PROIECT RETELE
NEURONALE
DISCIPLINA: Sisteme
inteligente de suport decizional
Gliga Alexandru Gabriel
Grupa : 2541
Cuprins
Descrierea aplicației
Implementare
Rezultate experimentale
Concluzii
Enunţul temei:
Alegerea celui mai performant sistem,(desktop), pe baza
componentelor.
 Cerinte impuse:
 Procesor
 Plac...
Descrierea aplicaţiei
 Pentru implementarea retelei am folosit un set de
date de 100 de inrari, fiecare cu cate 5 caract...
Implementare
 Se deschide intefaţa Neural Network Fitting




Tool cu comanda nftool
 NEXT ,(selectam intrarile s...
Rezultate experimentale
Eroarea medie pătratică
=
ieşire dorită
–
ieşire obţinută
Vedem ca cele mai mari erori sunt intre -0.2695 si 0.1927
iar punctul fara erori este -0.03842 si are frecventa de antrena...
Concluzii:
 Ca si dificultate, implementarea acestei teme de proiect a
avut un nivel destul de scazut, mai dificila fiin...
Bibliografie:
 Curs SISD
 http://www.bel.utcluj.ro/dce/didactic/sisd/sis
d.htm
…..
 http://mediadigitala.ro/index.php/...
Prez sisd
Prez sisd
of 11

Prez sisd

Published on: Mar 4, 2016
Published in: Education      
Source: www.slideshare.net


Transcripts - Prez sisd

  • 1. PROIECT RETELE NEURONALE DISCIPLINA: Sisteme inteligente de suport decizional Gliga Alexandru Gabriel Grupa : 2541
  • 2. Cuprins Descrierea aplicației Implementare Rezultate experimentale Concluzii
  • 3. Enunţul temei: Alegerea celui mai performant sistem,(desktop), pe baza componentelor.  Cerinte impuse:  Procesor  Placa de baza  Memorie RAM  Placa Video  HDD Metoda aleasă pentru implementarea temei: Reţele Neuronale Artificiale
  • 4. Descrierea aplicaţiei  Pentru implementarea retelei am folosit un set de date de 100 de inrari, fiecare cu cate 5 caracteristici. Caracteristici 1. Procesor.................................. 1(F. Slab), 4(Mediu), 7(Bun) 1. Placa de baza........................... 1(MSI), 2(Asrock), 3(Gigabyte), 4(Asus) 1. Memorie RAM......................... 1(Adata), 2(Kingston), 3(Samsung),4(Corsair) 1. Placa Video............................... 1(ATI), 2 (NVIDIA) 1.     Domeniul de variatie HDD......................................... 1(160), 2(250),3(320), 4(500),/(Gb),5(1T) Date folosite: 70% antrenare 15% validare 15% testare Hidden neurons: 15
  • 5. Implementare  Se deschide intefaţa Neural Network Fitting     Tool cu comanda nftool  NEXT ,(selectam intrarile si target-ul), NEXT, (selectam procentul din setul total de date), NEXT, (selectam numarul de neuroni ascunsi), NEXT  Train
  • 6. Rezultate experimentale Eroarea medie pătratică = ieşire dorită – ieşire obţinută
  • 7. Vedem ca cele mai mari erori sunt intre -0.2695 si 0.1927 iar punctul fara erori este -0.03842 si are frecventa de antrenare 24.
  • 8. Concluzii:  Ca si dificultate, implementarea acestei teme de proiect a avut un nivel destul de scazut, mai dificila fiind alegerea temei si introducerea datelor , acestea fiind numeroase.  Consider că aplicația implementată cu ajutorul Reţelelor Neuronale Artificiale respectă aproape in totalitate cerințele temei de proiect.
  • 9. Bibliografie:  Curs SISD  http://www.bel.utcluj.ro/dce/didactic/sisd/sis d.htm …..  http://mediadigitala.ro/index.php/reteleneuronale