بخشی از پاورپوینت
اسلاید 1 :
به نام خدا
استفاده از شبكه هاي عصبي در شناسايي سيستم هاي غير خطي
اسلاید 2 :
فهرست مطالب
.مباني واصول تئوريك كاربرد شبكه هاي عصبي در شناسايي سيستمها
.مقايسه مدل هاي رگرسيون كاكس و شبكه عصبي در پيش بيني بقاي بيماران مبتلا به سرطان معده
.تشخيص بيماري ديابت به كمك شبكه هاي عصبي
.تشخيص تسلب شريان هاي كرونري با پردازش ديجيتالي صداي قلب
.نتيجه گيري
اسلاید 3 :
مقدمه
در دهه هاي گذشته بيشتر پيشرفتها در حوزه شناسايي سيستمهاي خطي و تغيير ناپذير با زمان بوده است
اما ما در اين سمينار براي شناسايي سيستمهاي غير خطي از شبكه هاي عصبي استفاده خواهيم كرد
اسلاید 4 :
معادلات حالت سيستمهاي خطي و غير خطي
معادله حالت يك سيستم خطي:
معادله حالت يك سيستم غيرخطي:
معادله حالت يك سيستم غيرخطي در فضاي گسسته:
اسلاید 5 :
آشنايي با نورون عصبي و مدل رياضي آن
:شماي نورون عصبي
مدل رياضي نورون عصبي
:براي ايجاد شبكه ي عصبي
اسلاید 6 :
شبكه هاي پرسپترون چند لايه و بازگشتي
شبكه چند لايه پرسپترون
(MLP)
شبكه بازگشتي
(recurrence net)
از نقطه نظر تئوريك
بخش غير خطي استاتيكي
بخش فيدبك ديناميكي
اسلاید 7 :
شباهت شبكه عصبي و سيستم غير خطي
تركيب دو شبكه
MLPبازگشتي و
معادلات حالت سيستم هاي غير خطي
روابط شبكه هاي عصبي
وزنهاي شبكه عصبي=پارامترهاي سيستم
اسلاید 8 :
E2^(خروجی مطلوب – خروجی شبکه)=
كمينه خطا در شبكه عصبي و شناسايي سيستم
دياگرام سيستم واقعي و مدل:
محاسبه خطا در شناسايي:
در شبكه هاي عصبي خطا معمولا از رابطه ي زير حساب مي شود:
با مشتق گرفتن تابع خطا نسبت به وزنها،درصدد يافتن وزنهايي براي .ايجاد كمترين خطا هستيم
اسلاید 9 :
تخمين برخي سيستم هاي غير خطي
در مدل اول سيستم بر اساس مجموع گزاره اي خطي از خروجي هاي پيشين و تابع غير خطي از ورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
اسلاید 10 :
تخمين برخي سيستم هاي غير خطي
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي مدل همچنان خروجي را مطلوب تخمين ميزند.
اسلاید 11 :
تخمين برخي سيستم هاي غير خطي
در مدل دوم سيستم بر اساس مجموع تابعي غيرخطي از خروجي هاي پيشين و گزاره اي خطي ازورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
اسلاید 12 :
تخمين برخي سيستم هاي غير خطي
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي مدل همچنان خروجي را مطلوب تخمين ميزند.
اسلاید 13 :
تخمين برخي سيستم هاي غير خطي
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
در مدل سوم سيستم بر اساس مجموع تابعي غيرخطي از خروجي هاي پيشين و تابع غيرخطي ديگري ازورودي هاي پيشين است.
اسلاید 14 :
تخمين برخي سيستم هاي غير خطي
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي مدل همچنان خروجي را مطلوب تخمين ميزند.
اسلاید 15 :
تخمين برخي سيستم هاي غير خطي
در مدل چهارم سيستم بر اساس مجموع تابعي غيرخطي يگانه اي از خروجي هاي پيشين و ورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
اسلاید 16 :
منحني خط چين خروجي مدل است كه تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي مدل همچنان خروجي را مطلوب تخمين ميزند.
اسلاید 17 :
پيش بيني بقاي بيماران مبتلا به سرطان معده
اسلاید 18 :
متغيرهاي رگرسيون كاكس
متغيرهاي شبكه ي عصبي
متغيرهاي مورد مطالعه
يافتن متغيرهاي معنادار در مدل هاي ارائه شده
اسلاید 19 :
پيش بيني صحيح توسط مدل رگرسيون كاكس
اسلاید 20 :
پيش بيني صحيح توسط شبكه عصبي
