Task2006 _ Exercise 1... :)

[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!

[Admins]

Για αλλαγή του public name σας, επικοινωνήστε με έναν από τους Admins.

[Turambar]

Λοιπόν, για την πρώτη εργασία....

Χρησιμοποιήσαμε τον trainbpa.
με 10 νευρώνες στο πρώτο κρυφό στρώμα
και 8 στο δεύτερο
και logsig

err_goal = 0.08
lr = 0.03
lr_inc = 1.2
lr_dec = 0.5



Το σφάλμα δεν πέφτει κάτω από 1. Γιατί βρε παιδιά;
Μήπως δε πειράζει τόσο μεγάλο σφάλμα, με τις στρογγυλοποιήσεις γενικά είμαι καλά....


καιγόμαστε....

[MihalisK]

Στις πόσες εποχές έχεις σφάλμα κοντά στη μονάδα?

[Turambar]

αφήνουμε το πρόγραμμα να τρέξει 40000 εποχές... παραπάνω (ή μήπως ήδη) έχουμε υπερεκπαίδευση???

[MihalisK]

Δεν έχει να κάνει. Ακόμα κι αν γινόταν υπερεκπαίδευση το SSE στο δείγμα εκπαίδευσης θα έπρεπε να είναι μικρό. Και στο δικό μας πάντως το σφάλμα μετά από 50000 μετα βίας πέφτει κάτω από δέκα. Ίσως όμως να μην πειράζει, αφού SSE=20 σημαίνει περίπου 5% σφάλμα στην ταξινόμηση. Άρα αν έχεις καμμιά 40ρια δείγματα ελέγχου το πολύ να σου βγάλει 3-4 λάθη.

[Turambar]

Thanx MihalisK. Μας έβγαλες από άσκοπους προβληματισμούς...

άντε να δούμε τι θα κάνουμε τώρα

[nad]

Καλέ!!! Βοηθήστε κι εμάς γιατί χανόμαστε... :'(   :'(   :'(
Θέλω την πολύτιμη συμβουλή σας. Λοιπόν, θα σας περιγράψω τη διαδικασία που ακολουθήσαμε για να μετατρέψουμε τα δεδομένα σε αριθμό και στη συνέχεια να εκπαιδεύσουμε.
Βάζουμε τα δεδομένα σε πίνακα. Σε ό, τι αφορά στα ονόματα κρατάμε τους 4 πρώτους χαρακτήρες, γιατί αυτοί είναι διαφορετικοί, και τους μετατρέπουμε με τη double σε αριθμούς. Συνενώνουμε όλες τις στήλες των αριθμών που αντιστοιχούν στους χαρακτήρες και παίρνουμε για κάθε σειρά έναν αριθμό. Με βάση τις 8 εισόδους που προκύπτουν πραγματοποιούμε την εκπαίδευση.
Μέχρι εδώ, βρίσκετε κάτι λάθος;
Βοηθήστε συνάνθρωποι!!!!!!!!!!!!!!!!!!!!!!

[poly1]

Δυστυχώς δεν έχω ασχοληθεί εγώ ιδιαίτερα με το πρώτο κομμάτι κ δε μπορώ να σε βοηθήσω.. 

Μπορεί κάποιος να μου πεί ποιόν αλγόριθμο χρησιμοποιεί τελικά? και πόσα δείγματα παίρνει για εκπαίδευση???

THANK U 

[Scopeng]

Λοιπόν, για την πρώτη εργασία....

Χρησιμοποιήσαμε τον trainbpa.
με 10 νευρώνες στο πρώτο κρυφό στρώμα
και 8 στο δεύτερο
και logsig

err_goal = 0.08
lr = 0.03
lr_inc = 1.2
lr_dec = 0.5



Το σφάλμα δεν πέφτει κάτω από 1. Γιατί βρε παιδιά;
Μήπως δε πειράζει τόσο μεγάλο σφάλμα, με τις στρογγυλοποιήσεις γενικά είμαι καλά....


καιγόμαστε....

Τι έγινε βρε Turambar, βρήκες καμία άκρη;;;;

[Turambar]

Ναι, ανέλαβα το τρίτο μέρος της εργασίας....
γιατι σε αυτά δε σκαμπάζω από ότι κατάλαβα...

[nad]

Στην 1η άσκηση ζητάει κάποια δεδομένα να τα έχουμε σε φάκελο .dat. Πως γίνεται αυτό; Πως μπορούμε να μετατρέψουμε ένα αρχείο .mat σε αρχείο  .dat; 

ΣΑΣ ΠΑΡΑΚΑΛΩ ΑΠΑΝΤΗΣΤΕ ΜΟΥ ΓΡΗΓΟΡΑ

[poly1]

save A.dat A -ascii ;

A = (όνομα πίνακα στο workspace)

 

[nad]

Ninjούλα είσαι τέλεια!!!!!!!!!!!!!!!!!   

[poly1]

Ninjούλα είσαι τέλεια!!!!!!!!!!!!!!!!!   

χαχαχαχα I know..

[Scopeng]

save A.dat A -ascii ;

A = (όνομα πίνακα στο workspace)

 

να'σαι καλά ρε'συ!!! και εμείς είχαμε αυτό το πρόβλημα!!!!