[Δομημένος Πρ.] ΕΡΓΑΣΙΑ C

[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.

[istar]

Εργαστήριο C

Ένα νευρωνικό δίκτυο αποτελείται από νευρώνες οι οποίοι συνδέονται μεταξύ τους με συνάψεις. Για κάθε νευρώνα ορίζεται αρχικά μια κατάσταση η οποία μπορεί να έχει τιμή 1 ή -1 ενώ για κάθε σύναψη ορίζεται ένα βάρος. Κατά τη λειτουργία του δικτύου, για κάθε νευρώνα, αθροίζονται τα βάρη των συνάψεων που τον συνδέουν με τους άλλους νευρώνες πολλαπλασιασμένα με την κατάσταση του νευρώνα που βρίσκεται στο άλλο άκρο της σύναψης. Αν το άθροισμα που προκύπτει είναι μεγαλύτερο ή ίσο με το 0, ως νέα κατάσταση για τον νευρώνα, ορίζεται το 1, διαφορετικά η κατάσταση του ορίζεται ως -1. Οι νευρώνες επαναπροσδιορίζουν την κατάστασή τους, μέσα από μια επαναληπτική διαδικασία, έως ότου αυτή να παραμένει αναλλοίωτη για όλους τους νευρώνες του δικτύου. Σε αυτήν την περίπτωση το δίκτυο βρίσκεται σε ένα stable state.

Να γραφεί το πρόγραμμα το οποίο να υλοποιεί το πιο πάνω νευρωνικό δίκτυο και το οποίο να αποτελείται από το πολύ 10 νευρώνες. Στο πρόγραμμα να ορίζεται ένας πίνακας δύο διαστάσεων, τύπου 10x10, σε κάθε γραμμή και σε κάθε στήλη του οποίου να αντιστοιχεί και ένας νευρώνας. Ως τιμή για το στοιχείο του πίνακα που βρίσκεται στην i γραμμή και την j στήλη του πίνακα να καταχωρείται το βάρος της σύναψης που συνδέει τον νευρώνα i με τον νευρώνα j. Αν δεν υπάρχει σύναψη μεταξύ των νευρώνων i και j, ως βάρος να καταχωρείται το 0. Το πρόγραμμα, αφού διαβάσει τα βάρη των συνάψεων και την αρχική κατάσταση των νευρώνων, να υλοποιεί την λειτουργία του δικτύου έως ότου αυτό να βρεθεί σε ένα stable state για το οποίο να εκτυπώνει την κατάσταση των νευρώνων.

 Επειδή υπάρχει πιθανότητα το δίκτυο να μην συγκλίνει σε stable state, ο επαναπροσδιορισμός της κατάστασης των νευρώνων να γίνεται για έναν συγκεκριμένο αριθμό επαναλήψεων. Στην περίπτωση που δεν συνέκλινε το δίκτυο να τυπώνεται σχετικό μήνυμα και η κατάσταση των νευρώνων μετά τον τελευταίο επαναπροσδιορισμό τους.

[mafalda]

Εγώ πάντως ακόμα δεν μπορώ να βρώ την εκφώνηση στο ethmmy...Μόνο η λύση εμφανίζεται

[teslaaaa]

Εγώ πάντως ακόμα δεν μπορώ να βρώ την εκφώνηση στο ethmmy...Μόνο η λύση εμφανίζεται

https://alexander.ee.auth.gr:8443/eTHMMY/cms.labParams.data.do?method=jsplist&PRMID=102
δες εδω στο κατω μερος της σελ

[shadows_fall]

 

Εγώ πάντως ακόμα δεν μπορώ να βρώ την εκφώνηση στο ethmmy...Μόνο η λύση εμφανίζεται

Καλη φαση,μακαρι και στις επομενες να κανει το ιδιο

[zidan]

δηλαδη κανουμε αντιγραφη κ αυτο ειναι???

[ultraviolet]

δηλαδη κανουμε αντιγραφη κ αυτο ειναι???

Και οταν την παραδωσουμε και την εχουμε ολοι ολοιδια??

[ΚΗΜΜΥ]

Bαλτε κανα σχολιο

[erato]

δηλαδή ρε παιδιά είναι όντως η λύση που χρειαζόμαστε??? δεν κάνουν πουλάκια τα μάτια μου???

[istar]

Η εργασία δίνει σωστά αποτελέσματα. Απλά δεν κατάλαβα γιατί έχει τόσες πολλες εισαγωγές στον πίνακα, δηλαδή ζητάει την απόσταση 1-2 και την 2-1, οι οποίες είναι ίδιες σωστά;

[ICE-CUBE]

που ειναι η λυση βρε παιδια ?? εγω δεν την βρισκω καπου..

[Nerevar]

Την κατεβασε.

[zidan]

diladi den prolabame??

[erato]

εμένα πάντως η λύση που έδινε μου φαίνεται ότι έχει λαθάκι! γιατί στην εκφώνηση λέει  "Αν το άθροισμα που προκύπτει είναι μεγαλύτερο ή ίσο με το μηδέν, ως νέα κατάσταση για το νευρώνα, ορίζεται το 1, διαφορετικά η κατάστασή του ορίζεται ως -1."
άμα τρέξεις το αρχείο που σου δίνει βγάζει σαν νέες καταστάσεις και το 1 και το -1 και το 0!! κ αυτό γιατί στο τέλος αφού κάνει τα αθροίσματα και τους πολλαπλασιασμούς από τους γειτονικούς νευρώνες το αποτέλεσμα το πολλαπλασιάζει και με την κατάσταση του συγκεκριμένου νευρώνα που νομίζω ότι είναι λάθος γιατί τότε όλοι οι νευρώνες που έχουν κατάσταση 0 θα παραμένουν με 0.
γι αυτό το λόγο εγώ θα το αλλάξω, πείτε κ σεις τις γνώμες σας!!!

[elen//]

ερατω το ιδιο νομιζω και εγω...
τα παρακατω κομματια της εκφωνησης πως υλοποιουνται?δεν εχω πολυκαταλαβει τι θελει να κανουμε...
Οι νευρώνες επαναπροσδιορίζουν την κατάστασή τους, μέσα από μια επαναληπτική διαδικασία, έως ότου αυτή να παραμένει αναλλοίωτη για όλους τους νευρώνες του δικτύου. Σε αυτήν την περίπτωση το δίκτυο βρίσκεται σε ένα stable state. και

 Επειδή υπάρχει πιθανότητα το δίκτυο να μην συγκλίνει σε stable state, ο επαναπροσδιορισμός της κατάστασης των νευ-ρώνων να γίνεται για έναν συγκεκριμένο αριθμό επαναλήψεων. Στην περίπτωση που δεν συνέκλινε το δίκτυο να τυπώνεται σχε-τικό μήνυμα και η κατάσταση των νευρώνων μετά τον τελευταίο επαναπροσδιορισμό τους.

[erato]

elen η αλήθεια είναι ότι δεν ξέρω ακριβώς τι να κάνω για το επόμενο κομμάτι... δεν είμαι και μεγάλη φαν του προγραμματισμού!!
οπότε λέω να το κρατήσω ως έχει...
η μετατροπή που έκανα εγώ είναι στο εξής κομμάτι:

for(k=0;k<m;k++){
    fl=1;
      for(i=0;i<n;i++){
      sum=0;
      for(j=0;j<n;j++)
   sum+=sinap[j]*state[j];
      if(sum<1){
        fl=0;
        state=-1;}
     else {state=1;}
      }
   
    if(fl)break;

από κει κ κάτω είναι το ίδιο με αυτό που έδωσε.
μάλλον έτσι θα το αφήσω..