Thông tin tài liệu
VHCC – Application of MLP-BP B1. Cài đặt weka (thư mục SOFT) B2. Tạo file huấn luyện mô hình arff để sử dụng trong weka (có thể sử dụng file mô hình đã được xây dựng sẵn : TraingModel/train.arff và TestModel/test.arff) Dùng hàm Neural_TestDacTrung để tạo ra file train.arff (chưa có header). Hàm sẽ đọc vào 4500 mẫu số mỗi loại để xuất ra 7 đặc trưng cách nhau bởi dấu ‘,’. Thuộc tính cuối cùng là tên của phân loại (0-9). Tương tự , ta cũng tạo ra file test.arff bằng hàm Neural_Test với cấu trúc hàm tương tự. Tiếp theo là thêm header vào file test và train để có thể sử dụng, cấu trúc header như sau : @relation digitRecognition @attribute dactrung01 real @attribute dactrung02 real @attribute dactrung03 real @attribute dactrung04 real @attribute dactrung05 real @attribute dactrung06 real @attribute dactrung07 real @attribute phanloai{1,2,3,4,5,6,7,8,9,0} @data Trong đó các đặc trưng kiểu dữ liệu là real, phân lớp kiểu là nomial. VHCC – Application of MLP-BP B3 : Huấn luyện và thử nghiệm bằng Weka o B3.1 : Dùng weka để mở file train.arff : VHCC – Application of MLP-BP o B3.2 : Chọn thuật toán sử dụng là Multi-Layer Perceptron Ta có thể chọn chế độ test trên chính file mô hình huấn luyện hoặc chỉ định test những mẫu mới (TestModel/test.arff) o B3.3 : Chạy chương trình, chờ kết quả (sẽ mất trung bình 15 phút đối với máy cấu hình Core 2 Duo 1.75GHz) . VHCC – Application of MLP-BP B1. Cài đặt weka (thư mục SOFT) B2. Tạo file huấn luyện mô hình arff để sử dụng trong weka (có thể sử dụng file mô hình đã được xây dựng. kiểu là nomial. VHCC – Application of MLP-BP B3 : Huấn luyện và thử nghiệm bằng Weka o B3.1 : Dùng weka để mở file train.arff : VHCC – Application of MLP-BP o B3.2 : Chọn thuật toán
Ngày đăng: 26/07/2014, 09:38
Xem thêm: HD cài đặt weka .Bước đầu sử dụng weka