[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!

[ονόματα των αρχείων]

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads

με προσοχή στα ονόματα των αρχείων!

[dinis]

Παιδιά έχω κάποιες απορίες στην 1η εργασία.

Στο Fuzzy Logic Designer για αποασαφοποιητή COA επιλέγουμε στο Aggregation το Max ενώ για αποασαφοποιητή COS επιλέγουμε το Sum ?

Για την επιλογή των Κe, Κ και α για την πρώτη δοκιμή υπάρχουν συγκεκριμένοι τύποι. Μετά στο tunning τα αλλάζουμε όπως θέλουμε αρκεί να μην βγει ασταθές το σύστημα και το Ke να μην είναι πολύ μεγάλο ή υπάρχει κάποιος κανόνας (πχ στις σημειώσεις λέει ότι πρέπει το γινόμενο KeK να είναι σταθερό αλλά κάτι τέτοιο δεν ισχύει ούτε και ο λόγος μένει σταθερός).

Στους κανόνες βάσεις έχω 9 λεκτικές τιμές για το Ε και το dE και 7 για την έξοδο U. Πχ στην πρώτη γραμμή θα έχω:
 ZR PS PM PL PL PL ..
ή θα πρέπει να το μοιράσω κάπως έτσι
ZR PS PS PM PM PL PL ...
μιας και το μέγιστο στην έξοδο δεν είναι το PV αλλά το PL

[yolanda]

Ρε παιδια στην εργασία 4 στο δευτερο μερος με το dataset υψηλης διαστασημότητας, βγάζω στο Error Matrix καποιες τιμες oι οποιες κατα κυριο λογο είναι ιδιες και ολα τα υπολοιπα μηδενικα. Γενικα βγαζω OA =0.0385, k =0.0016 και πολλες NaN τιμες στα UA και PA....
ειναι φυσιολογικο;

[shaeliss]

Παιδιά στην 3η εργασία όταν προσπαθώ να κάνω train το fis, παίρνω αυτό το μήνυμα:

Illegal parameters in fisGeneralizedBellMf() --> a = 0

Μήπως ξέρει κάποιος τι φταίει;

[feugatos_#]

Παιδιά στην 3η εργασία όταν προσπαθώ να κάνω train το fis, παίρνω αυτό το μήνυμα:

Illegal parameters in fisGeneralizedBellMf() --> a = 0

Μήπως ξέρει κάποιος τι φταίει;

Πιθανότατα δίνεις μικρές τιμές radii που δημιουργούν προβλήματα στις υπόλοιπες συναρτήσεις του Fuzzy Toolbox. Αν πας στις προηγούμενες σελίδες έχει συζητηθεί το θέμα.

[shaeliss]

Ευχαριστώ!

Δεν το είχα προσέξει.

Μήπως υπάρχει κάποιο καλό βοηθητικό υλικό εκτός από τις σημειώσεις από το ethmmy που μπορώ να διαβάσω και να αφορά την 3η και 4η εργασία;

[00128419]

Παιδιά τι overall accuracy βγάζετε για το τελικο TSK μοντέλο που εκπαιδεύετε στο 2ο κομμάτι της 4ης εργασίας; Εγώ δεν μπορώ να ξεπεράσω το 10% και πάλι έχω το γνωστό πρόβλημα με τις μεγαλύτερες τιμές των παραμέτρων που δίνει

[feugatos_#]

Παιδιά τι overall accuracy βγάζετε για το τελικο TSK μοντέλο που εκπαιδεύετε στο 2ο κομμάτι της 4ης εργασίας; Εγώ δεν μπορώ να ξεπεράσω το 10% και πάλι έχω το γνωστό πρόβλημα με τις μεγαλύτερες τιμές των παραμέτρων που δίνει

Μια από τα ίδια

[georgopk]

Στην τρίτη εργασία με genfis2 πως επιλέγουμε τις τιμές radii?
Παίρνω τυχαία κάποιες τιμές ή αποτελεί ζητούμενο να βρώ αυτές τις τιμές?? 

(αν έχει ήδη συζητηθεί, πείτε μου σε ποια σελίδα γιατί στις τελευταίες σελίδες δε βρήκα απάντηση)

[Μπιγκόνια]

Απάντηση  στην ερώτηση :

Όσοι έχετε subtractive clustering (genfis2) αντί για fcm (genfis3) δεν γίνεται να καθορίσετε εκ των προτέρων των αριθμό των κανόνων που θα προκύψουν. Αντ'αυτού, πρέπει να δοκιμάσετε διαφορετικές τιμές της ακτίνας (παράμετρος στο subtractive clustering που καθορίζει την εμβέλεια ενός cluster). Δώστε 4-5 τιμές σε αυτή την ακτίνα ώστε να προκύπτει κάθε φορά διαφορετικός αριθμός κανόνων. Απλά αποφύγετε να δώσετε πολύ μικρές τιμές διότι σε αυτή την περίπτωση ο αριθμός των κανόνων θα προκύψει τεράστιος και ο χρόνος εκτέλεσης θα είναι απαγορευτικός.

Καλή συνέχεια,
Χαδουλός Χρήστος

[KG8]

Ποια συμπεράσματα μπορούμε να εξάγουμε σχετικά με την επικάλυψη των προβολών των ασαφών συνόλων κάθε cluster στις αντίστοιχες εισόδους όσον αφορά την ενεργοποίηση των κανόνων;

Αυτό το ρωτάει στην 4η εργασία. Κατάλαβε κανείς τι εννοεί και τι θέλει να σχολιάσουμε;

[vag178]

Στο 2ο κομμάτι της 4ης εργασίας όλα τα μοντέλα για όλες τις παραμέτρους δεν εκπαιδεύονται και έχουν καμπύλες μάθησης παρόμοιες με την συνημμένη. Δεν επιστρέφουν ΝΑΝ απλά για κάποιο λόγο συμβαίνει αυτό και το αποτέλεσμα είναι πάντα στο διάστημα [-1,1]. Συμβαίνει σε κανέναν άλλο ή συνάντησε κάτι παρόμοιο;

[georgopk]

Απάντηση  στην ερώτηση :

Όσοι έχετε subtractive clustering (genfis2) αντί για fcm (genfis3) δεν γίνεται να καθορίσετε εκ των προτέρων των αριθμό των κανόνων που θα προκύψουν. Αντ'αυτού, πρέπει να δοκιμάσετε διαφορετικές τιμές της ακτίνας (παράμετρος στο subtractive clustering που καθορίζει την εμβέλεια ενός cluster). Δώστε 4-5 τιμές σε αυτή την ακτίνα ώστε να προκύπτει κάθε φορά διαφορετικός αριθμός κανόνων. Απλά αποφύγετε να δώσετε πολύ μικρές τιμές διότι σε αυτή την περίπτωση ο αριθμός των κανόνων θα προκύψει τεράστιος και ο χρόνος εκτέλεσης θα είναι απαγορευτικός.

Καλή συνέχεια,
Χαδουλός Χρήστος

θενκςςς

[leukosaraphs!]

Ποια συμπεράσματα μπορούμε να εξάγουμε σχετικά με την επικάλυψη των προβολών των ασαφών συνόλων κάθε cluster στις αντίστοιχες εισόδους όσον αφορά την ενεργοποίηση των κανόνων;

Αυτό το ρωτάει στην 4η εργασία. Κατάλαβε κανείς τι εννοεί και τι θέλει να σχολιάσουμε;

εγω παρατήρησα στο error matrix (η αλλιως confusion matrix), που συγκεντρωνονταν οι predicted κλασεις του μοντελου. Ηταν καπου στο κεντρο του πινακα, με τις κλασεις στις ακρες να μην εχουν σχεδον ουτε ενα prediction. Αρα ειπα οτι δεν υπαρχει ομοιομορφη κατανομη των ασαφων συνολων.

Στο 2ο κομμάτι της 4ης εργασίας όλα τα μοντέλα για όλες τις παραμέτρους δεν εκπαιδεύονται και έχουν καμπύλες μάθησης παρόμοιες με την συνημμένη. Δεν επιστρέφουν ΝΑΝ απλά για κάποιο λόγο συμβαίνει αυτό και το αποτέλεσμα είναι πάντα στο διάστημα [-1,1]. Συμβαίνει σε κανέναν άλλο ή συνάντησε κάτι παρόμοιο;

Θα υποθεσω οτι μιλας για το grid Search.
Δεν εκτυπωσα το Error ποτε, εβλεπα μονο την τιμη που υπολογιζα (την μεση τιμη των 5 folds). Αρα πολυ πιθανον να εβγαινε κατι τετοιο και απλα να μην το πηρα χαμπαρι. Επιπλεον, οχι (οπως και στο πρωτο κομματι) το μοντελο δεν μπορει να εκπαιδευτει. {Φαινεται καλυτερα αν αλλαξεις μετρικη απο το σφαλμα και υπολογιζεις πχ το Overall Accuracy (το πολυ 15%) ή οποιαδηποτε αλλη στατιστικη παραμετρο}

[vag178]

Θα υποθεσω οτι μιλας για το grid Search.
Δεν εκτυπωσα το Error ποτε, εβλεπα μονο την τιμη που υπολογιζα (την μεση τιμη των 5 folds). Αρα πολυ πιθανον να εβγαινε κατι τετοιο και απλα να μην το πηρα χαμπαρι. Επιπλεον, οχι (οπως και στο πρωτο κομματι) το μοντελο δεν μπορει να εκπαιδευτει. {Φαινεται καλυτερα αν αλλαξεις μετρικη απο το σφαλμα και υπολογιζεις πχ το Overall Accuracy (το πολυ 15%) ή οποιαδηποτε αλλη στατιστικη παραμετρο}

Για το τελικό μοντέλο λέω. Από το γράφημα φαίνεται ότι το validation error δεν μεταβάλετε σημαντικά οπότε το μοντέλο δεν βελτιώνεται κατά την εκπαίδευση. Αυτό φαίνεται από το αποτέλεσμα όπου όλα ταξινομούνται στη κλάση 1 επειδή τα αποτελέσματα του μοντέλου είναι στο διάστημα [-1,1].

Το πρόβλημα είναι ότι δεν εκπαιδεύεται κανένα μοντέλο (τα δοκίμασα όλα σχεδόν) και έχουν την συμπεριφορά που περιέγραψα παραπάνω.

[leukosaraphs!]

Αυτό φαίνεται από το αποτέλεσμα όπου όλα ταξινομούνται στη κλάση 1 επειδή τα αποτελέσματα του μοντέλου είναι στο διάστημα [-1,1].

Γενικα τα αποτελεσματα θα ειναι ασχημα κι στο δευτερο μισο της εργασιας 4. Ωστοσο, δεν καταλαβα τι εννοεις στην προταση που κανω quote. Πως ξερεις οτι προκειται για την κλαση 1?