آموزش شبکه عصبی GMDH و طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ منتشر شدند!

مخاطبین گرامی،

خوشحالیم به اطلاع برسانیم، آموزش های زیر نیز به مجموعه آموزش های فرادرس، اضافه شدند:

 

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 شبکه های عصبی رقابتی و نگاشت خود سازمان ده یا SOM (به زبان فارسی)

فیلم آموزشی جامع شبکه های عصبی رقابتی و نگاشت خود سازمان ده یا SOM (به زبان فارسی)

 

در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی رقابتی و نگاشت خود سازمان ده یا SOM را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی رقابتی و نگاشت های خود سازمان ده، کاربردهای عملی مربوط به این نوع از شبکه عصبی غیر نظارت شده در حل مسائل مختلفی (نظیر خوشه بندی و کاهش ابعاد) مورد بحث و بررسی قرار گرفته است. برنامه های مربوط به این شبکه های عصبی، در فیلم آموزشی به صورت گام به گام پیاده سازی شده اند.

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 یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب (به زبان فارسی)

فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب (به زبان فارسی)

 

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.

در این پست قصد داریم فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به یادگیری غیر نظارت شده و مسأله خوشه بندی (Clustering) و الگوریتم k-Means، پیاده سازی عملی این الگوریتم و حل مسائل خوشه بندی (کلاسترینگ) در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. در برنامه های متعددی که در این فیلم آموزشی پیاده سازی شده است، ویژگی های مختلف تابع kmeans در متلب و نمایش نتایج حاصله را مورد بررسی دقیق قرار گرفته اند.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم 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 >>

بسته طلایی فیلم‌های آموزشی داده کاوی یا Data Mining در متلب (به زبان فارسی)

بسته طلایی فیلم‌های آموزشی داده کاوی یا Data Mining در متلب (به زبان فارسی)

 

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است.

اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است.

 

بسته طلایی فیلم‌های آموزشی داده کاوی یا Data Mining در متلب عنوان مجموعه ای از فیلم های آموزشی است، که در مجموع شامل بیست و چهار ساعت برنامه آموزشی تخصصی در زمینه داده کاوی و مباحث آن، پیاده سازی آن ها در محیط متلب و کاربردهای آن ها می باشد.

 

این بسته آموزشی از چند قسمت تشکیل شده است، که نام آن ها در ادامه آمده است:

  • فیلم آموزشی مبانی داده کاوی یا Data Mining
  • فیلم آموزشی روش های پیش پردازش و آماده سازی داده ها [رایگان]
  • فیلم آموزشی جامع طبقه بندی یا Classification
  • فیلم آموزشی جامع خوشه بندی یا Clustering
  • فیلم آموزشی جامع رگرسیون یا Regression
  • فیلم آموزشی جامع کاهش ابعاد یا Dimensionality Reduction
  • فیلم آموزشی تشخیص داده های پرت یا Outlier Detection [رایگان]
  • فیلم آموزشی جامع کاوش قواعد وابستگی یا Association Rule Mining
  • فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی

 

برای کسب اطلاعات بیشتر در خصوص این بسته  آموزشی بی نظیر، ادامه مطلب را مشاهده نمایید.

ادامه مطلب >>