مقایسه روشهای استخراج ویژگی و ...

[alieca7]

اگر بخواهیم کارایی یک شبکه عصبی ساده رو با یک شبکه ترکیبی روی یک مجموعه داده مقایسه کنیم، با توجه به اینکه به ازای ساختارها و پارامترهای مختلف شبکه ها به نتایج متفاوتی میرسیم(مثلا به ازای یه تعداد نود میانی، روش ساده بهتره و به ازای یه تعداد نود میانی دیگه، روش ترکیبی بهتره)، دراینصورت چطور میتونیم با اطمینان بگیم کدوم روش بهتره؟
همینطور برای مقایسه کارایی دو روش استخراج ویژگی مثل PCA و DCT که به ازای ساختارهای متفاوت یک شبکه به نتایج متفاوت میرسیم.

[ellisa]

پاسخ : مقایسه روشهای استخراج ویژگی و ...

با سلام

دوست عزیز روشهای استخراج ویژگی برای چه منظوری مدنظرتون هست ؟ با شبکه عصبی میخواین استخراج ویژگی رو انجام بدین اونوقت منظورتون از شبکه ترکیبی چه شیکه ای هست ؟ترکیب چه نوع شبکه عصبی؟ ترکیب شبکه عصبی با فازی یا .... ؟

این فایل برای شناسایی دست خط هست با استفاده از شبکه های عصبی ترکیبی ببینین به دردتون میخوره؟

http://two.xthost.info/momoshki/PDFs..._HCR_Slide.pdf
و ..............
ببینید فیلتر pca برای استخراج ویژگی های تصاویر استفاده میشه، آنالیز اجزا اصلی (pca) یک تکنیک مفید آماری هست که کاربرد اون در زمینه های از قبیل : تشخیص چهره،فشرده سازی تصویر و یک تکنیک رایج برای شناسایی یک نمونه در داده های از بعد بالا هست.این تبدیل که با اسامی دیگه ای مثل هتلینگ(Hostelling Transform)، کارهانن-لو(Karhunen-Live Transform(KLT)) و بردار های ویژه نیز شناخته می شه،تبدیل بهینه در کارهای فشرده سازی و کاهش بعد هست و خطای میانگین مربعات حاصل از فشرده سازی رو کمینه می کنه. هر چند این تبدیل به علت وابسته بودن به داده ورودی، جای خودش رو در الگوریتم های کاربردی و عملی، به تبدیل گسسته کسینوسی(Discret Cosine Transform(DCT)) داده اما در صورت کافی بودن داده ورودی میتونه تبدیل بهینه رو استخراج کنه. آنالیز اجزای اصلی یک روش اختیاری چند منغیری هست. اگر ما در جایی مجبور هستیم مهم ترین متغیر رو یا یک تعداد محدودی از متغیر ها رو دریک مجموعه انتخاب کنیم از آنالیز اجزای اصلی کمک می گیریم .آنالیز اجزای اصلی می تونه هم چنین برای پیدا کردن سیگنال ها در اطلاعات نویزدار به کار بره..... و ....

میشه واضح تر منظورتون رو بگید که در چه زمینه ای میخواین استخراج ویژگی انجام بدین ؟ تا بهتر بشه راهنمایی تون کرد ..

ممنون و موفق باشید ...

[alieca7]

پاسخ : مقایسه روشهای استخراج ویژگی و ...

من یه مجموعه چهره دارم که چند تاش رو به عنوان تست و چندتاش رو به عنوان ترین انتخاب کردم.
اول بردار ویژگی همه تصاویر رو به ازای PCA و DCT بدست آوردم.
بعد چندین شبکه رو یکبار با 40 تا از PCA و یکبار با 40 تا از DCTآ و یکبار هم با ترکیب 20 تا از pca و 20 تا از dct، آموزش دادم و هر بار، درصد پاسخ به نمونه های تست رو محاسبه کردم.
مشکلم اینه که به ازای ساختارهای مختلف شبکه ها یا پارامترهای مختلف شبکه ها یا تعداد تکرار(epoch) متفاوت، گاهی درصد پاسخ pca، گاهی dct و گاهی ترکیب اونها بهتره.
با این وضع چطور میتونم در مورد کارایی بهتر حالت ترکیبی(که طبیعتا باید بهتر باشه) نتیجه گیری کنم؟
و بطور کلی چطور میتونم اینها رو مقایسه کنم؟