Ευφυή Συστήματα Ρομπότ ΘΕΜΑ 2006-07

[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!

Για ανανέωση (ή προσθήκη νέου) avatar, πρέπει η μεγαλύτερη διάσταση της εικόνας να είναι 110 pixels.

[abc]

Thanks abc!

Δεν έχουμε πρόβλημα με το mse (τουλάχιστον για τα κανονικοποιημένα δεδομένα) αλλά με το τελικό σφάλμα που παίρνει τιμές από -3.5 έως 3.5 (αφού αποκανονικοποιήσουμε και τα targets και τα inputs - στην ουσία αυτό μας ενδιαφέρει)

Για πρόβλεψη t+5,t+8 και μεις έχουμε τόσο μεγάλο σφάλμα αλλά τοπικά.
Για τις πιο βραχυπρόθεσμες προβλέψεις νομίζω ότι το σφάλμα δε ξεπερνά το +-1

[Amper]

Βασικα μπορεί κάποιος να εξηγήσει γιατί χρειάζεται η κανονικοποίηση στα δεδομένα εισόδου;

[simone]

στο δεύτερο θέμα

 αλλάζουμε πόσες παρελθοντικές τιμές θα πάρουμε ανάλογα με το Τ( =0 2 5 8 παίρνουμε 4 δίκτυα με παρελθοντικές  ? 2 5 8  )

ή χρησιμοποιουμε στάνταρ παρελθοντικές τιμές π.χ. 5 και προβλέπουμε από 1500 εώς 1508 και κραταμε μόνο 0 2 5 8

ο Σύρρης είχε στο τελευταίο εργαστήριο ότι πρέπει να πάρουμε 4 διαφορετκά νευρωνικά για κάθε περίπτωση...αλλά τι εννοεί??

[JAs0n-X]

Βασικα μπορεί κάποιος να εξηγήσει γιατί χρειάζεται η κανονικοποίηση στα δεδομένα εισόδου;

Ενας λογος ειναι οτι μπορεις να χρησιμοποιησεις οτι συναρτηση εξοδου θελεις (και οχι μονο Purelin).
Αν ξερει κανεις και κανενα αλλο ας τον αναφερει.

στο δεύτερο θέμα

 αλλάζουμε πόσες παρελθοντικές τιμές θα πάρουμε ανάλογα με το Τ( =0 2 5 8 παίρνουμε 4 δίκτυα με παρελθοντικές  ? 2 5 8  )

ή χρησιμοποιουμε στάνταρ παρελθοντικές τιμές π.χ. 5 και προβλέπουμε από 1500 εώς 1508 και κραταμε μόνο 0 2 5 8

ο Σύρρης είχε στο τελευταίο εργαστήριο ότι πρέπει να πάρουμε 4 διαφορετκά νευρωνικά για κάθε περίπτωση...αλλά τι εννοεί??

Απ οτι καταλαβα εννοει ενα νευρωνικο δικτυο για καθε περιπτωση.
Δλδ ενα νευρωνικο για προβλεψη στο Τ=0, ενα αλλο για Τ=2 κ.ο.κ.

[lars]

Ένα νευρωνικό δίκτυο ανά περίπτωση εννοεί, όπως είπε και ο Jason.

Μια άλλη ερώτηση που έχω εγώ είναι:
στο δεύτερο θέμα χρειάζεται και κανένα validation set?? Δηλαδή να κάνουμε την πρόβλεψη με βάση τις πρώτες 1480 τιμές και να τεστάρουμε τις υπόλοιπες? Δε ξέρω αν σε αυτές τις περιπτώσεις υπάρχει το ενδεχόμενο γενίκευσης και πρέπει να το δοκιμάσουμε..

[simone]

Στην αρχή μπορείς να χρησιμοποιήσεις κάποιο validation set και να πειραματιστείς για καλύτερα αποτελέσματα αλλά στο τελικο σου πρόγραμμα πρεπει να κάνεις training για όλα τα δεδομένα...

[KillBill]

Απ οτι καταλαβα εννοει ενα νευρωνικο δικτυο για καθε περιπτωση.
Δλδ ενα νευρωνικο για προβλεψη στο Τ=0, ενα αλλο για Τ=2 κ.ο.κ.
[/quote]

Δηλαδή, αν για την προβλεψη του t χρησιμοποιούμε 4 παρελθοντικες τιμες για το t+2 θα πρεπει να χρησιμοποιησουμε τις ιδιες 4 (t-1, t-2, t-3, t-4) + την προβλεψη για το t + την προβλεψη για το t+1 ?

[lars]

Όχι, απλά στο ένα νευρωνικό για Τ=0 θα υπολογίζεις την x3(t) από τις xi(t-1), xi(t-2), xi(t-3), xi(t-4) , i =1,2,3
στο δεύτερο θα υπολογίζεις την x3(t+2) από τις ίδιες xi(t-1),xi(t-2),xi(t-3),xi(t-4) κ.ο.κ.
(δηλαδή στην πρώτη περίπτωση υπολογίζεις τις x3(5:1500) από τις xi(4:1499), xi(3:1498), xi(2:1497), xi(1:1496) ενώ στη δεύτερη περίπτωση υπολογίζεις τις x3(7:1500) από τις ίδιες  xi(4:1497), xi(3:1496), xi(2:1495), xi(1:1494) )
Αν έχω κάπου λάθος, ας με διορθώσει κάποιος

[chronus]

Παιδιά, για το 1ο θέμα, κοιτάξαμε τις τιμές για τα κρασιά από το internet και τις συγκρίναμε με τις δικιές μας. Κάθε φορά έβγαζε μία συγκεκριμένη τιμή λάθος. Συγκεκριμένα, οι τιμές που παίρνουμε κατά σειρά για το wine_test.dat είναι :

1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3

ή 11x 1 16 x 2  8 x 3   


Σύμφωνα με τα δεδομένα του internet το τελευταίο δυαράκι της σειράς θα έπρεπε να είναι τρία. Για να το παίξουμε έξυπνοι, βάλαμε τα αντίστοιχα δεδομένα για αυτήν την τιμή (με target output 3) από το wine_test στο wine_train και εκπαιδεύσαμε τη συνάρτηση. Το αποτέλεσμα : 9% correct στο validation.  Οπότε μάλλον κάτι παίζει με αυτή τη τιμή... Ίσως να είναι λάθος το αποτέλεσμα του internet.

[dictator23]

Και μενα τα ιδια βγαζει με σενα chronus.Τεσπα οτι ειναι να γινει εγινε τωρα.

[Tsihiro]

Παιδια μετα τα νεοτερα οπως καταλαβατε πρεπει να τα κανουμε ολα με traingd ή gda ή gdm.

Για ποιο λόγο?Εγώ χρησιμοποιησα την trainrp και τρέχει μια χαρά.Είναι εντολή του Πετρίδη?

[lars]

Αυτές διδάχθηκαν στο εργαστήριο και ο Πετρίδης είπε ότι μπορείς να εκπαιδεύσεις το δίκτυο με όποια συνάρτηση θες αλλά αυτό θα είναι extra, θέλει στάνταρ μια εκπαίδευση με αυτές τις τρεις.
Τώρα, μην το ψάχνεις και πολύ με αυτόν τον καθηγητή

[Tsihiro]

 :DΣτην εργασία με τους ανέμους,οι πρώτες μετρησεις είναι οι πιο παλιές και οι τελευταίες οι πιο πρόσφατες ή το αντίθετο ή είναι αδιάφορο?

  :DΕπίσης χρησιμοποιούμε τεστ σετ κανονικά όπως και στην άσκηση με τα κρασιά,εεε?


Τρίτη και τελευταία ερώτηση :αρκεί να ελέγξουμε την ορθότητα του αποτελέσματος μόνο από το σφάλμα που προκύπτει?

Ή χρειάζεταιι απο τα δείγματα που μας δίνονται να κρατησουμε μερικά για το σετ εκπαιδευσης και μερικά για επαλήθευση?όπως έγινε στην άσκηση με τα κρασιά, μας δόθηκε wine_test για να κάνουμε sim με το νευρωνικό δίκτυο που δημιουργήσαμε.

Thank you! 

[JAs0n-X]

Η δευτερη και τριτη σου ερωτηση νομιζω ειναι μια και η απαντηση ειναι καταφατικη.
Θα χωρισεις τα δεδομενα σου σε τεστ σετ και ντατα σετ. Ο τροπος που θα τα χωρισεις παιζει και αυτος ρολο.

[Kazaubon]

To σφάλμα στην 2η εργασία με τους ανέμους πόσο περίπου πρέπει να βγαίνει?Εμένα μου βγαίνει κοντα στο 0.0026,θεωρείται μεγάλο?
Έπειτα η εντολή sim δεν μου δίνει καλά αποτελέσματα και σκέφτομαι μήπως φταίει το error.