المحاضرة الاولي + الثانية

تطبيق مثال عملي على شبكة Perceptron
المثال:

لنفرض أن لدينا شبكة من النوع Perceptron ونريد تعليمها كيف تطبق الدالة المنطقية AND، و هذه الدالة تعطي القيمة 1 إذا كانت كلاً من قيمة المدخلين مساوية للواحد، وصفر في الحالات الأخرى.
وإليك مجموعة الأمثلة التالية لتدريب الشبكة:

T	I2	I1
0	0	0
0	1	0
0	0	1
1	1	1

حيث I1 و I2 ترمز للمدخلات، بينماT  ترمز للمخرج أو النتيجة الهدف (المرغوب بها).
وقاعدة التحويل هي:

الكود:

if Sj>0 then Xj=1
if Sj<=0 then Xj=0


وسنفرض معدل التعلم بالقيمة C=0.5.
لتمثيل هذه الشبكة فإننا نحتاج لوحدتي إدخال لأن هناك مدخلين، ووحدة معالجة واحدة لأن هناك مخرج واحد كالتالي:
من الرسم نجد أن هناك طبقة واحدة من الوصلات البينية وسنفرض لها قيم أوزان مختلفة على أن تكون في المدى من -0.5 إلى 0.5

الكود:

w11=0.1
w12=0.3

سنبدأ الآن بالمدخل الأول ونطبق أول عميلة وهي عملية الجمع:

الكود:

S= 0.1 * 0.0 + 0.3 * 0.0
S=0.0

وحيث أن وحدة المعالجة هذه هي آخر وحدة معالجة فيجب تطبيق قاعدة التحويل:

الكود:

S=0.0<=0.0
إذاً X=0

وبعد ذلك سنطبق عملية ضبط الأوزان، ولكن أولاً نتحقق مما إذا كان هناك حاجة لضبط الأوزان أم لا:
الناتج الهدف للمدخل الأول هو 0 والناتج الذي أخرجته الشبكة هو 0 وحاصل طرح هذين الناتجين هو 0، وهذا يدل على أن أوزان الشبكة ليست بحاجة إلى تعديل.
لننتقل إلى المدخل الثاني مستخدمين نفس الأوزان السابقة لأنه لم يتم تعديلها لعدم الحاجة لذلك:
نبدأ من جديد بتطبيق عملية الجمع:

الكود:

Sj=∑ai wji
S= 0.1 * 0.0 + 0.3 * 1.0
S=0.3


ثم قاعدة التحويل:

الكود:

if Sj>0 then Xj=1
if Sj<=0 then Xj=0
S=0.3>0.0
X=1

وبعد ذلك عملية ضبط الأوزان:
الناتج الهدف للمدخل الثاني هو 0 أيضاً، والناتج الذي توصلت له الشبكة هو 1 بطرح ناتج الشبكة من الناتج الهدف يعطي القيمة -1
وهي غير مساوية للصفر لذا لا بد من ضبط جميع أوزان الشبكة.

الكود:

wjinew= wjiold+C(Tj-Xj)ai
w11new=0.1+ 0.5 * (-1)* 0.0
w11new=0.1

الكود:

w12new=0.3+ 0.5 * (-1)* 1.0
w12new= -0.2


وبذلك نكون قد انتهينا من المدخل الثاني لنبدأ في الثالث مستخدمين الأوزان بعد تعديلها، متبعين نفس الخطوات السابقة:
قاعدة الجمع:

الكود:

S= 0.1 * 1.0 +(- 0.2) * 0.0
S=0.1

قاعدة التحويل:

الكود:

S=0.1>0.0
X=1

بعد ذلك عملية ضبط الأوزان:
الناتج الهدف للمدخل الثاني هو 0 أيضاً، والناتج الذي توصلت له الشبكة هو 1 بطرح ناتج الشبكة من الناتج الهدف يعطي القيمة -1
وهي غير مساوية للصفر لذا لا بد من ضبط جميع أوزان الشبكة.
عملية ضبط الأوزان:

الكود:

w11new=0.1+ 0.5 * (-1)* 1.0
w11new= -0.4

الكود:

w12new= -0.2+ 0.5 * (-1)* 0.0
w12new= -0.2

ننتقل للمدخل الرابع والأخير مستخدمين الأوزان بعد التعديل:
عملية الجمع:

الكود:

S= -0.4 * 1.0 +(- 0.2) * 1.0
S= -0.6

قاعدة التحويل:

الكود:

S= -0.6<0.0
X=0

بعد ذلك عملية ضبط الأوزان:
الناتج الهدف للمدخل الثاني هو 1 أيضاً، والناتج الذي توصلت له الشبكة هو 0 بطرح ناتج الشبكة من الناتج الهدف يعطي القيمة 1
وهي غير مساوية للصفر لذا لا بد من ضبط جميع أوزان الشبكة.
عملية ضبط الأوزان:

الكود:

w11new= -0.4+ 0.5 * (1)* 1.0
w11new= 0.1


الكود:

w12new= -0.2+ 0.5 * (1)* 1.0
w12new= 0.3

وبهذا نكون قد انتهينا من عرض جميع الأمثلة (متجهات من الأنماط) على الشبكة وعرض جميع الأمثلة على الشبكة تسمى محاولة، ففي هذه المحاولة أعطت الشبكة نتيجة واحدة فقط صحيحة من أصل 4 نتائج، أي أن الشبكة لم تتعلم بعد وتحتاج لمحاولات أخرى بنفس الطريقة، حتى تستطيع إعطاء إجابات صحيحة لكل الأمثلة، حينها نقول أن الشبكة تعلمت، ويتبقى فقط اختبارها.

طيب في اكسل حسبت y كيف ؟؟ انا عملتو بدل or عملت + بس (1+1=2) طيب بنستخدم or في اكسل كيف؟؟

بالله !!! تسلم والله