μετά θα βάλεις σαν εισόδους τα y(99),y(100) και y(101) (όπου y(101) αυτή που υπολόγισες πριν) και θα πάρεις στην έξοδο την y(102) κοκ.

[Cyberkat]

Ναι αλλά σε ποια συνάρτηση θα δώσω τις τρεις εισόδους? Στην feval?

[Netgull]

Ναι.
Πώς υπολογίζει  τα Actual Outputs;
Ε έτσι ακριβως.

Ζ=feval(Fh,NWh*in,NBh)
out=feval(Fo,NWo*Z,NBo)

[poly1]

ναι μου βγηκε! γιουπι!!!

σευχαριστουμε Νετγκαλ!!!!

σευχαριστουμε πολυ! 

 

[Cyberkat]

Ναι παίδες thanks σε όλους για τις συμβουλές!