دانلود اسلاید ارائه پاورپوینت طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

fvrml110-1

 

در فیلم آموزشی «طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب»، مبانی تئوی همه الگوریتم های مورد اشاره، به همراه ده ها مبحث تخصصی دیگر، به صورت کامل و به زبان ساده مورد بحث و بررسی قرار می گیرند. در ادامه، پس از تشریح مبانی تئوری، با استفاده از امکانات جعبه ابزار (تولباکس) شبکه عصبی متلب و توابع تعبیه شده در آن، با استفاده از متدهای برنامه نویسی متلب، شبکه عصبی LVQ در متلب پیاده سازی شده است و برای حل چند مسأله طبقه بندی مورد استفاده قرار گرفته است. مدرس این مجموعه آموزش، دکتر سید مصطفی کلامی هریس (دکترای مهندسی کنترل از دانشگاه صنعتی خواجه نصیرالدین طوسی) است.

فایل پاورپوینت این آموزش برای دانلود در اختیار مخاطبین عزیز قرار گرفته است.

برای دانلود فایل پاورپوینت به لینک زیر مراجعه بفرمائید:

ادامه مطلب >>

دانلود اسلاید ارائه پاورپوینت شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب

hpdm93111
 

در آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب، پس از تشریح کامل مبانی تئوری و شیوه عملکرد الگوریتم GMDH چند جمله ای، پیاده سازی عملی و گام به گام این نوع از شبکه عصبی، به صورت کامل در محیط متلب انجام شده است. در ادامه نیز، با استفاده از برنامه نوشته شده برای ایجاد ساختارهای GMDH، مسائل مختلفی در حوزه های متعدد حل و بررسی شده اند.

فایل پاورپوینت این آموزش برای دانلود در اختیار مخاطبین عزیز قرار گرفته است.

برای دانلود فایل پاورپوینت به لینک زیر مراجعه بفرمائید:

ادامه مطلب >>

آموزش تجزیه و تحلیل داده ها در Excel

آموزش تجزیه و تحلیل داده ها در Excel

اکسل به عنوان ابزاری همه منظوره، برای تجزیه و تحلیل داده ها، بسیار محبوب است. جمع بندی و دسته بندی، مرتب سازی و فیلتر، استفاده از دستورات بدون فرمول نویسی و … همگی ابزاراتی هستند که امکان تحلیل داده ها را به کمک اکسل امکان پذیر می سازند.

ادامه مطلب >>

آموزش نرم افزار IBM SPSS Modeler و حل مثال های کاربردی داده کاوی

آموزش نرم افزار IBM SPSS Modeler

داده کاوی (Data Mining) یکی از ده دانش در حال توسعه ای است که دهه حاضر را با انقلاب تکنولوژیک مواجه ساخته است. این دانش امروزه دارای کاربرد بسیار وسیعی در حوزه های مختلف مدیرتی و صنعتی است. دانش داده کاوی فرآیند کشف دانش پنهان درون داده های انبوه می باشد که این مهم توسط الگوریتم ها و نرم افزارهای داده کاوی انجام می پذیرد. در این میان نرم افزار داده کاوی کلمنتاین (IBM SPSS Modeler) یکی از نرم افزارهای برتر داده کاوی از شرکت IBM می باشد که به صورت گسترده ای در پروژه های داده کاوی کاربرد دارد. به وسیله امکانات و الگوریتم هایی که کلمنتاین در اختیار کاربرانش قرار می دهد مدل سازی و انجام امور داده کاوی به بهترین شکل انجام می گیرد.

ادامه مطلب >>

آموزش داده کاوی با استفاده از WEKA

آموزش داده کاوی با استفاده از WEKA

داده کاوی مجموعه تکنیک هایی می باشد که پایگاه داده های بزرگ را به منظور دستیابی به دانش، تحلیل می کند. به منظور داده کاوی امروزه از روش های ماشینی و یا نیمه ماشینی استفاده می شود که دلیل آن هم تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌هایی می باشد که امروز مورد استفاده قرار می گیرد. داده کاوی یا Data Mining در اصل به معنای استخراج اطلاعات یا الگوهای عملکرد و روابط مشخص در میان داده ها و همین‌طور پایگاه های داده می باشد.

ادامه مطلب >>

پردازش داده‌های بزرگ در متلب با mapreduce

پردازش داده‌های بزرگ در متلب با mapreduce

 

این بخش به تکنیک برنامه‌نویسی MapReduce که در نسخه R2014b شبیه‌ساز MATLAB (متلب) در دسترس است، اختصاص دارد. MapReduce راهی را برای پردازش مقادیر بزرگ داده‌های مبتنی بر فایل بر روی کامپیوتر فراهم می‌کند. در شرایطی که مجموعه داده‌ها بسیار بزرگ باشد نیز کد MATLAB نوشته شده با استفاده از MapReduce می‌تواند بر روی پلتفرم “داده‌های بزرگ”، Hadoop، اجرا شود.

ادامه مطلب >>

آموزش انتخاب ویژگی یا Feature Selection

آموزش در دست انتشار انتخاب ویژگی یا Feature Selection

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روشهای انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

ادامه مطلب >>

آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion

آموزش در دست انتشار مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion

 

افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است. در واقع در آینده و با پیچیده تر شدن سامانه های مختلف (اعم از مکانیکی، نظامی، رباتیک و غیره) چاره ای جز استفاده از چند حسگر و تلفیق داده های آن ها با یکدیگر وجود ندارد.

ادامه مطلب >>