اختبار الشبكة :
تم اختبار الشبكة من خلال التغيير في الأوزان و ملاحظة النتائج المتغيرة في نسب التعرف على الأحرف و اختيار الشبكة الأمثل لعملية التعرف .
تم اختبار الشبكة من خلال التغيير في الأوزان و ملاحظة النتائج المتغيرة في نسب التعرف على الأحرف و اختيار الشبكة الأمثل لعملية التعرف .
لتوضيح ذلك قمنا بإدخال عدد من عينات اختبار لحرف الباء
بشكله المنفصل = 32 عينة
و عدد من عينات حرف الطاء بشكله المنفصل =40 عينة
وتغيير الأوزان في النيورونات و مراقبة نسبة التعرف على
الحرفين من بين جميع الأحرف المدروسة
لاختيار الشبكة الأمثل فظهرت النتائج التالية كما في الجدول :
|
خصائص الشبكة
|
عدد النيورونات =20
التدريب
الأول
|
عدد
النيورونات =20
التدريب الثاني
|
عدد
النيورونات =20
التدريب الثالث
|
|
اسم الشبكة
|
Net20-1
|
Net20-2
|
Net20-3
|
|
نسبة التعرف على حرف الباء
|
100%
|
96%
|
96%
|
|
نسبة التعرف على حرف الطاء
|
88%
|
88%
|
87%
|
|
خصائص
الشبكة
|
عدد
النيورونات=25
التدريب الأول
|
عدد
النيورونات =25
التدريب الثاني
|
عدد
النيورونات =25
التدريب الثالث
|
|
اسم
الشبكة
|
Net25-1
|
Net25-2
|
Net25-3
|
|
نسبة التعرف على حرف الباء
|
96%
|
94%
|
91%
|
|
نسبة التعرف على حرف الطاء
|
83%
|
85%
|
88%
|
|
خصائص الشبكة
|
عدد
النيورونات =30
التدريب الأول
|
عدد
النيورونات =30
التدريب الثاني
|
عدد
النيورونات =35
التدريب الثالث
|
|
اسم
الشبكة
|
Net30-1
|
Net30-2
|
Net30-3
|
|
نسبة التعرف على حرف الباء
|
91%
|
97%
|
91%
|
|
نسبة التعرف على حرف الطاء
|
98%
|
85%
|
95%
|
|
خصائص الشبكة
|
عدد
النيورونات =35
التدريب الأول
|
عدد
النيورونات =35
التدريب الثاني
|
عدد
النيورونات=35
التدريب الثالث
|
|
اسم الشبكة
|
Net35-1
|
Net35-2
|
Net35-3
|
|
نسبة التعرف على حرف الباء
|
97%
|
100%
|
91%
|
|
نسبة التعرف على حرف الطاء
|
85%
|
83%
|
88%
|
جدول(1):نتائج تدريب الشبكة
من الجدول و ملاحظة النسب تم اختيار الشبكة (net20-1) و الشبكة (net30-1) كأفضل شبكتين للتعرف على حرفي
الباء و الطاء .
الشكل يبين نتائج تدريب الشبكة (net20-1), الشكل اللذي يليه يبين المنحني لهذه الشبكة .
 |
| نتائج تدريب الشبكة (net20-1). |
حيث أن :
Epoch :يقوم بإدخال كل عينات
التدريب و المقارنة ,حيث يقوم بالتوقف لعملية التدريب عندما يصبح الخطأ أمثلي او
عندما يغير µ ست مرات دون تحسن ملحوظ في التدريب أو
عند إدخال العينات وتكرار عملية التدريب لألف مرة .
Performance : تقوم بإعطاء تفصيل عن الأداء .
Gradient :تحسب الميل على منحني الخطأ .
Validation checks:تعطي عدد المحاولات التي هدفها
الرجوع إلى القيمة المحلية الصغرى .
 |
| منحني الأداء تدريب الشبكة (net20-1). |
كما أن الشكل التالي يبين نتائج شبكة التدريب للشبكة (net30-1) والشكل اللذي يليه يبين منحني تدريب هذه الشبكة .
 |
| نتائج تدريب الشبكة (net30-1) |
 |
| منحني الأداء لتدريب الشبكة (1-net30). |
نلاحظ من خلال المنحنيات أن نسبة الخطأ صغيرة وهذا
مفيد من أجل نسب تعرف أكبر .
بعد اختيار الشبكات الامثل قمنا بإجراء فحص نسبة
التعرف على الحرفين الباء و الطاء مع اختلاف العينات المخزنة بقاعدة البيانات و
تبينت النتائج التالية :
|
العينات المخزنة في قاعدة المعطيات
|
عدد النيورونات =20
|
عدد النيورونات=30
|
||||||
|
تدريب أول 1
|
تدريب ثاني 2
|
تدريب أول 1
|
تدريب ثاني 2
|
|||||
|
نسبة التعرف على ب
|
نسبة التعرف على ط
|
نسبة التعرف على ب
|
نسبة التعرف على ط
|
نسبة التعرف على ب
|
نسبة التعرف على ط
|
نسبة التعرف على ب
|
نسبة التعرف على ط
|
|
|
حرفي الباء و الطاء فقط
|
100%
|
98%
|
97%
|
96%
|
97%
|
95%
|
98%
|
95%
|
|
حرف الباء و الطاء و اللام
|
98%
|
92%
|
97%
|
93%
|
95%
|
94%
|
93%
|
93%
|
|
حرف الباء و الطاء و اللام و الجيم
|
96%
|
88%
|
96%
|
88%
|
91%
|
95%
|
89%
|
86%
|
جدول (2): نسب تعرف على حرفي الباء والطاء بإختيار الشبكات المثلى
مع ملاحظة المنحنيات ونسبة الخطأ :
حيث نلاحظ مع زيادة عدد النماذج المراد التعرف عليها(زيادة عدد الأحرف
وحالات الحرف المختلفة) يؤدي ذلك إلى تقارب مجال التعرف لكل نموذج من النماذج
الأخرى في فضاء الاحتمال مما يؤدي إلى
زيادة احتمال حدوث خطأ أثناء التعرف ,لذك كان السعي نحو تقليل عددالنماذج المراد
التعرف عليها من خلال إضافة سمة النقطة و موضعها بالنسبة للحرف مما يسمح بدمج عدة
حروف ضمن نفس النموذج .
 |
| منحني الأداء بوجود عينات حرفي الباء و الطاء فقط للشبكة (net20-1) . |
 |
| منحني الأداء بوجود عينات حروف الباء و الطاء و اللام للشبكة (net20-1) |
 |
| منحني الأداء بوجود عينات جميع الحروف للشبكة (net20-1). |
