Dipilih dari software, topik, dan level “Kelas ANFIS Metaheuristik Peramalan Deret Waktu #3: Membangun ANFIS dari Nol: Lima Lapisan dan Pembelajaran Hybrid”.
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, Anvis yang kita tulis dari nol, belajar dari data dengan pembelajaran hybrid. Ramalan 6 langkah Mekiglas berimpit hampir sempurna dengan aslinya, galatnya hanya 3 perseribu. Kita juga menemukan jebakan overfitting pada sunspot dan cara mengatasinya. Ayo kita mulai. Halo, selamat datang di episode ketiga seri Anvis Metaheuristik untuk peramalan deret waktu. Anvis, Adaptive Neurofase Inferency System, diperkenalkan jang tahun 1993. Strukturnya sama dengan sistem Sugeno, tetapi parameternya dilatih seperti jaringan saraf. Kuncinya adalah pembelajaran hybrid yang sangat efisien. Hari ini kita menulisnya.
Langkah 1: Lapisan ANFIS & least sguares
Buat file anvis.py Dengan 4 masukan dan 2 fungsi keanggotaan permasukan, ada 2 pangkat 4, yaitu 16 aturan. Parameter premis adalah pusat dan lebar gausian, 16 angka, dan parameter konsekuen 5 angka peraturan, total 80. Fungsi maju menghitung lapisan 1 sampai 3 sekaligus dengan nampai. Fungsi konsekuen lay adalah setengah dari pembelajaran hybrid. Dengan premis tetap, keluaran anvis linier terhadap konsekuen, sehingga nilai optimalnya didapat dalam satu hitungan least squares. Parameter lay menambahkan regularisasi ridge agar koefisien tidak membesar liar. Fungsi latih menjalankan pembelajaran hybrid.
Langkah 2: Pembelajaran hybrid
Setiap epoch, konsekuen dihitung dengan least squares, lalu galat dirambatkan mundur melalui lapisan normalisasi dan kekuatan aturan untuk menghitung gradien pusat dan lebar setiap fungsi keanggotaan, dan keduanya diperbarui dengan gradient descent. Fungsi premis dan atur premis mengubah parameter premis menjadi vektor, yang nanti dipakai algoritma metaheuristik. Buat file latih underscore anvis.py dan jalankan.
Langkah 3: Melatih pada dua deret
Kita juga melatih versi tanpa ridge sebagai pembanding. Pada Mackey Glass, Anvis mencapai RMSI latih 0,0025 dan uji 0,0032 dalam 1 detik. Pada Sunspot, RMSI uji 0,1265, tetapi tanpa ridge RMSI uji meledak menjadi 2,02. Sebabnya, data uji Sunspot berisi puncak yang lebih tinggi dari data latih, dan 80 koefisien tanpa batasan mengekstrapolasi secara liar. Regularisasi menjinakannya.
Langkah 4: Ramalan & fungsi keanggotaan
Mari lihat grafiknya. RMSI latih turun selama 100 epoch. Ramalan Mackey Glass, garis putus-putus, hampir tidak bisa dibedakan dari data aktual, sedangkan ramalan Sunspot mengikuti siklus tetapi meleset di beberapa puncak. Panel kanan memperlihatkan fungsi keanggotaan bergeser dari posisi awal titik-titik ke posisi baru yang dipelajari dari data.
Selesai!
Selesai. Kita sudah membangun Anvis dari 0 dengan 5 lapisan, list squares dengan regularisasi ridge, dan gradient descent, serta melatihnya pada 2 deret. Di episode berikutnya kita mengoptimasi parameter premis dengan PSO dan algoritma genetika. Sedang menyusun skripsi, tesis, atau riset di bidang peramalan dan kecerdasan buatan. Cerdas inovasi digital membantu implementasi model peramalan, dari sistem fazi Sugeno dan Anvis, optimasi parameter dengan PSO dan algoritma genetika, sampai pembanding LSTM dan Arima serta uji Daibold Mariano, serta membuka kursus pemrograman Python untuk teknik. Ingin menguasai seluruh seri ini, dari deret waktu chaos sampai evaluasi statistik? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah, data set, dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton,
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
53 kelas video1.290 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
