توضیحات
یکی از آموزش های ایران متلب که علاقه مندان زیادی از آن استفاده کردند. آموزش پیش بینی سریهای زمانی با شبکه های عصبی می باشد.
در این آموزش قصد داریم، از یک دانش جدیدتر در پیش بینی سریهای زمانی استفاده کنیم. در بسته یادگیری عمیق در مورد مفاهیم و برنامه نویسی آن در متلب صحبت کردیم. اکنون میخواهیم اختصاصی در مورد نحوه استفاده از یادگیری عمیق در داده های یک بعدی یا همان سری زمانی صحبت کنیم.
اگر به مقالات متعدد در زمینه یادگیری عمیق مراجعه کنید، بیشتر آنها از داده های تصاویری برای ورودی آن استفاده می کنند. شبکه های یادگیری عمیق پیش ساخته هم ورودی آنها 2 بعدی می باشد و بسیار مهم است که اندازه تصویری ورودی منطبق با اندازه تصویر دو بعدی باشد که شبکه یادگیرعمیق پیش ساخته متناسب با ان طراحی شده است. اکنون میخواهیم شبکه های یادگیری عمیقی را بررسی کنیم که سریهای زمانی را به عنوان ورودی از شما می گیرند.
سرفصل :
معرفی شبکه LSTM
ساختار شبکه LSTM
LSTM برای دسته بندی
LSTM برای رگرسیون
پیاده سازی LSTM برای دسته بندی در متلب
دسته بندی sequence-to-label
نمایش و آنالیز شبکه LSTM در متلب با analyzeNetwork
آنالیز ساختار شبکه LSTM متلب
دسته بندی sequence-to-sequence
مفهوم Sequence
تفاوت رگرسیون sequence-to-one و sequence-to-sequence
کد متلب رگرسیون sequence-to-one
برنامه نویسی متلب sequence-to-sequence
پیش بینی حلقه باز و حلقه بسته
برنامه نویسی پروژه 1
توضیح مفهوم بسیار مهم آماده‌سازی داده ها برای پیش بینی (بیشتر بچه ها در این قسمت مشکل دارند، با یادگیری این قسمت شما می توانید از هر مدلی برای پیش بینی استفاده کنید)
نرماسازی
کد متلب نرمالسازی
ساخت لایه به لایه شبکه
تنظیم پارامترهای تابع آموزش
موقعیت padding و truncation
تعریف shuffle
آموزش شبکه
تست شبکه
محاسبه RMSE
نمایش هیستوگرام RMSE
تایع resetState
تابع predictAndUpdateState
برنامه نویسی پروژه 2
قسمت اول :
سروش –
با سلام این آموزش چرا قیمت و افزودن به سبد خرید نداره ؟؟؟
ایران متلب –
سلام آقا سروش
تا هفته آینده بر روی سایت قابل تهیه است. منتظر باشید لطفا