• الإعلانات

    • فيصل الحربي

      تسجيل عضوية جديدة في المنتدى   01/31/2016

      السلام عليكم ورحمة الله وبركاته  عزيزي العضو الجديد :  حاليا رسالة الإيميل لتأكيد صحة إيميلكم تذهب للبريد العشوائي ( جاري حل المشكلة )  فإذا لم تجد رسالة التحقق من إيميلكم في صندوق الوارد لديكم إتجه للبريد العشوائي ( JUNK)  وقم بتفعيل إشتراككم من هناك   

Hi_soso

اعضاء جدد
  • عدد المشاركات

    39
  • تاريخ الانضمام

  • تاريخ اخر زياره

السمعه بالموقع

1 عادي

عن Hi_soso

  • الرتبة
    عضو جديد
  • تاريخ الميلاد 11/03/1998

معلومات الملف الشخصي

  • الجنس أنثى
  • الدولة : فلسطين
  • اهتمامات تنميه القدرات , قراءه كل شي جديد , تعلم IT
  1. thanks very much for your reply
  2. السلام عليكم ورحمه الله وبركاته كيف حالكم جميعا , كنت اريد منكم هذه المساعدة لمن يستطيع منكم ذلك , هو سؤال بسيط ولكنني لا اعرف الاجابه عليه لذا توجهت لمنتداكم الذي اعلم علم اليقين انني ساجد فيه ضالتي سؤالي هو "ماذا بعد ال testing ?" او بمعني اخر كيف يمكن عمل application لكي اجرب ال network الخاصه بي , قد يكون سؤال غبي ولكن الفكرة حقا لم تصل اللي , انا اعمل على برنامج يتحقق من تطابق الصور , وقد قمت بالتدريب باستخدام برنامج ال weka وعملت ال testing ايضا للشبكه , ولكن السؤال هنا هو على شو راح ادخل الصورة الجديدة؟ اكيييد راح تقولوا على ال training تاعتك .....طيب بس هي صورة واحده يعني راح ادمجها مع بقيت الصور القديمه واعمل training من اول وجديد وبعدين ادخل الصور اللي راح اتحقق منها مع ملف ال testing ??????????????? اذا شو الفايدة من تدريب الشبكه تاعتى اذا راح اعمل تدريب من اول وجديد ؟؟؟ وبعدين انا بدي يطلع اذا في تطابق ولا لأ ؟ كيف هادا راح يعملوا ؟ لانو بالتاكيد راح يطلع نسبه وهاي النسبه ما راح تحدد اذا متطابقين ولا لأ , اه اه يمكن قصدكو انو اعمل if statement اذا طلعت النسبه اكبر من 95 يقولي انو هما متطابقين واذا اقل يقول انو مو هيك ؟؟؟؟ ارجوكم انو تساعدوني , او حتى تفتحولي بواب وانا بدخل منها .. رجاااااااااااااااااااء في اسرع وقت انكو تدلوني ..... وشكرا
  3. بارك الله فيك ... بصراحه اجى بوقتو شكرا على العموم
  4. السلام عليكم ورحمه الله انا في مرحله ال training for backpropagation , واستخدم في ذلك برنامج الماتلاب , ولكن المشكله هي انني عندما اغير في متغيرات ال training معدل performance يتناقص ويتزايد ولحد هذه اللحظه لم اصل الي performance جيد فاحببت ان اسال القائمين على المنتدي من منهم يعرف الطريقه المثلى لكي اصل الي معدل جيد,وهل هناك معايير محدده لذلك ام لا وشكرا جزيلا لكم اجمعين ........
  5. السلام عليكم ورحمه الله وبركاته اريد ان اسال حول كم من المفروض ان تكون عدد ال Dataset التى من المفروض ان تكون لعمل training for the dataset , وايضا كم العدد المفروض لل hidden layers , فمثلا ال features عددها 14, والبرنامج يدرب باستخدام backpropagation neural network وشكرا لكم
  6. السلام عليكم بارك الله فيك يا د حسان على هذا الشرح الوافي
  7. شكرا جزيلا لك د. حسان , وانا حقا لااملك الوقت الكافي لذلك انا اصارع في الوقت!!!
  8. في الحقيقه مبدئيا مجال ال NN ولكنني ساحتاج الي تمييز الصور في المستقبل
  9. طيب هل من احد لديه مثال بسيط اخر يمكنني تطبيقه وفهمه بسهوله فانا ارحب بذلك !لانني اريد حقا ان اتعلم هذا المجال وابحث عن اكواد جاهزة لكي اتدرب عليها , وجميل جدا لو كان لهذا المثال documentation لان ذلك سيسهل الموضوع علي !!
  10. اولا شكرا على اهتمامك , ثانيا انا قرات عن الموضوع بشكل عام وقد فهمت الشبكات العنصوبيه بشكل جيد وخاصه من الموقع الخاص بكم فبارك الله في كل من ساهم في عمله , تانيا انا كنت ابحث على الانترنت عن مثال للشبكات لكي اتاكد من انني فهمته بشكل جيد وحتى اعيد كتابته لاتدرب على كتابه برامج من هذا النوع ولكنني في الحقيقه واجهتني هذه المسائل فارجو من سيادتك ان تشرحها لي ولك جزيل الشكر بعدها , وان واجهتني مشاكل اخرى في الكود فانني اطمع في سعه صدرك لكي تشرحها لي ايضا .. ops! يبدو انني اسات التعبير, على العموم انا آسفه ! واعتبرني اخت لك واخطات
  11. السلام عليكم ياريت انو تردوا علي ضروري علشان الموضوع مهم جدا , ولا يحتمل التاخير!!!!
  12. سؤالي هو كيف حول الصور ع هاي الطريقه ؟ انا بعرف انو الصور بتتمثل على شكل مصفوفه بس هاي مو المصفوفه الكامله ,كيف فهمها البرنامج انها مصفوفه الصورة هاي ؟ وكمان شو بيقصد ب ... اللي بعد القيم ؟ وشو هال normalization اللي عملها؟ مش normalization معناها انو انا اغير مقدار كثافه ال pixcel طيب هو هنا شو عامل ؟
  13. السلام عليكم ورحمه الله وبركاته كنت اريد منكم ان تشرحوا لي هذا المتال وكيفيه عمله . لانني جديده في هذا المجال وفيه بعض الاشياء الغامضه التي اريد منكم توضيحها وياريت اللي بيهتموا بهالموضوع يردوا علي علشان احدد بالضبط شو اللي مو فاهماه وشكرا للجميع clear memory clear all clc nump=3; % number of classes n=3; % number of images per class % training images reshaped into columns in P % image size (3x3) reshaped to (1x9) % training images P=[196 35 234 232 59 244 243 57 226; ... 188 15 236 244 44 228 251 48 230; ... % class 1 246 48 222 225 40 226 208 35 234; ... 255 223 224 255 0 255 249 255 235; ... 234 255 205 251 0 251 238 253 240; ... % class 2 232 255 231 247 38 246 190 236 250; ... 25 53 224 255 15 25 249 55 235; ... 24 25 205 251 10 25 238 53 240; ... % class 3 22 35 231 247 38 24 190 36 250]'; % testing images N=[208 16 235 255 44 229 236 34 247; ... 245 21 213 254 55 252 215 51 249; ... % class 1 248 22 225 252 30 240 242 27 244; ... 255 241 208 255 28 255 194 234 188; ... 237 243 237 237 19 251 227 225 237; ... % class 2 224 251 215 245 31 222 233 255 254; ... 25 21 208 255 28 25 194 34 188; ... 27 23 237 237 19 21 227 25 237; ... % class 3 24 49 215 245 31 22 233 55 254]'; % Normalization P=P/256; N=N/256; % display the training images figure(1), for i=1:n*nump im=reshape(P(:,i), [3 3]); im=imresize(im,20); % resize the image to make it clear subplot(nump,n,i),imshow(im);title(strcat('Train image/Class #', int2str(ceil(i/n)))) end % display the testing images figure, for i=1:n*nump im=reshape(N(:,i), [3 3]); im=imresize(im,20); % resize the image to make it clear subplot(nump,n,i),imshow(im);title(strcat('test image #', int2str(i))) end % targets T=[ 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 ]; S1=5; % numbe of hidden layers S2=3; % number of output layers (= number of classes) [R,Q]=size(P); epochs = 10000; % number of iterations goal_err = 10e-5; % goal error a=0.3; % define the range of random variables b=-0.3; W1=a + (b-a) *rand(S1,R); % Weights between Input and Hidden Neurons W2=a + (b-a) *rand(S2,S1); % Weights between Hidden and Output Neurons b1=a + (b-a) *rand(S1,1); % Weights between Input and Hidden Neurons b2=a + (b-a) *rand(S2,1); % Weights between Hidden and Output Neurons n1=W1*P; A1=logsig(n1); n2=W2*A1; A2=logsig(n2); e=A2-T; error =0.5* mean(mean(e.*e)); nntwarn off for itr =1:epochs if error <= goal_err break else for i=1:Q df1=dlogsig(n1,A1(:,i)); df2=dlogsig(n2,A2(:,i)); s2 = -2*diag(df2) * e(:,i); s1 = diag(df1)* W2'* s2; W2 = W2-0.1*s2*A1(:,i)'; b2 = b2-0.1*s2; W1 = W1-0.1*s1*P(:,i)'; b1 = b1-0.1*s1; A1(:,i)=logsig(W1*P(:,i),b1); A2(:,i)=logsig(W2*A1(:,i),b2); end e = T - A2; error =0.5*mean(mean(e.*e)); disp(sprintf('Iteration :%5d mse :%12.6f%',itr,error)); mse(itr)=error; end end threshold=0.9; % threshold of the system (higher threshold = more accuracy) % training images result %TrnOutput=real(A2) TrnOutput=real(A2>threshold) % applying test images to NN n1=W1*N; A1=logsig(n1); n2=W2*A1; A2test=logsig(n2); % testing images result %TstOutput=real(A2test) TstOutput=real(A2test>threshold) % recognition rate wrong=size(find(TstOutput-T),1); recognition_rate=100*(size(N,2)-wrong)/size(N,2)
  14. انا اتحدث بحكم اهتمامي بتنميه القدرات ولا اجامل احد او اغالي في وصف احد وانما انا امدح الجمال حينما اراه فقط ..... صدقوني