بسته زرین فیلم های آموزشی شبکه های عصبی مصنوعی در متلب (به زبان فارسی)

بسته زرین فیلم های آموزشی شبکه های عصبی مصنوعی در متلب (به زبان فارسی)

 

شبکه های عصبی مصنوعی یا Artifiial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

بسته زرین فیلم های آموزشی شبکه های عصبی مصنوعی در متلب، مجموعه ای از هفت فیلم آموزشی جامع درباره شبکه های عصبی مصنوعی است. این بسته آموزشی بی نظیر، در مجموع شامل بیش از ۲۷ ساعت برنامه آموزشی تخصصی است، که تمام بخش های آن به صورت تئوری و عملی ارائه شده اند.

 

عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:

  • فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب
  • فیلم آموزشی جامع شبکه های عصبی شعاعی پایه یا RBF در متلب
  • فیلم آموزشی جامع ماشین های بردار پشتیبان یا SVM در متلب
  • فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب
  • فیلم آموزشی جامع شبکه های عصبی رقابتی و نگاشت خود سازمان ده یا SOM
  • فیلم آموزشی تحلیل مولفه اساسی یا PCA در متلب
  • فیلم آموزشی شبکه های عصبی هاپفیلد یا Hopfield Neural Network در متلب

 

برای کسب اطلاعات بیشتر در مورد این بسته آموزشی، ادامه مطلب را ببینید.

 

ادامه مطلب >>

فیلم آموزشی جامع ماشین های بردار پشتیبان یا SVM در متلب (به زبان فارسی)

فیلم آموزشی جامع ماشین های بردار پشتیبان یا SVM در متلب (به زبان فارسی)

 

در این پست قصد داریم فیلم آموزشی جامع ماشین های بردار پشتیبان یا SVM در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به ماشین های بردار پشتیبان یا SVM، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل طبقه بندی باینری (Binary Classification)، تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند.

شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

ماشین بردار پشتیبان یا Support Vector Machine (به اختصار SVM) نوع خاصی از شبکه های عصبی هستند که بر خلاف سایر انواع شبکه عصبی (مانند MLP و RBF) به جای کمینه کردن خطا، اقدام به کمینه کردن ریسک عملیاتی طبقه بندی یا مدل سازی می کند. این ابزار، بسیار قدرتمند است و در زمینه های مختلفی چون طبقه بندی، خوشه بندی و مدل سازی (رگرسیون) می تواند مورد استفاده قرار بگیرد.

 

در این فیلم آموزشی، سه الگوریتم مهم از میان ماشین های بردار پشتیبان مورد بررسی قرار گرفته اند:

  • ماشین بردار پشتیبان پایه برای طبقه بندی باینری یا SVM
  • کلاسترینگ بردار پشتیبان یا Support Vector Clustering (به اختصار SVC)
  • رگرسیون بردار پشتیبان یا Support Vector Regression (به اختصار SVR)

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

 

ادامه مطلب >>

فیلم آموزشی جامع شبکه های عصبی شعاعی پایه یا RBF در متلب (به زبان فارسی)

فیلم آموزشی جامع شبکه های عصبی شعاعی پایه یا RBF در متلب (به زبان فارسی)

 

در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی RBF در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی مبتنی بر توابع شعاعی پایه یا RBF، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند.

شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

 

ادامه مطلب >>

فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب (به زبان فارسی)

فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب (به زبان فارسی)

 

در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. همچنین مباحث عمیق تئوری و عملی، در زمینه تقسیم بندی داده ها، تحلیل عملکرد شبکه، روش های پیش پردازش اطلاعات و ده ها مبحث تخصصی دیگر نیز در این فیلم مورد بحث و بررسی قرار گرفته اند. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند.

شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

 

ادامه مطلب >>

معرفی مجموعه دوره های آموزشی در حال برنامه ریزی

 

دوره های آموزشی متلب و هوش مصنوعی

به اطلاع می رساند که دوره های آموزشی متعددی در زمینه های مختلف علمی، فنی، مهندسی و کاربردی در حال برنامه ریزی هستند و شما از طریق فرم های ارائه شده در لینک های زیر، می توانید برای شرکت در این دوره های آموزشی اعلام آمادگی نمایید. اطلاعات ارائه شده توسط شما، برای برنامه ریزی بهتر و مناسب تر دوره های آموزشی مورد استفاده قرار خواهند گرفت. هدف ما این است که این دوره های آموزشی را، با بهترین شرایط و کیفیت ممکن، از نظر زمانی، مکانی و محتوایی برگزار نماییم.

 

فهرست دوره های در حال برنامه ریزی

◊ دوره آموزشی جامع داده کاوی (Data Mining)کلیک کنید (+)

◊ دوره آموزشی جامع بازشناسی الگو (Pattern Recognition) و یادگیری ماشینی (Machine Learning) کلیک کنید (+)

◊ دوره های آموزشی مهندسی مکانیک (Mechanical Engineering)، مکاترونیک (Mechatronics) و هوافضا (Aerospace) کلیک کنید (+)

◊ دوره آموزشی جامع پردازش تصویر (Image Processing) کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل خطی (Linear Control Systems)کلیک کنید (+)

◊ دوره آموزشی جامع تخمین حالت سیستم های دینامیکی (State Estimation) کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل بهینه (Optimal Control Systems)کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل غیرخطی (Nonlinear Control Systems) کلیک کنید (+)

◊ دوره آموزشی جامع مدل سازی و شناسایی سیستم های دینامیکی (System Identification)کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل چند متغیره و مقاوم (Multivariable and Robust Control) کلیک کنید (+)

◊ دوره آموزشی جامع یادگیری تقویتی (Reinforcement Learning)کلیک کنید (+) 

◊ دوره های آموزشی جامع بهینه سازی هوشمند و کلاسیک کلیک کنید (+)

◊ دوره آموزشی جامع تحلیل و پیش بینی سری های زمانی (Time-Series Analysis and Prediction)کلیک کنید (+)

◊ دوره های آموزشی جامع و کاربردی اقتصادسنجی در متلب کلیک کنید (+) 

◊ دوره آموزشی کاربردهای متلب در علوم مالی (Finance)کلیک کنید (+)  

 

برای مشاهده فهرست کامل دوره های آموزشی در حال برنامه ریزی، و ارائه درخواست شرکت در این دوره ها، این لینک (+) را ببینید.

 

ضمنا، فهرست کاملی از دوره های آموزشی متلب سایت که برنامه زمانی آن ها مشخص شده است، در صفحه دوره های آموزشی (+) قابل مشاهده است.

 

روشی جدید در خوشه بندی اطلاعات با استفاده از ترکیب الگوریتم کشورهای استعماری و k-means – پایان نامه

 

 

خانم الهه طاهریان فرد، در پایان نامه کارشانسی ارشد خود در دانشگاه شیراز زیر نظر دکتر نیکنام و دکتر روستا، با ترکیب الگوریتم رقابت استعماری و روش k-means، روش جدید و کارآمدی برای خوشه یابی (کلاسترینگ – Clustering)، معرفی کرده است. نتایج حاصل از این کار پژوهشی در قالب چندین مقاله در معتبرترین ژورنالهای مرتبط با این حوزه منتشر شده اند. در ادامه این پست، بخشهای خلاصه شده ای از متن پایان نامه ایشان را منتشر می کنیم.

ادامه مطلب >>