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 >>

مراجع مرتبط با هوش مصنوعی

 آموزش هوش مصنوعی

هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف می تواند از خود نشان دهد گفته می شود. در سال ۱۹۴۳ با اختراع کامپیوتر های الکترونیک، هوش مصنوعی دانشمندان را به چالشی بزرگ فراخواند. ماشین هوشمند ماشینی است که توانایی فکر کردن بدون نیاز به انسان را دارند. یکی از ویژگی که ماشین های هوشمند باید داشته باشند، شناخت از وجود خود است که تاکنون ماشینی که این توانایی را به طور کامل داشته باشد به وجود نیامده است، دومین ویژگی شناخت محیط پیرامون است که این امکان در برخی از ماشین های هوشمند امروزی که با نام «ربات های امدادگر» شناخته می شوند، وجود دارد، ویژگی دیگر توانایی نشان دادن عکس العمل در مقابل کنش های حاصل از محیط است این امکان در برخی از ماشین های هوشمند امروزی با نام «ربات های کاوشگر»، وجود دارد،هوش انسانی قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم است در صورتی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر است. در نتیجه علی رغم وجود رایانه های بسیار کارا و قوی در عصر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوش های مصنوعی نبوده ایم.

ادامه مطلب >>

نقد و بررسی فرادرس آموزش ماشین های بردار پشتیبان یا SVM در متلب

آموزش ماشین های بردار پشتیبان یا SVM در متلب

یکی از دانشجویان و همراهان فرادرس جناب آقای علی رهنما (دانشجوی کارشناس ارشد، مهندسی فناوری اطلاعات، گرایش تجارت الکترونیک)، نقد و بررسی مفصلی در مورد آموزش ماشین های بردار پشتیبان یا SVM در متلب به ما ارسال کرده اند.

فرادرس همواره به دنبال شنیدن نظرات همراهان خود است و حتی در قبال دریافت این نقدها و نظرات آموزش های غیر رایگان فرادرس را به صورت رایگان در اختیار دانشجویانی قرار می دهد که نقدهای خود را در مورد آموزش فرادرس ارسال می کنند.

در ادامه نگاه آقای علی رهنما به فرادرس آموزش ماشین های بردار پشتیبان یا SVM در متلب را می بینیم که برای انتشار در اختیار متلب سایت قرار گرفته است.

ادامه مطلب >>

آموزش یادگیری تقویتی (Reinforcement Learning)

آموزش یادگیری تقویتی یا Reinforcement Learning

 

هوش مصنوعی، علم مطالعه و بررسی ماشین‌هایی است که رفتار هوشمندانه دارند. مفهوم هوشمندی، چیزی است که به سختی قابل تعریف است. اما معمولا هوشمندی با توانایی یادگیری از طریق تجربه، مرتبط دانسته می‌شود. یادگیری ماشینی، زمینه‌ای مطالعاتی در هوش مصنوعی است که به دنبال ایجاد عامل‌هایی همچون برنامه‌های کامپیوتری است که بتوانند با استفاده از تجربیات خود یاد بگیرند. ایده‌ی ایجاد ماشین‌هایی که رفتار هوشمندانه‌ی انسان را تقلید می‌کنند، بدون الهام گرفتن از هوشمندی انسان‌ها، هیچ‌گاه کامل نخواهد بود و به ثمر نخواهد نشست.

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 شبکه های عصبی گازی به همراه پیاده سازی عملی در متلب

 آموزش در دست انتشار شبکه های عصبی گازی به همراه پیاده سازی عملی در متلب

 

شبکه عصبی گازی یا شبکه گاز عصبی (Neural Gas Network) یکی از انواع شبکه های عصبی رقابتی با الگوی یادگیری غیر نظارت شده است، که کاربرد اصلی آن در حل مسائل خوشه بندی (Clustering) و یادگیری توپولوژی (Topology) است. این نوع از شبکه عصبی، از نظر طبقه بندی در رده الگوریتم های Vector Quantization (به اختصار VQ) قرار می گیرد و ارتباط بسیار نزدیکی با الگوریتم خوشه بندی k-Means، شبکه عصبی SOM (نگاشت های خود سازمان ده) و شبکه عصبی LVQ دارد. شبکه گاز عصبی علاوه بر انجام خوشه بندی و قرار دادن مرکز خوشه ها در محل مناسب، ارتباط های همسایگی میان نورون ها (مراکز خوشه ها) را به صورت پویا ایجاد می کند، که در نهایت این الگوریتم را، قادر به یادگیری توپولوژی می کند.

ادامه مطلب >>

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

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.

ادامه مطلب >>