Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Ysa matlab

10.453 visualizaciones

Publicado el

Matlab ile yapay sinir ağı uygulaması

Publicado en: Datos y análisis
  • Sé el primero en comentar

Ysa matlab

  1. 1. MATLAB KULLANIMI & ÖRNEĞİ Hazırlayan: Oğuzhan OĞUZ YBS-Yapay Sinir Ağları
  2. 2. MATLAB (MATrix LABoratory- Matris Labaratuarı) , temel olarak teknik ve bilimsel hesaplamalar için yazılmış yüksek performansa sahip bir yazılımdır. Matlab programının temel kullanım alanları ; • Matematiksel hesaplama işlemleri • Algoritma geliştirme ve programlama • Lineer cebir,istatistik,filtreleme,optimizasyon vb. konularda matematik fonksiyonları • 2D ve 3D grafik çizimi • Modelleme ve simülasyon • Grafiksel ara yüz oluşturma • Veri analizi ve kontrolü gibi sıralanabilir.
  3. 3. • MATLAB 2 şekilde kullanılabilir; 1. Tek tek kodlayarak 2. Grafik ara yüzünü kullanarak Biz öncelikle grafik ara yüzünü kullanarak başlayacağız. Grafiksel Ara yüz MATLAB içerisinde kullanıcılar için oluşturulmuş kullanımı basit bir araçtır. Grafiksel Ara yüz ile birlikte yapay sinir ağları için model kurulması, eğitilmesi ve test edilmesi mümkündür. Grafiksel Ara yüz kullanımı için yapılması gereken MATLAB komut sayfasında >>nntool komutunu girmektir.
  4. 4. Komutun girilmesi ile birlikte Grafiksel Ara yüz açılacaktır. Aşağıdaki şekilde Grafiksel Ara yüz görülmektedir. Öncelikle ağın oluşturulması için verilerin girilmesi gerekmektedir. Bu noktada Ara yüz üzerindeki New Data seçeneği kullanılır.
  5. 5. Öncelikle ağın oluşturulması için verilerin girilmesi gerekmektedir. Bu noktada Ara yüz üzerindeki New Data seçeneği kullanılır. Girilecek olan veri formatı aşağıdaki gibi olmalıdır. [0 0 1 10 1 0 1] Örnek olarak verilen veriler iki değişken için alınmış ve dört kişiye uygulanmıştır. Bu veriler için ağa tanıtılacak olan sonuçlar ise aşağıdaki şekildedir. [0 0 0 1] New Data seçeneği seçildiğinde yandaki pencere açılacaktır.
  6. 6. Pencere üzerinde Name yazan bölüme verilerin ismini, bu isim veriler için genellikle p ve hedefler için genellikle t olarak alınır, Value yazan bölüme daha önce belirtmiş olduğumuz değerleri girerek veri çeşidini sağ taraftan seçmeniz gerekmektedir. Veriler için Inputs, sonuçlar içinse Targets seçeneği seçilerek Create tuşuna basılır. Bu durumda ağ için kullanılacak veriler ve hedefler programa tanıtılmış olunur.
  7. 7. Ağın oluşturulması için ara yüz üzerindeki new network seçeneği seçilir. Bu seçenek ile birlikte aşağıdaki pencere açılacaktır. Burada oluşturulacak ağ için gerekli seçimler yapılır. Input ranges kısmında yer alan veriler aşağıdaki formatta olup, veriler içerisindeki her bir değişken için minimum ve maksimum değerleridir. Dilenirse bu değerler Get From Input seçeneği ile birlikte otomatik olarak belirlenebilir. En son olarak Create tuşuna basılır ve ağ yaratılmış olunur.
  8. 8. Ara yüz üzerinde ağ ismi ile birlikte Network sekmesinin altında oluşturulan ağ görülmektedir. Bu işlem sonrasında ağın ismi seçilirse ve ara yüzdeki view seçeneği seçilirse ağ görüntülenecektir. Aşağıdaki örnekte 48 adet için değişken hazırlanmış tek gizli katmanlı bir ağ yapısı görülmektedir.
  9. 9. Ağ üzerinde çalışma için ağın ismi seçildikten sonra ara yüz üzerindeki Initialize seçeneği seçilirse aşağıdaki ekran görülecektir. Bu ekran üzerinde ağ için aralıkların belirlenmesi, ağın eğitilmesi, adapte edilmesi, ağırlıkların ayarlanması ve ağın simile edilmesi seçenekleri mevcuttur.
  10. 10. Ağ için kullanılacak olan aralıklar get from input seçeneği ile birlikte elde edilebilmektedir. Sonrasında Set Ranges ve Initialize Weights ile birlikte işlemler tamamlanmış olacaktır.
  11. 11. Ağın eğitilmesi için Train seçeneği seçilmelidir. Bu durumda aşağıdaki pencere açılacaktır. Pencere üzerinde veriler ve hedef değerler seçilir. Çıktı ve hata dosyaları içim isimler ise sağ tarafta belirtilir. Dosyaların isimlerini belirlerken dikkat edilmesi gereken nokta daha önce aynı isimle bir dosya seçilmemiş olmasıdır. Bu durumda oluşturulacak yeni dosya aynı isimdeki eski dosyanın üzerine yazılabilir ve eski veriler kaybedilebilir. Ağ ile ilgili daha fazla eğitim bilgisi girilmek istenirse Parametre veya Seçimli Bilgi kısımları kullanılır. Değerlerin girilmesi sonrasında Train Network seçeneği ile birlikte ağ eğitimi başlatılır.
  12. 12. Eğitim sonrasında aşağıdaki gibi eğitim esnasında ağ üzerindeki değişiklikler belirtilir.
  13. 13. Ağa girilen değerlerin eğitim sonrasında simülasyonu için Simulate seçeneği kullanılmaktadır. Bu seçenek ile birlikte veriler sonrasında sonuçların elde edilmesi ve başarı oranı bulunması mümkündür.
  14. 14. Tüm sonuçların programdan alınabilmesi için ara yüzdeki export seçeneği kullanılabilir. Bu bölümde aktarılmak istenen veriler seçilir ve export tuşuna basılırsa veriler dosyalar halinde MATLAB ana sayfasına aktarılır.
  15. 15. Eğer ki biz Matlab’ı kodlayarak kullanmak istersek bu şekilde her veriyi, değerini, boyutunu tek tek kodlamak durumundayız. İlk olarak A’nın 0 ve 1 şeklinde olmasını sağladık. Veri tipini belirledik. Daha sonra A’ya boyut atadık. En sonunda da sütun matris haline çevirdik.
  16. 16. Burada girişimin aldığı en küçük ve en büyük değerleri gösterdik. Giriş katmanına 10 nöron çıkış katmanına 2 nöron koyduk. • Burada ise ilk olarak performans fonksiyonunu belirttik .(Hata kareler toplamı) • Döngü sayısını belittik • Amacımızı belirttik. • Son olarak da eğitim talimatı verdik.
  17. 17. • Eğitim sonucumuza baktığımızda; Siyah çizgi bizim amaç çizgimizdir. Eğitim siyah çizgiye doğru ilerlemiş ve en sonunda temas sağlanmıştır. Yani ağımız düzgün bir şekilde eğitilmiştir.
  18. 18. Yapay sinir ağı ile hava sıcaklığı tahmin işlemleri yapılırken sıcaklığın etkileyen etmenler meteorolojik olarak sıcaklık hesaplandığında ortamda sıcaklığı etkileyen parametreler olarak aşağıda gösterildiği gibi 4 giriş parametresi vardır. Giriş Parametreleri; • Su buharı basıncı • Bağıl nem • Rüzgar Şiddeti • Hava basıncı Sistemin Çıkışı ; • Sıcaklık Örnekler 4x40 boyutunda matris olarak ağa gösterilip öncelikle bu ham eğitim verisinde elde edilen çıkış değeri ise 1x40 matris olarak matlab programında uygulamaya verilmiştir. Örnekler normalize edilmiş olacaktır.
  19. 19. Veriler girilerek sistemin YSA mimarisi çıkarılmıştır.
  20. 20. Yapılan eğitim sonucunda hava sıcaklığı için tahmin edilen YSA çıkışı şekildeki gibidir.
  21. 21. Kaynakça: 1. www.suleymantosun.com 2. Web.firat.edu.tr 3. www.figes.com.tr

×