آموزش ابزار یادگیری دسته بندی کننده در متلب

اگر تمایل ندارید که وارد فاز برنامه نویسی بشوید و قصد پیاده سازی مدلهای یادگیری ماشین را دارید، ابزار دسته بندی متلب برای شما می باشد. با این ابزار می توانید به سادگی داده های خود را وارد متلب کنید و هر مدل یادگیری ماشینی که تمایل داشتید را بر روی آن اعمال کنید و […]

آموزش ابزار یادگیری دسته بندی کننده در متلب بیشتر بخوانید »

برنامه نویسی متلب دسته بندی بیز ساده

دسته بندی کننده بیز ساده مجموعه ای از الگوریتم های دسته بندی است که بر اساس تئوری بیز کار می کند. دسته بندی کننده بیز یک مثال خوب از دسته بندی کننده های قوی و ساده هستند. علی رغم سادگی، دسته بندی کننده بیز، کاربردهای بسیار زیادی در یادگیری ماشین برای آن پیدا شده است.

برنامه نویسی متلب دسته بندی بیز ساده بیشتر بخوانید »

برنامه نویسی متلب نزدیکترین همسایه

این آموزش قسمت پنجم بسته آموزشی جامع یادگیری ماشین می باشد. به کاربران عزیز توصیه می شود قسمت های اول و دوم این بسته را مشاهده کنند تا با مفاهیم و پیش پردازش داده و معیارهای ارزیابی در یادگیری ماشین آشنا شوند. الگوریتم نزدیکترین همسایه یکی از روشهای یادگیری ماشین غیرپارامتری می باشد که برای

برنامه نویسی متلب نزدیکترین همسایه بیشتر بخوانید »

تشخیص نفوذ با چهار دسته بندی کننده

یک کد متلب تهیه شده است که چهار دسته بندی کننده بیز ساده آنالیز تمایز درخت دسته بندی کننده نردیکترین همسایه برای تشخیص نفوذ استفاده می کند. دیتاست ورودی این کد متلب NSL KDD می باشد.         لینک دانلود

تشخیص نفوذ با چهار دسته بندی کننده بیشتر بخوانید »

تشخیص نفوذ یا یادگیری عمیق

یکی از دیتاست های معروف در تشخیص نفوذ دیتاست NSL KDD می باشد. ما برای شما کد متلب تشخیص نفوذ بر روی این دیتاست را با مدل یادگیری عمیق LSTM آماده کرده ایم. این کد برای دو کلاس حمله و نرمال (بدون حمله) می باشد و بر اساس متلب 2020 نوشته شده است. این کد

تشخیص نفوذ یا یادگیری عمیق بیشتر بخوانید »

اعوجاجهای ناشی از پردازش

مشکل اصلی در تفريق طيفی اعوجاج غيرخطی پردازش ناشی از تغييرات تصادفی طيف نويز مي‎باشد. از رابطة (3-10) و اين شرط که اندازة طيف بايد مقدار غيرمنفی داشته باشد، مي‎توان سه منبع اعوجاج ناشی از تخمين طيف اندازه يا توان تشخيص داد: الف- تغييرات طيف توان لحظهای نويز نسبت به مقدار ميانگين عبارات ضرب متقاطع[1]

اعوجاجهای ناشی از پردازش بیشتر بخوانید »

بهبود صحبت با روش تفريق طيفي- شرح روش، فرضها و محدوديتها

اصولاً تفريق طيفی روشی است برای بازيافت طيف توان يا طيف اندازة يک سيگنال که با نويز نوع جمع شونده[1] آغشته شده است. اصول کار بر مبنای تخمين اندازة طيف فرکانسی سيگنال صحبت خالص، مي‎باشد. اين تخمين بوسيله تفريق اندازة طيف نويز از اندازة طيف سيگنال صحبت آغشته به نويز بدست مي‎آيد. اطلاعات مربوط به

بهبود صحبت با روش تفريق طيفي- شرح روش، فرضها و محدوديتها بیشتر بخوانید »

روش ارزيابی ميزان بهبود صحبت

در ارزيابی الگوريتمهای بهبود صحبت لازم است که شباهتها و تفاوتهای کيفيت صحبت و ميزان فهم آن قابل اندازهگيری و تشخيص باشد. کيفيت صحبت شاخصی است برای “طبيعی بودن” سيگنال صحبت پردازش شده. قابليت فهم سيگنال صحبت، در واقع ميزان اطلاعات گفتاری موجود در سيگنال که حامل پيام گوينده است را نشان مي‎دهد. كيفيت سيگنال

روش ارزيابی ميزان بهبود صحبت بیشتر بخوانید »

دسته‌بندی روشهای حذف نويز پهن باند از سيگنال صحبت

نويزهای پهن باند از مهمترين نويزهايی هستند که در مبحث حذف نويز محيطی مطرح هستند و حذف آنها به طور کلّی بسيار دشوارتر از نويزهای متناوب و ضربه‌ای مي‎باشد[7].       در دهه‌های گذشته روشهای بسياری برای کاهش نويز محيطی از سيگنال صحبت ارائه شده و توسعه يافته‌اند[8][14]. بسياری از اين روشها مبتنی بر آرايه‌های وفقی

دسته‌بندی روشهای حذف نويز پهن باند از سيگنال صحبت بیشتر بخوانید »

سيستمهای بهبود صحبت

سيستمهای پاكسازی گفتار سه هدف عمده را دنبال مي‎كنند: الف) بهبود جنبه‌های ادراكی گفتار نويزی همچون كيفيت و قابليت فهم سيگنال ب) ايمن‌سازی رمز كننده‌های گفتار در مقابل نويز ورودی (افزايش مقاومت رمز كننده گفتار با ورودی نويزي) ج) اصلاح عملكرد سيستمهای شناسايی گفتار در حضور نويز. شکل (2-3) چهارچوب کلّی يک سيستم پاکسازی گفتار

سيستمهای بهبود صحبت بیشتر بخوانید »