پاورپوینت درباره روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی

اختصاصی از فی فوو پاورپوینت درباره روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (لینک دانلود پایین صفحه) تعداد اسلاید  : 66 اسلاید

فهرست :

§بافت چیست؟

§تقسیم بندی های مختلف تعیین موقعیت و روشهای اصلی مطرح برای آن

§روش ها و سیستم های مطرح شده بر اساس انگشت نگاری محلی

§روش پیشنهادی

§ارزیابی روش پیشنهادی

§آشنایی با برنامه های مختلف تجارت سیار و جایگاه  تعیین موقعیت در آنها

§تبلیغات سیار

§نتیجه گیری

§مراجع

§ارسال مقالات

 

دو مزیت عمده:

§دقت خوب (خطای میانگین تشخیص موقعیت با دقتی کمتر از 6/0 متر )

§بار محاسباتی کم (با استفاده از تکنیک خوشه بندی)

روش مورد استفاده

§انجام اندازه گیری زیاد ازهر موقعیت  وبرای

 هر نقطه دسترسی و محاسبه تابع  توزیع به

 روش هیستوگرام (پارامتریک وغیرپارامتریک)

§محاسبه ضریب خودهمبستگی

§محاسبه تابع توزیع میانگین خطا

§Gaussian with mean μ and variance σ2, the average of n correlated samples is Gaussian distribution with mean μ and variance : (1 + α) σ2

                                                                                           1 − α

 

استفاده از نرم افزار مطلب برای طراحی   شبکه عصبی RBF

§ تنظیم میزان خطای یاد گیری= (0)

§ تنظیم میزان افزایش تعداد توابع شعاع مداری ( Step) در هر گام (2)

§ تنظیم مقدار واریانس توابع شعاع مداری توسط کاربر با پارامتر Spread

§ اجرای روال تکراری زیر

Ø محاسبه مراکز ثقل مطابق با الگوریتم (k میانگین)

Ø محاسبه ماتریس ضرائب با استفاده از روش گرادیان نزولی یا دلتا ( بدین منظور مقدار   net.adaptFcn  برابر 'learngd' تنظیم شد.)

 

Ø محاسبه  خطا بین مقادیر خروجی با مقادیر هدف (معیار فاصله اقلیدسی )

Ø در صورتیکه این مقدار از خطای پیش فرض (Goal ) کمتر بود تابع با افزایش تعداد توابع شعاع مداری برابر با گام تعریف شده(Step) به تکرار روال فوق می پردازد. این روال تا زمانی که خطا به حد مورد نظر برسد یا تعداد توابع برابر ورودی شود ادامه پیدا می کند.