توضیحات
شبیه سازی مقاله یادگیری مبتنی بر طبقه بندی توسط الگوریتم بهینه سازی pso برای هدایت ربات زیر دیوار با متلب
در این مقاله، تنظیم پارامتر برای مجموعه ای از طبقه بندی های هوشمند طبقه بندی چندگانه در دیوار ناوبری ربات را مطالعه می کنیم. بر اساس نظریه بهینه سازی روح، یک روش انتخاب ذره برای جستجوی پارامترهای بهینه ارائه شده است، یک ویژگی کلیدی در این مجموعه از طبقه بندی چند دسته. با استفاده از جستجوی چرخش ذرات، می توان دقت طبقه بندی بالاتر را با صرفه جویی قابل توجهی در زمان آموزش نسبت به جستجوی شبکه معمولی بدست آورد. برای ناوبری ربات زیر دیوار، بهترین دقت (98.8٪) با جستجوی چرخش ذرات با تنها 1/4 دوره آموزشی توسط جستجوی شبکه به دست می آید. از طریق اطلاع از اطلاعات اجتماعی در دسترس در ذرات ذره در روند آموزش، یادگیری مبتنی بر طبقه بندی می تواند دقت طبقه بندی طبقه بندی بدون زودرس را به دست آورد. یکی از چنین طبقه بندی های یادگیری در ربات موبایل SIAT اجرا شده است. نتایج تجربی نتایج طرح پیشنهادی برای تنظیمات پارامتر بهینه را تایید می کند
دیتاست مقاله UCI در آدرس زیر موجود است:
http://archive.ics.uci.edu/ml/datasets/Wall-Following+Robot+Navigation+Data
شبیه سازی مقاله یادگیری مبتنی بر طبقه بندی توسط الگوریتم بهینه سازی pso برای هدایت ربات زیر دیوار با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.
- فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.