پیاده سازی در متلب

---

شرح پروژه

سلام وقتتون بخیر  من یک فایل اکسل دارم که میخوام در متلب پیاده  سازی بشه البته کدهای رو هم دارم 

فقط در متلب پیاده میکنید همین 

% بارگذاری داده‌ها از فایل اکسل

filename = 'path_to_your_excel_file.xlsx'; % مسیر فایل اکسل را وارد کنید

data = readtable(filename);

% استخراج ورودی‌ها و خروجی‌ها

X = data{:, {'A-AT(h)', 'B-BRT(h)', 'C-NaOH (%)'}}; % ورودی‌ها

y = data{:, 'Mass Yield (w/w%)'}; % خروجی

% تقسیم داده‌ها به مجموعه آموزشی و تست

trainRatio = 0.7; % درصد داده‌های آموزشی

testRatio = 0.3; % درصد داده‌های تست

[trainInd, valInd, testInd] = dividerand(length(y), trainRatio, 0, testRatio);

X_train = X(trainInd, :);

y_train = y(trainInd);

X_test = X(testInd, :);

y_test = y(testInd);

% ایجاد شبکه عصبی با استفاده از fitnet

hiddenLayerSize = 10; % تعداد نورون‌ها در لایه پنهان

net = fitnet(hiddenLayerSize);

% تنظیمات آموزش

net.trainFcn = 'traincgf'; % استفاده از الگوریتم Conjugate Gradient

net.trainParam.max_fail = 10; % حداکثر تعداد تلاش‌های ناموفق برای جلوگیری از بیش‌برازش

net.trainParam.epochs = 1000; % تعداد تکرارها

net.trainParam.goal = 1e-6; % هدف برای خطا

% آموزش شبکه عصبی

[net, tr] = train(net, X_train', y_train');

% پیش‌بینی با استفاده از داده‌های تست

y_pred = net(X_test');

% محاسبه و نمایش R^2

y_test = y_test';

R2 = 1 - sum((y_test - y_pred).^2) / sum((y_test - mean(y_test)).^2);

disp(['R^2 for test data: ', num2str(R2)]);

% نمودار تغییرات عملکرد مدل

figure;

plotperform(tr);

% نمودار مقایسه پیش‌بینی‌ها و داده‌های واقعی

figure;

plot(y_test, 'o');

hold on;

plot(y_pred, 'x');

legend('Actual', 'Predicted');

title('Actual vs Predicted');

xlabel('Samples');

ylabel('Mass Yield (w/w%)');

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

---

---