اطلاعیه

Collapse
No announcement yet.

پروژه شنااسایی آماری الگو

Collapse
X
 
  • فیلتر
  • زمان
  • Show
Clear All
new posts

    پروژه شنااسایی آماری الگو


    سلام تو درس شناسایی آماری الگو ها بعد تدریس به عنوان تمرین همیشه بهمون میگفتند روی داده های فیشر ایریس فلان روش(مثلا KNNیا فاصله اقلیدسی)رو اجرا کنید و خطای این روش رو با برنامه ریزی بدست بیارید.یعنی کل درسی که میدادند و تمرینی که میخواستند همین مدلی بود حالا میخواستم ببینم تو دانشگاه های دیگه هم همینجوری هست و همینا رو میخواند که یاد داشته باشیم یا نه؟؟اگر ارشد مخابرات دیگری هم هست لطفا اظهار نظر بفرمایید!
    ضمنا برای پروژه این درس هم خود استاد گفت خودتون یک چیزی تعیین کنید.میگفت مثلا دسته بندی یک سیگنال قلبی و...
    حالا میخوام ببینم اینو دیگهههههههههه چجووووووووووووووووووری باید انجامش داد!!
    1)سیگنالو اولا چجوری به عدد تو متلب تبدیل کنم؟که بخوام بردار ویژگی ازش دربیارم؟؟؟
    2)اینجا دیگه دیتا بیسو هم خودمون باید بسازیم.و مثل فیشر ایریس که مشخص نیستند!!خواهش میکنم اگر کسی بلده یک خط و مشی یی به من بدهد!
    که برا همچین پروژه ای باید در چه زمینه هایی چه اطلاعاتی داشته باشم؟؟
    ضمنا من که میگردم که موضوع بحثی متناسب با این سوالم پیدا کنم جایی تو این سایت ندیدم و برای همین تو گفتگوی آزاد مطرح کردم
    چه خوب میبود برای مباحث درسی ارشد گرایش های مختلف هم یک قسمت میبود!یا هست و من پیدا نکردم؟
    چون تا جاییکه من دیدم این سوالم یا باید تو بحث متلب میبود یا سیستم های مخابراتی که البته شباهتی به مخابرات نداره!

    هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
    هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

    http://www.eca.ir/forum2/index.php?topic=112772.0

    #2
    پاسخ : پروژه شنااسایی آماری الگو

    یه عالمه توضیحات تایپ کردم پاک شد!!!

    بطور خلاصه؛
    من سرکلاس این درس همینطوری شرکت کردم و تمرین ها هم اینهایی که به شما گفتن و هم تمرین های مختلف کلایسفیکیشن بود.به عنوان نمونه اولین تمرین جدا کردن تصویر از بک گراندش بود.

    اما در مورد دسته بندی سیگنالهای قلبی؛قاعدتا هر سیگنالی توی مطلب فراخوانی بشه بصورت یه ماتریس ذخیره میشه و فراخوانی هر نوع سیگنال هم متفاوت هست.
    برای کار با سیگنال قلب بهتره ابتدا در رابطه با پردازش سیگنال ecg مطالعه کنید چون نوع پردازششون متفاوت هست.
    و در مورد فیچر ها هم باید اول مشخص بشه چه فیچر هایی میخواین...بعضی فیچرها رابطه ریاضی و اماری دارن برای محاسبشون..درکل باید ببینید چه نوع فیچری واسه کار شما مناسب هست.

    موفق باشید
    فقر ، شب را " بي غذا " سر كردن نيست ................ فقر ، روز را " بي انديشه" سر كردن است

    دیدگاه


      #3
      پاسخ : پروژه شنااسایی آماری الگو

      ویژگیها میتونند آماری یا فرکانسی باشند مثلا:
      میانگین، انتروپی، گشتاور، هموژنیته، انرژی، kurtosis ، skewness و ...
      ویولت، فوریه، تبدیل رادون، کانتورلت، کرولت و ...

      ویژگیهای زیادی از سیگنال قابل استخراج هست.
      It's nice to be important but it's important to be nice!

      از اینکه نمی رسم جواب دوستان را بدم معذرت می خوام.

      دیدگاه


        #4
        پاسخ : پروژه شنااسایی آماری الگو

        نوشته اصلی توسط (فرشته)
        اولین تمرین جدا کردن تصویر از بک گراندش بود.

        اما در مورد دسته بندی سیگنالهای قلبی؛قاعدتا هر سیگنالی توی مطلب فراخوانی بشه بصورت یه ماتریس ذخیره میشه و فراخوانی هر نوع سیگنال هم متفاوت هست.
        برای کار با سیگنال قلب بهتره ابتدا در رابطه با پردازش سیگنال ecg مطالعه کنید چون نوع پردازششون متفاوت هست.
        و در مورد فیچر ها هم باید اول مشخص بشه چه فیچر هایی میخواین...بعضی فیچرها رابطه ریاضی و اماری دارن برای محاسبشون..درکل باید ببینید چه نوع فیچری واسه کار شما مناسب هست.

        موفق باشید
        جدا کردن تصویر از گراند چیه :surprised:
        اینایی که به شما میگفتند تمرین بوده!!تمرینای ما که مسخره بود نه تصویر نه صدا نه هیچی فقط فیشر فیشر فیشر ایریس
        کلا پروژه انتخابش با خودمونه.یک نمونه خودش سیگنال قلبی رو گفت یا میتونه صدای چند نفر باشه که دسته بندی روش انجام شه یا..هر چی

        حالا من که هیچی نمیدونم ساده ترین نمونه اش رو میخوام چی انتخاب کنم؟
        فیچر ها رو خودم باید انتخاب کنم چی باشه؟؟ربطه ریاضی و ..چجوری پیدا کنم واسش oo:
        وای اینکه خیلی سخته از کجا شروع کنم؟ :sad:
        هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
        هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

        http://www.eca.ir/forum2/index.php?topic=112772.0

        دیدگاه


          #5
          پاسخ : پروژه شنااسایی آماری الگو

          نوشته اصلی توسط رضا شفقی
          ویژگیها میتونند آماری یا فرکانسی باشند مثلا:
          میانگین، انتروپی، گشتاور، هموژنیته، انرژی، kurtosis ، skewness و ...
          ویولت، فوریه، تبدیل رادون، کانتورلت، کرولت و ...

          ویژگیهای زیادی از سیگنال قابل استخراج هست.
          اینا که همش برام علامت سواله تو اون گلها که ویژگی ها خیلی قابل فهم تر بود!
          چجوری ویژگی رو پیدا کنم؟
          و بعدش چجوری ویژگی مناسب رو استخراج؟
          هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
          هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

          http://www.eca.ir/forum2/index.php?topic=112772.0

          دیدگاه


            #6
            پاسخ : پروژه شنااسایی آماری الگو

            اینا دستوراتشون اکثرا تو متلب هست
            مثلا شما از موج تون میانگین می گیرید و میشه 0.3 خوب این یه ویژگی از موج شماست
            یا فرضا ازش ویولت میگیرید و نمونه برداری از موج میکنید ویژگیهای خوبی رو از موج استخراج می کنید.

            در آخر برای اینکه بفهمید کدام ویژگی هاتون خوب هستند میتونید از الگوریتم های رتبه بندی مانند PCA و GA استفاده کنید.

            هر کدام از مواردی که گفته میشه ممکنه نامفهوم باشه که به راحتی از طریق help متلب و یا ویکی پدیا قابل درک میشن.
            It's nice to be important but it's important to be nice!

            از اینکه نمی رسم جواب دوستان را بدم معذرت می خوام.

            دیدگاه


              #7
              پاسخ : پروژه شنااسایی آماری الگو

              نوشته اصلی توسط hasting_m
              جدا کردن تصویر از گراند چیه :surprised:
              اینایی که به شما میگفتند تمرین بوده!!تمرینای ما که مسخره بود نه تصویر نه صدا نه هیچی فقط فیشر فیشر فیشر ایریس
              کلا پروژه انتخابش با خودمونه.یک نمونه خودش سیگنال قلبی رو گفت یا میتونه صدای چند نفر باشه که دسته بندی روش انجام شه یا..هر چی

              حالا من که هیچی نمیدونم ساده ترین نمونه اش رو میخوام چی انتخاب کنم؟
              فیچر ها رو خودم باید انتخاب کنم چی باشه؟؟ربطه ریاضی و ..چجوری پیدا کنم واسش oo:
              جدا کردن تصویر از بک گراند...مثلا تصویر یه طبیعت باشه که متشکل از درخت و علف و یه حیوان باشه حالا هدف این بود که این حیوان از بک گراند جدا بشه و تشخیص داده بشه.

              در رابطه با روابط ریاضی فیچر یکسری رو که جناب شفقی فرمودن که خب توابعشون اماده توی مطلب هست بعضی هاش که خودتون باید پیاده سازی کنید هم توی کتاب ها و پیپر های مختلف مطرح شده و روابطشون گفته شده حتی همین انرژی که تابعش فکر میکنم باشه تو مطلب فرمولش هم هست واسه پیاده سازی.

              در مورد سیگنال هم با ecg ها کار نکردم و نمیدونم چطور هست اما بین صدا و تصویر به نظر من تصویر راحتتر هست.

              نوشته اصلی توسط hasting_m
              وای اینکه خیلی سخته از کجا شروع کنم؟ :sad:
              از اینجا که یه موضوع انتخاب کنید!
              فقر ، شب را " بي غذا " سر كردن نيست ................ فقر ، روز را " بي انديشه" سر كردن است

              دیدگاه


                #8
                پاسخ : پروژه شنااسایی آماری الگو

                دارم ازسوال خودم پرت میشم ولی باید ایناها رو هم بفهمم. :redface:برای همین جدا کردن تصویر از گراند،مثلا حیوان،آیا ارتباطش با classification اینه که مثلا یک عالمه حیوان به عنوان دیتابیس بهش آموزش بدیم که بعدا بتونه حیوان رو تشخیص بده؟؟
                فکر کنم تشخیص چهره چیز خوبی باشه :nerd:!
                حالا سوال دیگم اینه به تشخیص خودممیتونم ویژگی براشون در بیارم؟و بعد ببینم خوبه یا نه؟
                یا حتما ویژگی ها در صدا و تصویر و..یک موارد مشخص و غیر قابل تغییری اند؟ oo:
                هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
                هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

                http://www.eca.ir/forum2/index.php?topic=112772.0

                دیدگاه


                  #9
                  پاسخ : پروژه شنااسایی آماری الگو

                  نوشته اصلی توسط hasting_m
                  دارم ازسوال خودم پرت میشم ولی باید ایناها رو هم بفهمم. :redface:برای همین جدا کردن تصویر از گراند،مثلا حیوان،آیا ارتباطش با classification اینه که مثلا یک عالمه حیوان به عنوان دیتابیس بهش آموزش بدیم که بعدا بتونه حیوان رو تشخیص بده؟؟
                  خیر....در این مورد فرکانس بخش هایی که بک گراند بود با فرکانس تصویر حیوان متفاوت بود و از یه الگوریتم خاص استفاده میشد برای تشخیص.

                  نوشته اصلی توسط hasting_m

                  حالا سوال دیگم اینه به تشخیص خودممیتونم ویژگی براشون در بیارم؟و بعد ببینم خوبه یا نه؟
                  یا حتما ویژگی ها در صدا و تصویر و..یک موارد مشخص و غیر قابل تغییری اند؟ oo:
                  بینهایت ویژگی وجود داره که بسته به اینکه برای کار شما کدوم ها مناسب تر هستن ازشون استفاده میکنید واگر بتونید یه ویژگی جدید به تشخیص خودتون پیدا کنید که قبلا کسی پیدا نکرده که دیگه میشه پیپر!!
                  برای پروژه کلاسی هم اینکه از ویژگی های شناخته شده استفاده کنید کافیه.
                  فقر ، شب را " بي غذا " سر كردن نيست ................ فقر ، روز را " بي انديشه" سر كردن است

                  دیدگاه


                    #10
                    پاسخ : پروژه شنااسایی آماری الگو

                    الان من برای این کارم برم پرداز تصویر و صوت این بخشو بخونم یعنی؟ :cry2:
                    گراند چیه؟؟هر چیزی بجز اونی که مد نظرمونه؟ oo:
                    چرا فرکانسش متفاوت باشه؟
                    هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
                    هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

                    http://www.eca.ir/forum2/index.php?topic=112772.0

                    دیدگاه


                      #11
                      پاسخ : پروژه شنااسایی آماری الگو

                      دوست عزیز لطفا یکپارچگی تاپیک رو حفظ کنید الان شما میخواید دقیقا چکار کنید؟ (پردازش تصویر یا صوت)؟ پروژه شناسایی الگو اسم مناسبی نیست برای سوالاتتون!
                      It's nice to be important but it's important to be nice!

                      از اینکه نمی رسم جواب دوستان را بدم معذرت می خوام.

                      دیدگاه


                        #12
                        پاسخ : پروژه شنااسایی آماری الگو

                        اگر اونا رو باید بخونم که یکمشو خوندم اونجوری که باز میره تو خط درس DSP !!آخه پردازش سیگنال دیجیتال هم پروژه خواهم داشت!

                        اضافه شده در تاریخ :
                        نوشته اصلی توسط رضا شفقی
                        دوست عزیز لطفا یکپارچگی تاپیک رو حفظ کنید الان شما میخواید دقیقا چکار کنید؟ (پردازش تصویر یا صوت)؟ پروژه شناسایی الگو اسم مناسبی نیست برای سوالاتتون!
                        تو اولین پاسخی که به من داده شد گفتند اگر در مورد ECG میخوای باید در این رابطه اطلاعات پیدا کنی!برای درس شناسایی هست .من که اولش هیچی نمیدونستم و جهتی نداشتم که اسم درس رو به عنوان موضوع انتخاب کردم.از صحبتای شما بزرگواران نتیجه گرفتم که تصویر آسونترینشه
                        حالا چکار کنم؟نمیدونم

                        اضافه شده در تاریخ :
                        نوشته اصلی توسط hasting_m
                        تو اولین پاسخی که به من داده شد گفتند اگر در مورد ECG میخوای باید در این رابطه اطلاعات پیدا کنی!برای درس شناسایی هست .من که اولش هیچی نمیدونستم و جهتی نداشتم که اسم درس رو به عنوان موضوع انتخاب کردم.از صحبتای شما بزرگواران نتیجه گرفتم که تصویر آسونترینشه
                        حالا چکار کنم؟نمیدونم
                        ببخشید ولی با حرفای شما من میفهمم که هیچی از درس نفهمیدم چه برسه به انتخاب پروژه.حالا سوالاتم در مرود این درس رو کجا بپرسم؟ :sad:
                        هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
                        هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

                        http://www.eca.ir/forum2/index.php?topic=112772.0

                        دیدگاه


                          #13
                          پاسخ : پروژه شنااسایی آماری الگو

                          نوشته اصلی توسط hasting_m
                          گراند چیه؟؟هر چیزی بجز اونی که مد نظرمونه؟ oo:
                          چرا فرکانسش متفاوت باشه؟
                          فکر میکنم این مورد رو الان فعلا فراموشش کنید سریعتر توی مسیر اصلی پروژه اتون قرار میگیرید.


                          ببینید شما سه تا زمینه واسه ادامه کارتون دارید.

                          پردازش تصویر؛پردازش صوت؛پردازش سیگنال پزشکی

                          الان هم بهتره یکی از این موضوعات رو انتخاب کنید و بعد ادامه سوالاتتون رو در راستای پروژه توی زیرگروه مربوطه اش توی انجمن مطرح کنید.

                          موفق باشید
                          فقر ، شب را " بي غذا " سر كردن نيست ................ فقر ، روز را " بي انديشه" سر كردن است

                          دیدگاه


                            #14
                            پاسخ : پروژه شنااسایی آماری الگو

                            ببخشید من اینجا سوال میکنم چیزی نمیدونم :cry: که شما شاید فکر کنید من برای بیکاری اومدم سوال الکی میپرسم
                            من مشکلم تو اصل این درسه!
                            1)مثلامن نفهمیدم data baseبمعنی بانک اطلاعاتی مفهومش چی هست؟؟؟؟؟؟کارشناسی که بودم یکی از استادامون میگفت دانشگاهتون کتابهای خوبی نداره اما دیتا بیسهای خوبی داره.ارتباط این دیتا بیسها با این درس؟؟
                            2)پردازش صوت یا تصویر یا هر چی..مشکل مهم تر من تعریف صورت سواله!!مثلا برای پردازش تصویر تو این درس و این پروژه چکار باید انجام بدم؟(منظورم ایده کار است به زبان فارسی نه مراحل!و برنامه و...)اینکه ازتون پرسیدم جدا کردن تصویر از گراند برای همین بود که گفتید بیخیالش بشم.
                            مثلا تو زمینه تصویر بخوام انجام بدم ،کاری که باید کنم چیه؟تست مثلا تشخیص یک چهره خواهد بود که در کدام یک از ماتریس های آموزشی که براش بوجود آوردم خواهد بود؟اگر اینه که هر نفر یه چهره داره دیگه بردارهای آموزشی چهره های دیگه چه معنی داره که آموزش داده بشه؟اگر اینطوره که مشخصه بردار تست جز اون بردارهای کلاس های آموزشی نیست!(چون مال یک نفره)
                            امیدوارم خوب بیان کرده باشم که تا چه حد من آماتور وصفر کیلومترم که بتونید بهتر راهنماییم کنین
                            سپاس
                            هرگز توان خودت را در تغيير دادن خويش،دست كم نگير!
                            هرگز توان خودت را در تغيير دادن ديگران،دست بالا نگير!

                            http://www.eca.ir/forum2/index.php?topic=112772.0

                            دیدگاه


                              #15
                              پاسخ : پروژه شنااسایی آماری الگو

                              سلام ..

                              Data base یا بانک اطلاعاتی (داده) مجموعه ای از اطلاعات ذخیره شده هستن، که صحت اونها برای کاربرها مشخص و آشکار هست .. معمولا برای کاربرد های Learning نیاز به یک دیتابیس هست که برای آموزش و تست کردن الگوریتم مورد استفاده قرار میگیره .. مزیت بسیار مهمی که دیتابیس ها دارن، این هست که کاملا قابل اعتماد هستن، از این بابت که کاملا مشخص هست، نمونه ی X چه خصوصیات و یا کدینگی داره؛ نمونه Y چه خصوصیاتی و به همیت ترتیب تا آخر .. برای مثال، فرض کنید یک تیم پزشکی قصد دارن نتایج یک واکنش خاص شیمیایی رو بر روی موجودات زنده تست کنن و نتیجه ی اون رو اعلام .. برای این منظور، تیم محققان میتونن به صورت رندم و یا تصادفی، نمونه ای از موجودات رو (برای مثال پرنده های گونه ی آلفا) انتخاب کنن، به آزمایشگاه بیارن و اثر واکنش شیمیایی رو روی اونها تست کنن و نموداری از نتایج رو به عنوان خروجی گزارش بدن .. درست هست که نتیجه ی آزمایش اعلام شده؛ امــا هیچ تضمین و گارانتی ای وجود نداره که عکس العمل هر کدام از نمونه ها (پرنده ها) به واکنش شیمیایی، صرفا به خاطر نوع واکنش بوده و یا اینکه آیا عوامل محیطی دیگری هم نقش داشتن؛ برای مثال چند نمونه از قبل بیماری داشتند و یا مشکل خاص یا از این قبیل موارد .. برای همین هست که آزمایش کنترل شده نیست و نتیجه ی اون هم قابل ارزیابی و استناد نخواهد بود .. راه حلی که برای این موضوع در آزمایشگاه ها مورد استفاده قرار میگیره این هست که یک مجموعه ی کنترل شده، ایزوله شده و کاملا حفاظت شده از پرنده ها در بخش های بسیار کلاسه بندی شده پرورش داده میشن و اونها رو لیبل گذاری میکنن و حالا هر نمونه یک لیبل داره و یک ویژگی خاص مثل وزن؛ اندازه یا سایز؛ نوع تحرک؛ وضعیت تغذیه؛ نوع رفتارهای روزانه؛ سطح هوشیاری و عکس العمل های آنی و ویژگیهایی از این دست .. با این مجموعه ی کنترل شده و حفاظت شده که صحت اون برای تمامی محققان آشکار هست و تمامی تیم های تحقیقاتی میتونن به اونها اعتماد کنن؛ این قابلیت فراهم هست که تست ها و آزمایش های مختلف انجام بگیره و نتایج و گزارشات صرفا برخواسته از نوع واکنش خواهد بود ..

                              با نوع فکر و منطق مشابه؛ برای پروژه های learning و یا بسیاری پروژه های آماری دیگه؛ نیاز به دیتابیس های مشخصی هست، که اولا به صورت صحیح و کنترل شده کد گزاری و لیبل گزاری شدند و دوم هم اینکه در میان گروه های تحقیقاتی قابل اعتماد هستن .. فرض کنیم، میخوایم در مورد Face detection یا تشخیص اینکه آیا در تصویر "چهره" ای هست یا خیر، صحبت کنیم .. به این دلیل که این امکان برای ما وجود نداره که از تمامی افراد روی زمین و در تمامی سنین اونها؛ تصویر بگیریم و اونها رو در یک ابر (!) حافظه ذخیره کنیم؛ لازم هست که به عنوان نمونه، یک دیتابیس از چهره های افراد (به صورت تصادفی و تعدادی محدود --برای مثال بین دو تا سه هزار چهره-- ) بسازیم و این چهره ها رو کدگزاری کنیم و برای اونها ویژگی تعریف کنیم .. منظور از کد گزاری در اینجا صرفا نامگذاری ساده هست؛ موضوع پیچیده ای مد نظر نیست؛ تنها یک اصطلاح عام هست .. امــا چرا نیاز به تعریف ویژگی داریم؟ هدف از learning چه هست؟ چه چیزی قرار هست که آموخته بشه؟ اینکه ذهن انسان، به سادگی این قابلیت رو داره که تشخیص بده آیا چهره ای در تصویر هست یا خیر؛ برخی مواقع سبب میشه که فکر کنیم شاید این کار برای کامپیتور یا به طور عام؛ هوش مصنوعی هم همینقدر ساده هست؛ امــا اینطور نیست .. با زبان کد و البته الگوریتم باید به کامپیتور بدوی (!) بیاموزیم نوع فکر کردن و تصمیم گرفتن رو و این مساله ی اصلی ما هست که باید به اون فکر کنیم و براش راه حل ارائه بدیم .. به صورت کلی؛ فرض کنید؛ همه ی تصاویر دیتابیس رو میدیم به یک جعبه ی مکعبی بزرگ به نام Learning BOX و خروجی این جعبه پیام مشابهی مثل Learned! Now, Ready To Be Tested هست .. پله ی اول این هست که سوال کنیم؛ آیا به عنوان ورودی میتونیم مستقیم از تصاویر استفاده کنیم یا اینکه باید به گزینه یا گزینه های دیگه ای فکر کنیم .. تصویر، چیزی نیست جز مجموعه ای از پیکسل ها و هرچه رزولوشن تصویر کمتر باشه؛ این تعداد پیکسل ها یا به عبارت بهتر، این تعداد Representer ها محدود تر میشن و مثلا برای تصاویر 24*24 تنها 576 پیکسل در دسترس هستند که شاید خیلی هم نتونند برای Represent کردن چهره ها، قابل استفاده و/یا اطمینان باشند .. برای همین هست که تعریف بردار ویژگی ها یا Feature ها به کمک Description یا توصیف تصاویر میان و دست ما رو برای ارائه ی اطلاعاتی که صرفا (یا با درصد بالایی) در مورد تصاویر چهره قابل فکر هستن؛ فراخ میکنن .. در طرف مقابل، برخی مواقع، Feature ها کمک میکنن تا از اطلاعات بیهوده اجتناب کنیم و ماتریسی از اطلاعات "خاص" رو به عنوان توصیف کننده ، به جعبه ی مکعبی ارائه بدیم .. از این جهت هست که ویژگی هایی که تعریف میکنیم؛ میتونن در موفقیت الگوریتم و شناسایی و تشخیص، بسیار مهم باشند ..

                              اینکه امــا؛ ویژگی ها چه چیزی میتونن باشن و یا اینکه کدومیک از اونها از بقیه بهتر هستن؛ موضوعیه که باید بر روی دیتا (تصاویر دیتابیس) تست بشه و نتیجه ی خروجی با بقیه ی موارد مقایسه .. نوع ویژگی ها هم میتونن هم از Feature های استانداردی که معمولا در اکثر موارد استفاده میشن؛ باشن؛ یا اینکه یک ویژگی کاملا ابتکاری توسط کاربر؛ مثلا ماتریس تصویر رو به صورت یک Vector ببینیم؛ و بعد (10 المنت اول اون + سه برابر 20 المنت وسط + هفت برابر 40 المنت آخر ) تقسیم بر میانگین 30 المت وسط! کاملا دست آزاد هست؛ منتهی در حد امکان چیزی تعریف میشه که تا حدودی قابل دلیل پردازی و استناد باشه .. چطور خوبی یا بدی یک ویژگی تست میشه؛ برمیگرده به جعبه ی مکعبی .. در اون جعبه الگوریتمی هست که به صورت Recursive پدیت میشه (مجموعه ای از Optimization ها و کم و زیاد شدن ضرایب) و در هر مرحله تست میشه بر روی یک سری دیتای تست (دیتاهامون رو در ابتدا؛ قبل از ورود به جعبه؛ دو دسته میکنیم: Train_set و Test_set .. اولی رو به جعبه وارد میکنیم تا الگوریتم آموزش ببینیه و دومی رو نگه میداریم برای تست و پدیت کردن ضرائب و بهتر کردن الگوریتم و دوباره تست کردن و دوباره پدیت شدن و باز هم تست کردن و باز هم پدیت شدن و باز هم و باز هم و باز هم .. --یک حد مشخصی وجود داره برای تست کردن که فعلا فراموشش میکنیم--) و در آخر هم اعلام میکنه (الگوریتم) که فرآیند آموزش انجام شده و میتونیم الگوریتم رو روی دیتاهای تصادفی از جامعه ی بیرون، تست کنیم .. اینکه یک ویژگی خوب عمل کرده یا نه؛ بر میگرده به نتیجه ی الگوریتم در مرحله ی آموزش .. اگر اونجا نتیجه ی خوبی برای تشخیص بگیره (زمانی که الگوریتم روی دیتای تست؛ تست میشه) به این معنا هست؛ که ویژگی انتخاب شده خوب هست و اگر Fail بشه؛ به خلاف این معناست .. بحث کلی مربوط به بخشی از سوال هایی که پرسیده بودید .. اگر کوتاه کوتاه سوالهاتون رو مطرح کنید؛ امکان بهتری برای پاسخگویی به اونها هست .. موفق و سلامت و شاد باشید ..
                              دوستان! مدتی کمتر به سایت میام ..

                              دیدگاه

                              لطفا صبر کنید...
                              X