داده كاوي

پیش پردازش داده و معیارهای ارزیابی در MATLAB

این آموزش قسمت دوم بسته آموزش جامع یادگیری ماشین می باشد. ما در این آموزش شما با ابزارهای و تابع های متلب در پیش پردازش داده و معیارهای ارزیابی مدل های یادگیری ماشین آشنا می کنیم. در هر کار یادگیری ماشین ما با داده (data) در ارتباط هستیم. این داده ها می توانند از منابع […]

پیش پردازش داده و معیارهای ارزیابی در MATLAB بیشتر بخوانید »

بسته آموزش جامع یادگیری ماشین machine learning

یادگیری ماشین دانش استفاده از کامیپوتر بدون برنامه نویسی آن به صورت مشخص می باشد. شما در سیستم های embedded لازم است تا با یک زبان برنامه نویسی مثل C++ یا VHDL برنامه ای بنویسید و داخل حافظه میکروکنترلر یا FPGA بارگذاری کنید تا سیستم شما بتواند کار مورد نظرشما را انجام دهد. مثلا فرض

بسته آموزش جامع یادگیری ماشین machine learning بیشتر بخوانید »

بسته آموزشی جامع یادگیری عمیق Deep Learning

یکی از زمینه های بسیار جذاب و پرکاربرد در قرن اخیر هوش مصنوعی می باشد. هم اکنون کاربردهای بسیار زیادی برای هوش مصنوعی در جهان اطراف ما قابل مشاهده است مثل ماشین های بدون راننده ، دستیاران صوتی، مترجم های آنلاین، رباتهای هوشمند، نرم افزارهای تشخیص بیماری ، الگوریتم های هوشمند داده کاوی، تشخیص چهره،

بسته آموزشی جامع یادگیری عمیق Deep Learning بیشتر بخوانید »

ربات عبور از مانع متلب MATLAB PSO

عبور از مانع با چند ربات و الگوریتم PSO تغییر یافته

لینک دانلود در تست الگوریتم حرکت چند رباتها در صفحه، یکی از مسائلی که بسیار استفاده می شود، مسئله جلوگیری از مانع یا برخورد نکردن با مانع می باشد. در این مسئله تعدادی ربات وجود دارند که از یک نقطه شروع باید حرکت خود را آغاز کنند و به یک ناحیه به نام هدف برسند.

عبور از مانع با چند ربات و الگوریتم PSO تغییر یافته بیشتر بخوانید »

blank

برنامه نویسی متلب تبدیل کرولت

روشهای چند رزولوشنی به طور عمیقی به پردازش تصویر و ماشین بینایی و محاسبات علمی مرتبط هستند. تبدیل کرولت یک تبدیل چند جهتی چند مقیاسی است. تبدیل کرولت بیان غیر وفقی بهینه از لبه ها می باشد. از این تبدیل در پردازش تصویر و ویدئو و اکتشاف لرزه ای و مکانیک سیالات و شبیه سازی

برنامه نویسی متلب تبدیل کرولت بیشتر بخوانید »

blank

فیلم آموزش فارسی جعبه ابزار برازش منحنی در متلب

تولباکس برازش منحنی (curve fitting) در نرم افزار متلب MATLAB یک ابزار آماده برای برازش منحنی و سطوح داده می باشد. شما در این جعبه ابزار می توانید آنالیز داده، پیش پردازش و پس پردازش داده ، مقایسه مدلهای کاندید و حذف outlier انجام دهید. شما در این جعبه ابزار می توانید آنالیز رگرسیون با

فیلم آموزش فارسی جعبه ابزار برازش منحنی در متلب بیشتر بخوانید »

تست های آماری

در راستای مقایسه بازدهی الگوریتم پیشنهادی با دیگر الگوریتم های مشهور، تست های آماری مانند paired t-test، Wilcoxon و Friedman بکار گرفته شده اند. تست های آماری t-test و Wilcoxon برای مقایسه دو کلاسه بند بر روی مجموعه ای از داده ها بکار می روند، در حالیکه تست آماری Friedman با post-hoc متناظر برای مقایسه

تست های آماری بیشتر بخوانید »

روش های کلاسه بندی مبتنی بر الگوهای نوظهور

روش کلاسه بندی بر اساس مجموع الگوهای نوظهور  CAEP[1][21] از آنجایی که الگوهای نوظهور، دانش تمایز بین کلاس های مختلف را نشان می دهد، آنها در ایجاد کلاسه بندی دقیق بسیار موثر هستند. کلاسه بند های بر پایه الگوهای نوظهور قدرت مجموع الگوهای نوظهور را برای کلاسه بندی یک نمونه تست بکار می گیرد. Dong

روش های کلاسه بندی مبتنی بر الگوهای نوظهور بیشتر بخوانید »

روش های استخراج الگوها

در مقایسه با قوانین انجمنی، الگوهای نوظهور قادر هستند که تمایلات نوظهور[1] در مجموعه داده های با محدودیت زمانی[2] را استخراج کنند و یا تمایزات مفید بین کلاس های مختلف را کشف نمایند [1]. مطالعه و پژوهش در رابطه با الگوهای نوظهور اساسا به دو دسته قابل تقسیم است؛ الگوریتم های استخراج الگوهای نوظهور و

روش های استخراج الگوها بیشتر بخوانید »

کلاسه بنده های مبتنی بر قانون

هدف از کلاسه بندی قوانین استخراجی، استخراج کردن مجموعه کوچکی از قوانین است تا یک کلاسه بند دقیق ساخته شود. الگوریتم های استخراج قانون مانند Apriori [61] و FPgrowth [15، 16] بکار گرفته می شوند تا مجموعه کاملی از الگوها استخراج شوند. سپس مجموعه کوچکی از قوانین با کیفیت بالا انتخاب می شوند که برای

کلاسه بنده های مبتنی بر قانون بیشتر بخوانید »