مصنف الشبكة على بيانات القزحية باستخدام ماتلاب

الملخص

التصنيف هو مهمة تعيين كائن إلى واحدة من عدة فئات محددة مسبقًا. تحليل التصنيف هو تنظيم البيانات في فصول معينة. المعروف أيضًا باسم التصنيف الخاضع للإشراف، يستخدم التصنيف ملصقات فئة معينة لطلب الكائنات في جمع البيانات. عادةً ما تستخدم أساليب التصنيف مجموعة تدريب لتدريب النموذج حيث ترتبط جميع الكائنات بالفعل بملصقات فئة معروفة. تتكون خوارزمية التصنيف من مجموعة التدريب وتبني نموذجًا لتصنيف الهدف. سيؤدي تحليل التصنيف إلى إنشاء نموذج جديد يمكن استخدامه للعثور على فئة (هدف).
تتكون الشبكة العصبية من أنماط ممثلة من حيث القيم العددية المرتبطة بعقد الرسم البياني والتحولات بين الأنماط التي تحققت من خلال خوارزميات تمرير الرسائل البسيطة. يتم تمييز بعض العقد في الرسم البياني عمومًا على أنها عقد إدخال أو عقد إخراج، ويمكن النظر إلى الرسم البياني ككل على أنه تمثيل لدالة متعددة المتغيرات التي تربط المدخلات بالمخرجات. يتم إرفاق القيم العددية (الأوزان) بروابط الرسم البياني، وتوضيح وظيفة الإدخال/الإخراج والسماح بتعديلها عبر خوارزمية التعلم.
تعتبر الشبكات العصبية الاصطناعية (ANNS) اداة جيدة جدا لتعلم وتصنيف أنماط مثل عملية تعلم الدماغ البشرية البيولوجية. وهو يتألف من عناصر بسيطة تسمى الخلايا العصبية، والتي تعمل بالتوازي (شملت العديد من وحدات الخلايا العصبية التي تعمل بالتوازي). تدمج الروابط بين الخلايا العصبية الأوزان مع مدخلات العصبية لإعطاء ناتج معين. تم تعديل أوزان الاتصال أثناء عملية التعلم من خلال مقارنة إخراج الشبكة بشكل متكرر والهدف المطلوب. تعتمد قدرة الشبكة على إظهار أداء جيد في النتائج على خوارزمية التدريب. هناك أنواع مختلفة من الشبكات العصبية، ومع ذلك، فإن معظم الأبحاث المنشورة في الدراسات الطبية استخدمت فئة واحدة من الشبكات العصبية، وهي شبكة الانتشار الخلفي (BP).