Ευφυή Συστήματα Ρομπότ: ΕΡΓΑΣΙΑ 2008-2009

[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.

[Θάνος]

νομίζω ότι πάλι στην  εργασία στηρίζεται το πράγμα. απλά τα γραπτά είναι για να καταλάβουν αν όντως ξέρεις τι γίνεται (αν την έκανες εσύ)

[l0v3null]

πανω κατω νομιζω  θα μας ρωτησει αυτα που καναμε στα εργαστηρια.....

[Tsieki]

Να κάνω κι εγώ μια ερώτηση...

Το accuracy πώς το υπολογίσατε στα προγράμματα σας;

Accuracy=mse(Target_train-Output);
fprintf('Classification accuracy of training set: %.2f %%\n\n\n',100-100*Accuracy);

Αυτό το χρησιμοποιήσατε τόσο στο Α όσο και στο Β ερώτημα με τον γενετικό;
Απλά αυτό που με μπερδεύει είναι γιατί πολ/ζω το accuracy με 100 πριν το αφαιρεσω από το 100. Και δεν κανω κατευθείαν 100-Accuracy.
Έχει να κάνει με τον τρόπο που λειτουργεί η συνάρτηση mse στο matlab;

[*ΜΟ*]

Στο νευρωνικό τι σφάλμα ορίσατε; έχει πει ότι θέλει κάποιο συγκεκριμένο ή ο καθένας βάζει ό,τι νομίζει;

[Krono]

Να κάνω κι εγώ μια ερώτηση...

Το accuracy πώς το υπολογίσατε στα προγράμματα σας;

Accuracy=mse(Target_train-Output);
fprintf('Classification accuracy of training set: %.2f %%\n\n\n',100-100*Accuracy);

Αυτό το χρησιμοποιήσατε τόσο στο Α όσο και στο Β ερώτημα με τον γενετικό;
Απλά αυτό που με μπερδεύει είναι γιατί πολ/ζω το accuracy με 100 πριν το αφαιρεσω από το 100. Και δεν κανω κατευθείαν 100-Accuracy.
Έχει να κάνει με τον τρόπο που λειτουργεί η συνάρτηση mse στο matlab;

Γιατί έτσι όπως λες θα έβγαινε συνέχεια ακρίβεια 99,5+% παρόλο που τα αποτελέσματα μπορεί να είναι ό,τι να 'ναι.
Το mse δεν είναι το ποσοστιαίο τετραγωνικό σφάλμα αλλά το απλό τετραγωνικό σφάλμα.
Παράδειγμα: Έχεις την τιμή 0,1 και το νευρωνικό την προβλέπει ως 1 (καμία σχέση δηλαδή), mse(1-0.1)=0.81  100-0.81=99.19% ακρίβεια;;;; Όχι βέβαια!!!

[l0v3null]

Τι ειναι αυτα τα *100 και -100 ρε παιδια....

Αρκει να κανονικοποιησεις και μετα το αποτελεσμα του mse ειναι το σφαλμα %.....

[BARON77]

Τα δειγματα εισοδου θελουν κανονικοποιηση η απλα τα πεταμε ετσι οπως ειναι?
Μου φαινεται οτι δεν εχει διαφορα στο αποτελεσμα.

[Tsieki]

Τι ειναι αυτα τα *100 και -100 ρε παιδια....

Αρκει να κανονικοποιησεις και μετα το αποτελεσμα του mse ειναι το σφαλμα %.....

Βασικά στο tips που ανέβασε στο ethmmy το αναφέρει έτσι, οπότε το χρησιμοποίησα να βρω την ακρίβεια και στο Α και στο Β μέρος.
Πώς το κανονικοποίησες δηλαδή;

Thanks Kronokid για την απάντησή σου!!   Οπότε και στο Α ερώτημα είναι σωστό να το χρησιμοποιήσουμε έτσι όπως έγραψα παραπάνω ε;
Χωρίς να κανουμε κάτι αλλο...

[Tsieki]

Τα δειγματα εισοδου θελουν κανονικοποιηση η απλα τα πεταμε ετσι οπως ειναι?
Μου φαινεται οτι δεν εχει διαφορα στο αποτελεσμα.

Εγώ τα χρησιμοποίησα όπως είναι...   

[l0v3null]

Τα δειγματα εισοδου θελουν κανονικοποιηση η απλα τα πεταμε ετσι οπως ειναι?
Μου φαινεται οτι δεν εχει διαφορα στο αποτελεσμα.

Εγώ τα χρησιμοποίησα όπως είναι...  

προτεινω να τα κανονικοποιησετε.....το ειχαμε ρωτησει αυτο το εργαστηριο και ειχε πει πως ΠΑΝΤΑ ειναι καλο να κανονικοποιεις γιατι ετσι τελικα τα δεδομενα εχουν μεγεθη τα οποια ειναι συγκριτικα καλυτερα μετρησιμα....

δεν ειναι τπτ,....φτιαχνεις ενα σκριπτακι και διαιρεις καθε ορο με το μεγιστο....

κι εγω δε περιμενα να εχει διαφορα στα αποτελεσματα αλλα κι ομως εχει....

[Krono]

Τι ειναι αυτα τα *100 και -100 ρε παιδια....

Αρκει να κανονικοποιησεις και μετα το αποτελεσμα του mse ειναι το σφαλμα %.....

Και όμως αυτό που λες δεν ισχύει!

Το σφάλμα % είναι το 100*mse.

[Tsieki]

Μήπως θα μπορούσε κάποιος να μου πει πως κανονικοποιούμε ακριβώς το data1 π.χ.?
Με ποιο max διαιρουμε??
Σόρυ, αλλά έχω χαθεί λίγο...  

[Tsieki]

Και κάτι ακόμα... Τί ποσοστά επιτυχίας έχετε βγάλει για να τα συγκρίνουμε???

[manolios]

Τα δειγματα εισοδου θελουν κανονικοποιηση η απλα τα πεταμε ετσι οπως ειναι?
Μου φαινεται οτι δεν εχει διαφορα στο αποτελεσμα.

Εγώ τα χρησιμοποίησα όπως είναι...  

προτεινω να τα κανονικοποιησετε.....το ειχαμε ρωτησει αυτο το εργαστηριο και ειχε πει πως ΠΑΝΤΑ ειναι καλο να κανονικοποιεις γιατι ετσι τελικα τα δεδομενα εχουν μεγεθη τα οποια ειναι συγκριτικα καλυτερα μετρησιμα....

δεν ειναι τπτ,....φτιαχνεις ενα σκριπτακι και διαιρεις καθε ορο με το μεγιστο....

κι εγω δε περιμενα να εχει διαφορα στα αποτελεσματα αλλα κι ομως εχει....

Κανονικοποιείς το συνολο των δεδομένων η κανεις διαφορετική κανονικοποιηση για κάθε ενα χαρακτηριστικο των δειγματων;
Το δευτερο μου φαινεται ποιο σωστό.

[manolios]

Και κάτι ακόμα... Τί ποσοστά επιτυχίας έχετε βγάλει για να τα συγκρίνουμε???

Στο γενετικο εχουμε βγαλει 92% +-