1. MATLAB KULLANIMI & ÖRNEĞİ
Hazırlayan:
Oğuzhan OĞUZ
YBS-Yapay Sinir Ağları
2. MATLAB (MATrix LABoratory- Matris Labaratuarı) , temel olarak teknik ve
bilimsel hesaplamalar için yazılmış yüksek performansa sahip bir yazılımdır.
Matlab programının temel kullanım alanları ;
• Matematiksel hesaplama işlemleri
• Algoritma geliştirme ve programlama
• Lineer cebir,istatistik,filtreleme,optimizasyon vb. konularda matematik
fonksiyonları
• 2D ve 3D grafik çizimi
• Modelleme ve simülasyon
• Grafiksel ara yüz oluşturma
• Veri analizi ve kontrolü
gibi sıralanabilir.
3. • MATLAB 2 şekilde kullanılabilir;
1. Tek tek kodlayarak
2. Grafik ara yüzünü kullanarak
Biz öncelikle grafik ara yüzünü kullanarak başlayacağız.
Grafiksel Ara yüz MATLAB içerisinde kullanıcılar için oluşturulmuş
kullanımı basit bir araçtır. Grafiksel Ara yüz ile birlikte yapay sinir ağları için
model kurulması, eğitilmesi ve test edilmesi mümkündür. Grafiksel Ara yüz
kullanımı için yapılması gereken MATLAB komut sayfasında >>nntool
komutunu girmektir.
4. Komutun girilmesi ile birlikte Grafiksel Ara yüz açılacaktır. Aşağıdaki
şekilde Grafiksel Ara yüz görülmektedir.
Öncelikle ağın oluşturulması için verilerin girilmesi gerekmektedir. Bu
noktada Ara yüz üzerindeki New Data seçeneği kullanılır.
5. Öncelikle ağın oluşturulması için verilerin girilmesi gerekmektedir. Bu
noktada Ara yüz üzerindeki New Data seçeneği kullanılır.
Girilecek olan veri formatı aşağıdaki gibi olmalıdır.
[0 0 1 10 1 0 1]
Örnek olarak verilen veriler iki değişken için alınmış ve dört kişiye
uygulanmıştır. Bu veriler için ağa tanıtılacak olan sonuçlar ise aşağıdaki
şekildedir.
[0 0 0 1]
New Data seçeneği seçildiğinde
yandaki pencere açılacaktır.
6. Pencere üzerinde Name yazan bölüme verilerin ismini, bu isim veriler
için genellikle p ve hedefler için genellikle t olarak alınır, Value yazan bölüme
daha önce belirtmiş olduğumuz değerleri girerek veri çeşidini sağ taraftan
seçmeniz gerekmektedir.
Veriler için Inputs, sonuçlar içinse Targets seçeneği seçilerek Create
tuşuna basılır. Bu durumda ağ için kullanılacak veriler ve hedefler programa
tanıtılmış olunur.
7. Ağın oluşturulması için ara yüz üzerindeki new network seçeneği seçilir. Bu
seçenek ile birlikte aşağıdaki pencere açılacaktır. Burada oluşturulacak ağ için
gerekli seçimler yapılır. Input ranges kısmında yer alan veriler aşağıdaki
formatta olup, veriler içerisindeki her bir değişken için minimum ve
maksimum değerleridir. Dilenirse bu değerler Get From Input seçeneği ile
birlikte otomatik olarak belirlenebilir. En son olarak Create tuşuna basılır ve ağ
yaratılmış olunur.
8. Ara yüz üzerinde ağ ismi ile birlikte Network sekmesinin altında
oluşturulan ağ görülmektedir.
Bu işlem sonrasında ağın ismi seçilirse ve ara yüzdeki view
seçeneği seçilirse ağ görüntülenecektir.
Aşağıdaki örnekte 48 adet için değişken hazırlanmış tek gizli katmanlı
bir ağ yapısı görülmektedir.
9. Ağ üzerinde çalışma için ağın ismi seçildikten sonra ara yüz
üzerindeki Initialize seçeneği seçilirse aşağıdaki ekran görülecektir.
Bu ekran üzerinde ağ için aralıkların belirlenmesi, ağın eğitilmesi,
adapte edilmesi, ağırlıkların ayarlanması ve ağın simile edilmesi
seçenekleri mevcuttur.
10. Ağ için kullanılacak olan aralıklar get from input seçeneği ile birlikte
elde edilebilmektedir. Sonrasında Set Ranges ve Initialize Weights ile birlikte
işlemler tamamlanmış olacaktır.
11. Ağın eğitilmesi için Train seçeneği seçilmelidir. Bu durumda aşağıdaki
pencere açılacaktır. Pencere üzerinde veriler ve hedef değerler seçilir. Çıktı ve
hata dosyaları içim isimler ise sağ tarafta belirtilir.
Dosyaların isimlerini belirlerken dikkat edilmesi gereken nokta daha
önce aynı isimle bir dosya seçilmemiş olmasıdır. Bu durumda oluşturulacak
yeni dosya aynı isimdeki eski dosyanın üzerine yazılabilir ve eski veriler
kaybedilebilir.
Ağ ile ilgili daha fazla eğitim bilgisi girilmek istenirse Parametre veya
Seçimli Bilgi kısımları kullanılır. Değerlerin girilmesi sonrasında Train
Network seçeneği ile birlikte ağ eğitimi başlatılır.
13. Ağa girilen değerlerin eğitim sonrasında simülasyonu için Simulate
seçeneği kullanılmaktadır.
Bu seçenek ile birlikte veriler sonrasında sonuçların elde edilmesi ve
başarı oranı bulunması mümkündür.
14. Tüm sonuçların programdan alınabilmesi için ara yüzdeki export
seçeneği kullanılabilir. Bu bölümde aktarılmak istenen veriler seçilir ve
export tuşuna basılırsa veriler dosyalar halinde MATLAB ana sayfasına
aktarılır.
15. Eğer ki biz Matlab’ı kodlayarak kullanmak istersek bu şekilde her veriyi,
değerini, boyutunu tek tek kodlamak durumundayız. İlk olarak A’nın 0 ve 1
şeklinde olmasını sağladık. Veri tipini belirledik. Daha sonra A’ya boyut atadık.
En sonunda da sütun matris haline çevirdik.
16. Burada girişimin aldığı en küçük ve en büyük değerleri gösterdik. Giriş
katmanına 10 nöron çıkış katmanına 2 nöron koyduk.
• Burada ise ilk olarak performans fonksiyonunu belirttik .(Hata kareler
toplamı)
• Döngü sayısını belittik
• Amacımızı belirttik.
• Son olarak da eğitim talimatı verdik.
17. • Eğitim sonucumuza baktığımızda;
Siyah çizgi bizim amaç çizgimizdir. Eğitim siyah çizgiye doğru ilerlemiş ve en
sonunda temas sağlanmıştır. Yani ağımız düzgün bir şekilde eğitilmiştir.
18. Yapay sinir ağı ile hava sıcaklığı tahmin işlemleri yapılırken sıcaklığın
etkileyen etmenler
meteorolojik olarak sıcaklık hesaplandığında ortamda sıcaklığı etkileyen
parametreler olarak aşağıda
gösterildiği gibi 4 giriş parametresi vardır.
Giriş Parametreleri;
• Su buharı basıncı
• Bağıl nem
• Rüzgar Şiddeti
• Hava basıncı
Sistemin Çıkışı ;
• Sıcaklık
Örnekler
4x40 boyutunda matris olarak ağa
gösterilip öncelikle bu ham eğitim
verisinde elde edilen çıkış değeri ise
1x40 matris olarak matlab programında
uygulamaya verilmiştir. Örnekler normalize edilmiş olacaktır.