لذا از افرادی که مایل به شرکت در دوره آموزشی شبکه های عصبی هستند، دعوت می کنیم که فرم مندرج در لینک زیر را تکمیل نمایند:

فرم نظر سنجی درباره چگونگی برگزاری دوره آموزشی شبکه های عصبی (کیلک کنید)

اگر در مشاهده فرم فوق با مشکل روبرو هستید، می توانید بر روی لینک ادامه مطلب کلیک کنید. این فرم به صورت ادغام شده در سایت نیز در دسترس شما قرار گرفته است. ادامه مطلب را ببینید.

(...)
Read the rest of نظر سنجی درباره دوره آموزشی جدید شبکه های عصبی مصنوعی (128 words)

© مدیر متلب سایت for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: دوره آموزشی شبکه عصبی, شبکه های عصبی, نظر سنجی

Feed enhanced by Better Feed from Ozh

در ادامه برگزاری دوره های آموزشی متلب و هوش محاسباتی، متلب سایت دوره آموزشی تئوری و عملی شبکه های عصبی مصنوعی در متلب را در اردیبهشت ۱۳۹۱ برگزار خواهد نمود. در این دوره آموزشی، مباحث تئوری و عملی فراوانی در مورد شبکه های عصبی مصنوعی مورد بحث قرار خواهند گرفت، که قطعا از نظر کاربردی، مجموعه وسیعی از رشته ها را پوشش می دهد و برای طیف بزرگی از دانشجویان و دانشپژوهان، قابل استفاده است. شیوه منحصر به فردی که در این دوره های آموزشی در پیش گرفته خواهد شد، آن ها را تبدیل به دوره های آموزشی بی نظیری می کند. به جرأت می توان گفت که، در هیچ موسسه و یا مرجع آموزشی (حتی در خارج از ایران)، چنین سرفصل هایی با رویکرد تئوری و عملی، تا کنون ارائه نشده است.

مدرس این دوره آموزشی، مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) است و مکان برگزاری دوره ها، در تهران (میدان هفتم تیر) خواهد بود.

برای کسب اطلاعات بیشتر در مورد این دوره آموزشی و اطلاع از چگونگی ثبت نام، بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of دوره آموزشی تئوری و عملی شبکه های عصبی مصنوعی در متلب — اردیبهشت ۱۳۹۱ (1,041 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 6 comments | Add to del.icio.us
Post tags: ANN, Artificial Neural Networks, MLP, RBF, Support Vector Machine, SVM, آموزش شبکه عصبی, آموزش متلب, آموزش هوش محاسباتی, آموزش هوش مصنوعی, توابع شعاعی پایه, تولباکس شبکه عصبی, دوره آموزشی شبکه عصبی, دوره آموزشی متلب, دوره آموزشی هوش محاسباتی برای مهندسی صنایع, دوره آموزشی هوش مصنوعی, ساختار شبکه عصبی پرسپترون چند لایه و یادگیری, شبکه عصبی, شبکه عصبی مصنوعی, شبکه های عصبی, شبکه های عصبی مصنوعی, شبکه های عصبی مصنوعی در متلب, طراحی شبکه عصبی در متلب, ماشین بردار پشتیبان, پرسپترون چند لایه

Feed enhanced by Better Feed from Ozh

سرویس علمی متلب سایت – وبسایت محاسبات تکاملی، در پستی کوتاه روند توسعه الگوریتم رقابت استعماری را به صورت آماری مورد بررسی اجمالی قرار داده است. در ادامه مطلب، بازنشر این نوشته کوتاه و جالب، جهت استفاده مخاطبین متلب سایت آمده است.

(...)
Read the rest of نگاهی آماری به روند توسعه الگوریتم رقابت استعماری (521 words)

© مدیر متلب سایت for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Imperialist Competitive Algorithm, الگوریتم رقابت استعماری, جدید ترین روش بهینه سازی, روند توسعه, شناخته شده ترین روش بهینه سازی, مقالات و پایان نامه ها, وبسایت محاسبات تکاملی

Feed enhanced by Better Feed from Ozh

کدنویسی و پیاده سازی الگوریتم ها برای حل مسائل عملی، همواره یکی از مشکلات و دغدغه های اصلی دانشجویان و محققین در رشته های مختلف علمی و مهندسی است. از این میان، مسائل مطرح شده در رشته مهندسی صنایع و رشته های مربوطه، از جایگاه ویژه ای برخوردارند، و پیاده سازی و حل مسائل مورد بحث در این رشته ها، نیازمند تخصص و تجربه نسبتا زیادی است. اغلب افرادی که علاقه مند به یادگیری چنین مباحثی هستند، معمولا نمی توانند منبع و مرجع مناسبی برای این کار پیدا کنند. همچنین، یادگیری چنین مباحثی غالبا نیازمند مطالعات عمیق و زمان بری است که مشکلات موجود در مسیر فراگیری مهارت های برنامه نویسی تخصصی مهندسی صنایع را، دو چندان می کند.

با توجه به موارد مذکور، تعدادی از دوره های آموزشی متلب سایت در سال جدید، به همین موضوعات، یعنی برنامه نویسی تخصصی متلب برای حل مسائل مهندسی صنایع اختصاص دارد. دوره های آموزشی حل مسائل مهندسی صنایع توسط متاهیوریستیک ها در متلب، در اردیبهشت و خرداد ۱۳۹۱ برگزار خواهند شد. در این دوره های آموزشی، علاوه بر مرور تئوری مسائل مختلف مورد بحث در رشته مهندسی صنایع، روش های عملی برنامه نویسی و پیاده سازی این مسائل در محیط متلب، به صورت کاملا گام به گام، توسط یکی از به نام ترین استادان برنامه نویسی ایران، آموزش داده خواهد شد.

شیوه منحصر به فردی که در این دوره های آموزشی در پیش گرفته خواهد شد، آن ها را تبدیل به دوره های آموزشی بی نظیری می کند. به جرأت می توان گفت که، در هیچ موسسه و یا مرجع آموزشی (حتی در خارج از ایران)، چنین سرفصل هایی تا کنون ارائه نشده است.

مسائل مختلفی در این دوره های آموزشی مورد بحث و بررسی قرار خواهند گرفت و توسط روش های مختلف بهینه سازی هوشمند یا متاهیوریستیک ها (از جمله الگوریتم ژنتیک، الگوریتم PSO، الگوریتم رقابت استعماری و شبیه سازی تبرید) حل خواهند شد. شرکت در این دوره های آموزشی را، به دانشجویان رشته های مهندسی صنایع، مدیریت، ریاضی کاربردی و مهندسی کامپیوتر و عموم علاقه مندان به مباحث بهینه سازی و تحقیق در عملیات، توصیه می کنیم. مدرس این دوره های آموزشی، مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) است و مکان برگزاری دوره ها، در تهران (میدان هفتم تیر) خواهد بود.

برای کسب اطلاعات بیشتر در مورد این دوره های آموزشی و اطلاع از چگونگی ثبت نام، بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of دوره های آموزشی حل مسائل مهندسی صنایع توسط متاهیوریستیک ها در متلب — بهار ۱۳۹۱ (1,693 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 6 comments | Add to del.icio.us
Post tags: آموزش متلب, آموزش هوش محاسباتی, آموزش هوش مصنوعی, تحقیق در عملیات, دوره آموزشی بهینه سازی, دوره آموزشی متلب, دوره آموزشی متلب برای مهندسین صنایع, دوره آموزشی مهندسی صنایع, دوره آموزشی هوش محاسباتی برای مهندسی صنایع, دوره آموزشی هوش مصنوعی

Feed enhanced by Better Feed from Ozh

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

الگوریتم مورچگان برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود. در فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان، روش های حل مسائل گسسته (از نوع باینری، عدد صحیح و جایگشتی) مورد بحث و بررسی واقع شده است. در این فیلم با حل سه مسأله به صورت عملی، نکات عملی مربوطه به طور گام به گام آموزش داده شده اند. سه مسأله مورد بررسی در این فیلم عبارتند از:

• مسأله کوله پشتی باینری یا Binary Knapsack Problem
• مسأله کوله پشتی عدد صحیح یا Integer Knapsack Problem
• مسأله تخصیص درجه دو یا Quadratic Assignment Problem (به اختصار QAP)

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

(...)
Read the rest of فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان (به زبان فارسی) (522 words)

© مدیر متلب سایت for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: ACO, Ant Colony Optimization, Knapsack Problem, QAP, Quadratic Assignment Problem, آموزش ACO, آموزش الگوریتم مورچگان, الگوریتم مورچگان, بهینه سازی کلونی مورچگان, تخصیص, فیلم آموزشی, فیلم آموزشی ACO, فیلم آموزشی الگوریتم مورچگان, مسأله تخصیص درجه دو, مسأله کوله پشتی, مسأله کوله پشتی باینری, مسأله کوله پشتی گسسته

Feed enhanced by Better Feed from Ozh

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

به عنوان مثال، عملکرد مورچه های آرژانتینی در یافتن کوتاه ترین مسیر بین لانه و منبع غذایی، بسیار عجیب و حیرت انگیز است. مورچه آرژانتینی عملا کور است و طبعا کوتاه ترین مسیر برای او مفهومی ندارد و توسط او قابل شناخت نمی باشد. اما با وجود چنین کمبودی، توده ای از این مورچه ها می توانند با همکاری یکدیگر، کوتاه ترین مسیر موجود بین لانه و محل مواد غذایی را پیدا کنند. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار می کنند. این الگوریتم برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود.

فیلم آموزشی جامع الگوریتم مورچگان در متلب، شامل مباحث تئوری و عملی در خصوص بهینه سازی کلونی مورچگان یا ACO است و می تواند به عنوان یک مرجع بسیار کامل، برای استفاده دانشجویان و دانشپژوهان مورد استفاده قرار بگیرد. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

(...)
Read the rest of فیلم آموزشی جامع الگوریتم مورچگان در متلب — شامل مباحث تئوری و عملی (به زبان فارسی) (521 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 2 comments | Add to del.icio.us
Post tags: ACO, Ant Colony Optimization, Traveling Salesman Problem, TSP, آموزش ACO, آموزش الگوریتم مورچگان, الگوریتم مورچگان, بهینه سازی کلونی مورچگان, فیلم آموزشی, فیلم آموزشی ACO, فیلم آموزشی الگوریتم مورچگان, مسأله فروشنده دوره گرد

Feed enhanced by Better Feed from Ozh

واقعاً حیف است دستور ساده و پرقدرتی مثل plot و mesh تنها محدود به ترمینال اصلی متلب باشد. matplotlib این مشکل را حل کرده است. اگر با زبان python کار می کنید، قطعاً به استفاده فراوان آن در طراحی وب تعاملی نیز آشنا هستید. حال در این زبان، با استفاده از matplotlib، با همان دستوارت متلب، می توانید قدرت بالای گرافیکی را به برنامه خود در پایتان (و یا به برنامه وب خود) اضافه کنید. مثلاً دستورات زیر تابع سیسنوسی را با اعمال بر روی بردار صفر تا پنج با گام ۰٫۱ ترسیم می کند. به چگونگی استفاده از دستور plot به صورت مشابهش در متلب توجه کنید.

import numpy as num
import matplotlib
import matplotlib.pyplot as plt
x = num.arange(0, 5, 0.1);
y = num.sin(x)
plt.plot(x, y)
plt.show()

اطلاعات بیشتر در این مورد به همراه لیست دستورات مشترک آن با متلب، را در صفحه رسمی انتشار matplotlib ببینید.

• http://matplotlib.sourceforge.net/

© eag for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: matplotlib, mesh, plot, python, دستورات متلب, دستورات گرافیکی متلب, قدرت گرافیکی, پایتان

Feed enhanced by Better Feed from Ozh

سرویس علمی متلب سایت – در پاسخ به نیاز روزافزون دانشجویان و پژوهشگران علاقه مند به استفاده از الگوریتم استعماری (Imperialist Competitive Algorithm – ICA)، وبسایت محسابات تکاملی (+) امکان دانلود نزدیک به دویست و پنجاه مقاله از میان مجموعه مقالات منتشر شده در مورد الگوریتم رقابت استعماری را فراهم کرده است. در صورت تمایل به دسترسی به این مقالات، مستندات الگوریتم رقابت استعماری – بخش اول: مقالات لاتین (این لینک +) را ببییند.

نکته: اگر تمایل به یادگیری و استفاده از این الگوریتم جدید و کارای بهینه سازی دارید، پست زیر را که قبلاً در متلب سایت تهیه کرده بودیم، از دست ندهید. الگوریتم رقابت استعماری در عین جدید و نوپا بودنش، به واسطه مطالب بسیار منتشر شده در مورد آن، یادگیری اش در حال حاضر بسیار ساده تر از هر روش دیگری می باشد. در هیچ زمینه مرتبط با بهینه سازی و محاسبات تکاملی به اندازه این روش، مطالب علمی منظم منتشر شده در وب فارسی وجود ندارد. مطلب نوشته شده در لینک زیر می تواند نقطه شروع شما برای یادگیری این الگوریتم باشد. همچنین فرصت استفاده از بسته اختصاصی آموزشی اخیر متلب سایت در این زمینه را نیز از دست ندهید.

• هشت گام ساده برای یادگیری کامل الگوریتم رقابت استعماری (از شروع تا انتشار مقاله علمی)

پایان متن

© eag for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Imperialist Competitive Algorithm, الگوریتم جدید و کارای بهینه سازی, الگوریتم رقابت استعماری, بهینه سازی و محاسبات تکاملی, لینک دانلود, مستندات الگوریتم رقابت استعماری

Feed enhanced by Better Feed from Ozh

الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش محاسباتی و محاسبات تکاملی معرفی شده است. جان مایه اصلی این الگوریتم، شبیه سازی فرآیند سیاسی استعمار است. به همان صورت که الگوریتم ژنتیک تکامل زیستی را شبیه سازی می کند، در الگوریتم رقابت استعماری، از تکامل سیاسی استفاده شده است. این الگوریتم در سال ۲۰۰۷ توسط اسماعیل آتش پز گرگری و مرحوم پرفسور کارو لوکس (استاد فقید دانشگاه تهران) معرفی شد و تا کنون در کاربردهای فراوان و زمینه های تحقیقاتی متنوعی، به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. قدرت بالای این الگوریتم، به خصوص در برخورد با مسائل پیوسته، باعث شده است که الگوریتم رقابت استعماری به عنوان یکی از ابزارهای مهم در زمینه بهینه سازی به حساب بیاید.

بسته طلایی فیلم های آموزشی الگوریتم رقابت استعماری در متلب، مجموعه ای از پنج فیلم آموزشی است که در مجموع شامل بیش از ۱۳ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:

• فیلم آموزشی جامع الگوریتم رقابت استعماری — شامل مباحث تئوری و عملی
• فیلم آموزشی خوشه بندی یا Clustering با الگوریتم رقابت استعماری
• فیلم آموزشی درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
• فیلم آموزشی حل مسأله کوچکترین درخت پوشا با الگوریتم رقابت استعماری
• فیلم آموزشی جامع حل مسائل جایگشتی با الگوریتم رقابت استعماری

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

(...)
Read the rest of بسته طلایی فیلم های آموزشی الگوریتم رقابت استعماری در متلب (به زبان فارسی) (441 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Clustering, Graph Theory, ICA, Imperialist Competitive Algorithm, Minimum Spanning Tree, Radial Basis Function, RBF, آموزش الگوریتم رقابت استعماری, الگوریتم رقابت استعماری, برازش منحنی, تحقیق در عملیات, توابع شعاعی پایه, خوشه بندی, درونیابی, طبقه بندی, فیلم آموزشی, فیلم آموزشی الگوریتم رقابت استعماری, مدل سازی, مسائل بهینه سازی جایگشتی, مسائل جایگشتی, مهندسی صنایع, مهندسی کامپیوتر, نظریه گراف, کلاسترینگ, کوچکترین درخت پوشا

Feed enhanced by Better Feed from Ozh

الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش محاسباتی و محاسبات تکاملی معرفی شده است. جان مایه اصلی این الگوریتم، شبیه سازی فرآیند سیاسی استعمار است. به همان صورت که الگوریتم ژنتیک تکامل زیستی را شبیه سازی می کند، در الگوریتم رقابت استعماری، از تکامل سیاسی استفاده شده است. این الگوریتم در سال ۲۰۰۷ معرفی شده است و تا کنون در کاربردهای فراوان و زمینه های تحقیقاتی متنوعی، به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. قدرت بالای این الگوریتم، به خصوص در برخورد با مسائل پیوسته، باعث شده است که الگوریتم رقابت استعماری به عنوان یکی از ابزارهای مهم در زمینه بهینه سازی به حساب بیاید.

در راستای پوشش نیازهای علمی جامعه هوش محاسباتی ایران، بسته کاملی از فیلم های آموزشی الگوریتم رقابت استعماری توسط متلب سایت تهیه شده اند که می توانند به عنوان مرجع کاملی برای دانشجویان و دانشپژوهان مورد استفاده قرار بگیرند. بخشی از این مجموعه آموزشی، که در این پست قصد معرفی آن را داریم، مربوط به حل مسائل بهینه سازی جایگشتی با استفاده از الگوریتم رقابت استعماری است. مسائل بهینه سازی جایگشتی، در حالت کلی مسائل بهینه سازی گسسته هستند که راه حل آن ها را می توان به صورت یک جایگشت بیان نمود. الگوریتم رقابت استعماری یک الگوریتم پیوسته است و در این فیلم، نحوه استفاده از آن برای حل مسائل گسسته جایگشتی، مورد بررسی قرار گرفته است.

برای کامل تر شدن محتوای فیلم آموزشی، و همچنین افزایش جنبه کاربردی آن، چهار مسأله جایگشتی در این فیلم تعریف شده اند و به طور کامل مورد حل و بررسی قرار گرفته اند. مسائل مورد بحث در این فیلم آموزشی جامع، از جمله مسائل پایه ای و کاربردی در رشته های مختلف، از جمله رشته های مهندسی هستند. عناوین ۴ مسأله مورد بحث در این فیلم عبارتند از:

• مسأله فروشنده دوره گرد یا Traveling Salesman Problem (به اختصار TSP) که به جرأت می توان گفت که معروف ترین مسأله بهینه سازی جایگشتی است و کاربردهای فراوانی دارد؛
• مسأله تخصیص درجه دو یا Quadratic Assignment Problem (به اختصار QAP) که دارای کاربردهای وسیعی در علوم مهندسی است؛
• مسأله n وزیر یا n-Queen Probem (به اختصار nQP) که یک مسأله کلاسیک در بهینه سازی و تحقیق در عملیات است؛
• مسأله زمان بندی پایه یا Basic Scheduling Problem که مادر تمام مسائل زمان بندی است و قطعا شیوه حل آن، می تواند الگوی مناسبی برای حل سایر انواع مسائل زمان بندی باشد.

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

(...)
Read the rest of فیلم آموزشی جامع حل مسائل جایگشتی با الگوریتم رقابت استعماری (به زبان فارسی) (871 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | One comment | Add to del.icio.us
Post tags: ICA, Imperialist Competitive Algorithm, آموزش الگوریتم رقابت استعماری, الگوریتم رقابت استعماری, فیلم آموزشی, فیلم آموزشی الگوریتم رقابت استعماری, مسائل بهینه سازی جایگشتی, مسائل جایگشتی

Feed enhanced by Better Feed from Ozh