[Aσαφή συστήματα] Εργασίες

[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

[Maylo]

Απλά δεν βλέπω σε ποιά συνάρτηση μπορείς να χρησιμοποιήσεις τον αριθμό τον clusters σαν παράμετρο δική σου . Η genfis2 δεν δίνει αυτήν την δυνατότητα, ενώ αν παίξεις με το rad όντως δίνει διαφορετικό αριθμο clusters . Αυτό είναι και το θέμα , δηλαδή να κάνεις ομαδοποίηση τα inputs σου. Ίσως ξέχασαν να το προσθέσουν στην εκφώνηση:?!?!?!;. Δηλαδή στο gridSearch μου αντί για ΝR = [ 4 8 12 16 20] , έβαλα NRad = [ 0.3 0.6 0.9] .

Για το 2ο ερώτημα τι λέτε;

Edit : Καλά ό,τι να ναι , έχει έτοιμη συνάρτηση το Matlab relieff() 

[Vlassis]

Απλά δεν βλέπω σε ποιά συνάρτηση μπορείς να χρησιμοποιήσεις τον αριθμό τον clusters σαν παράμετρο δική σου . Η genfis2 δεν δίνει αυτήν την δυνατότητα, ενώ αν παίξεις με το rad όντως δίνει διαφορετικό αριθμο clusters . Αυτό είναι και το θέμα , δηλαδή να κάνεις ομαδοποίηση τα inputs σου. Ίσως ξέχασαν να το προσθέσουν στην εκφώνηση:?!?!?!;. Δηλαδή στο gridSearch μου αντί για ΝR = [ 4 8 12 16 20] , έβαλα NRad = [ 0.3 0.6 0.9] .

το user_centers είναι ένα από τα options του genfis2, γι'αυτό το λέω  
user_centers is an optional matrix for specifying custom cluster centers. user_centers has a size of J-by-N where J is the number of clusters and N is the total number of inputs and outputs.

edit: μαλακια ελεγα τελικα, γιατι ετσι οριζα και τα κεντρα ισα με 0, κατι που μαλλον δεν θελουμε

[Kthulu]

Στη 2η εργασία με το αυτοκινητάκι, πρέπει κάπως να καθοδηγήσουμε το αντικείμενο για να φτάσει στον προορισμό του, ή πρέπει να πειραματιστούμε με τους κανόνες του ελεγκτή, έτσι ώστε να τείνει να κινηθεί προς τα δεξιά και να "κολλάει" κάπως στα εμπόδια μέχρι να φτάσει στο επιθυμητό χ;

[fanaks]

Στη 2η εργασία με το αυτοκινητάκι, πρέπει κάπως να καθοδηγήσουμε το αντικείμενο για να φτάσει στον προορισμό του, ή πρέπει να πειραματιστούμε με τους κανόνες του ελεγκτή, έτσι ώστε να τείνει να κινηθεί προς τα δεξιά και να "κολλάει" κάπως στα εμπόδια μέχρι να φτάσει στο επιθυμητό χ;

Το δεύτερο,πρέπει να διαμορφώσεις την βάση κανόνων μόνος σου και να πειραματιστείς μέχρι να κάνει αυτό που θες,δηλαδή θα πρέπει να σκεφτείς τους συνδυασμούς των εισόδων και να πεις,πχ όταν γωνία ΖΕ και κάθετη απόσταση L και οριζόντια απόσταση L τότε έξοδος ZE.Βέβαια όταν το τρέξεις θα δεις τι δεν πάει καλά θα πρέπει να ξανά αλλάξεις κάποιους από τους κανόνες.Από προσωπική εμπειρία θα σου έλεγα να μην προσπαθήσεις να γενικεύσεις πολύ το πρόβλημα όταν θα γράφεις τους κανόνες,απλά να κάνει αυτό που ζητείται και να φτάνει στο σημείο που θέλουμε. Όταν φτιάξεις την βάση έτσι ώστε το όχημα να φτάνει κοντά στο σημείο,μετά θα παίξεις λίγο με την μορφή των συναρτήσεων κατανομής για να το πας όσο πιο κοντά γίνεται,δηλαδή δεν θα πάει κατευθείαν εκεί που θες μόνο με τους κανόνες.Ελπίζω να σε βοήθησα λίγο στην διαδικασία.

[Kthulu]

Ναι βοήθησες! σε ευχαριστώ πολύ

[Vlassis]

Στην εργασια 3, εχει κανεις το παρακατω error μετα την anfis και να το εχει λυσει;

Error using evalfismex
Illegal parameters in fisGaussianMF() --> sigma = 0

Error in evalfis (line 83)
[output,IRR,ORR,ARR] = evalfismex(input, fis, numofpoints);

Error in grid_search (line 135)
            output = evalfis(validation_data(:, ranks(1:NF(f))), FIS);

[fanaks]

Στην εργασια 3, εχει κανεις το παρακατω error μετα την anfis και να το εχει λυσει;

Ναι,μου το έβγαζε για NF = 3 και πολύ μικρή ακτίνα,δηλαδή πολλούς κανόνες,εγώ απλά ξεκίνησα με NF = 4 ,δεν το πολύ παίδεψα περισσότερο.

[Vlassis]

Ναι,μου το έβγαζε για NF = 3 και πολύ μικρή ακτίνα,δηλαδή πολλούς κανόνες,εγώ απλά ξεκίνησα με NF = 4 ,δεν το πολύ παίδεψα περισσότερο.

Οκκ,ευχαριστώ 

Επίσης, είναι λογικό με το grid search να βγαζω καποιες τιμες για τον αριθμο των κανονων και των χαρακτηριστικων, αλλα με αυτες τις τιμες, στο τελικο μοντελο να μην παιρνω καλα αποτελεσματα; 

[fanaks]

Οκκ,ευχαριστώ 

Επίσης, είναι λογικό με το grid search να βγαζω καποιες τιμες για τον αριθμο των κανονων και των χαρακτηριστικων, αλλα με αυτες τις τιμες, στο τελικο μοντελο να μην παιρνω καλα αποτελεσματα; 

Γίνε λίγο πιο συγκεκριμένος στα καλά αποτελέσματα,όσον αφορά τους συντελεστές που ζητάει τι νούμερα παίρνεις ας πούμε. Γενικά εξαρτάται από τις μεταβλητές που θα βάλεις στο grid search. Εμένα γενικά μου βγαίνουν καλά αποτελέσματα (R περίπου 0.9) ,για μεγάλο αριθμό χαρακτηριστικών και μεσαίο αριθμό κανόνων,δεν θυμάμαι τώρα ακριβώς νούμερο,γύρο στο 15 και τα δύο.
Επίσης τι χρόνους έχετε για τις διαδικασίες,ας πούμε για το grid search εμένα μου παίρνει καλά 5λεπτο,είναι φυσιολογικό?

[Vlassis]

Επίσης τι χρόνους έχετε για τις διαδικασίες,ας πούμε για το grid search εμένα μου παίρνει καλά 5λεπτο,είναι φυσιολογικό?

για ποσες εποχες το τρεχεις; γιατι εγω για 120 εποχες και 5-fold cross validation, παίρνει πολύ, 1ώρα+ σίγουρα, γιατί όσο αυξάνονται rules και features αργει αρκετα 

[fanaks]

για ποσες εποχες το τρεχεις; γιατι εγω για 120 εποχες και 5-fold cross validation, παίρνει πολύ, 1ώρα+ σίγουρα, γιατί όσο αυξάνονται rules και features αργει αρκετα 

Εγώ το τρέχω για 5 εποχές,ακριβώς για αυτό τον λόγο,επειδή κάνει πολύ ώρα,παρατήρησα ότι γενικά και για διαφορετικό αριθμό εποχών πχ 10 20 μου έβγαινε το ίδιο μοντέλο ως το καλύτερο,τώρα για πολύ μεγάλο αριθμό να πω την αλήθεια δεν το δοκίμασα γιατί έκανε πολύ ώρα.

[Dojos]

Τους έστειλα μειλάκι και απάντησα το εξής:

"για να υλοποιήσετε τον COS αποασαφοποιητή θα πρέπει να γράψετε μια custom συνάρτηση η οποία θα δέχεται ως ορίσματα δύο διανύσματα, το πρώτο από τα οποία είναι ένα διάνυσμα με τις τιμές του input range της συνάρτησης συμμετοχής και το δεύτερο, ένα διάνυσμα με τις τιμές συμμετοχής στα αντίστοιχα σημεία του πρώτου διανύσματος.
Μπορείς να χρησιμοποιήσεις το gui αν θες, στην επιλογή για Defuzzification πατάς custom και δίνεις το όνομα της συνάρτησης που έγραψες. Την εξαγωγή των δεδομένων και το πέρασμά τους στην custom συνάρτηση την αναλαμβάνει το matlab εσωτερικά, δεν χρειάζεται να κάνεις εσύ κάτι.
"

Χμμμμ δεν αναφέρει όμως πως θα πάρεις ξεχωριστά την έξοδο κάθε κανόνα αντί για τη συνολική έξοδο που βγάζει το aggregation 
Και στο documentation της matlab δεν βλέπω να έχει τίποτα σχετικό.

[Cern O' Bill]

Χμμμμ δεν αναφέρει όμως πως θα πάρεις ξεχωριστά την έξοδο κάθε κανόνα αντί για τη συνολική έξοδο που βγάζει το aggregation 
Και στο documentation της matlab δεν βλέπω να έχει τίποτα σχετικό.

ξεκινα με function defuzzfun = COS(xmf,ymf), οπου xmf είναι ολος ο αξονας των x σου και ymf οι τιμες των mfs για τα σχετικα xmf...κανε plots και θα καταλαβεις τι εννοω...θα σου ελεγα περισσοτερα αλλα θα καταληξουμε στην ιδια λυση και ο ταξιαρχος ειναι κομματακι λαγωνικο

[kokkinos drakos ths zhxal]

στην πρωτη εργασια μου δινει στις εισοδους απο 7 λεκτικες μεταβλητες και στην εξοδο 9.
τελικα δεν θα προκυψει ενας 7*7 πινακας χωρις να εμφανιστουν οι αλλες δυο μεταβλητες?

[stavrospc]

Επιπλέον ερώτηση για την 3η εργασία , μας λέει ο αριθμός των features να είναι 3,9,15,21 .
Υποθέτω για 3 features δεν χρειάζεται να χρησιμοποιήσουμε subtractive clustering,  δηλαδή στην τελική genfis1 αντι για 2.
Για τους υπόλοιπους αριθμούς πρέπει να εφαρμόσουμε τον Relief με σκοπό να βρούμε "ποία από τα 9 ,15,21 των 32 features". Ο Relief  όμως στηρίζεται στο class του output , άρα πρέπει εμείς να κάνουμε ΚΑΙ classification στο dataset (training), σωστά;

Όντως θέλει genfis1 για τα 3 features; Δηλαδή, λογικό μου ακούγεται να είναι πιο αποδοτικό αυτό, αλλά δεν αντιτίθεται στη λογική του "βρίσκω το βελτιστο ζευγάρι παραμέτρων για Subtractive Clustering"; Εκτός αν εφαρμόσουμε genfis1 και πάλι στο τελικό μοντέλο στην περίπτωση που ο βέλτιστος αριθμός χαρακτηριστικών είναι 3. Όμως ζητάει να εφαρμόσουμε Subtractive Clustering στο τελικό μοντέλο... εκτός αν είναι σίγουρος ότι το βέλτιστο NF δε θα είναι ποτέ 3 !