پروژه یادگیری عمیق با پایتون (607)

---

شرح پروژه

در فایل Data.xlsx دادگان مربوط به یک سری زمانی داده شده است، با استفاده از آن

ابتدا دینامیک های مناسب برای ورودی (حداقل 15) را ایجاد کرده و مقدار 5 گام بعد از آخرین بعد ورودی را به عنوان خروجی ساختار در نظر بگیرید سپس ساختارهای ذیل را پیادهسازی کرده و برای هر ساختار 6 پلات خروجی مربوط آن را رسم و نتایج را با هم مقایسه کنید (کدام ساختار بهترین عملکرد را دارد؟ توضیح دهید.)

1- شبکه عصبی پرسپترون 2 لایه 2- ساختار اتوانکودر 3 لایه با آموزش محلی + شبکه عصبی پرسپترون 2 لایه 3- ساختار اتوانکودر 3 لایه با آموزش محلی و سراسری + شبکه عصبی

پرسپترون 2 لایه

4- ساختار اتوانکودر 3 لایه با آموزش محلی و Drop-Out با نرخ 0.4 + شبکه عصبی پرسپترون 2 لایه

5- ساختار اتوانکودر نویززدا 3 لایه با آموزش محلی (در مرحله آموزش محلیG به دادگان نویز گوسی با میانگین 0 و واریانس 0.3 اضافه کنید) + شبکه عصبی

پرسپترون 2 لایه (آموزش با دادگان بدون نویز)

نرمال سازی و پیش پردازش دادگان برای همه قسمت ها یکسان باشد.

از معیار میانگین مجموع مربعات خطا به عنوان تابع هزینه استفاده کنید.

استفاده از پایتون مجاز و استفاده از لایبرری مجاز نیست.

برای هر سوال تحویل کد مربوط و فایل گزارش سوال شامل روابط پیشرو و آموزش

شبکه، پلات های خروجی و پاسخ و توضیحات مربوط به آن الزامی است. تعیین مقادیر ذکر نشده در صورت سوال مانند نرخ یادگیری و ... به انتخاب خودتان است.    

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---