<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>بایگانی‌های شبکه عصبی CNN - ايران متلب</title>
	<atom:link href="https://matlab1.ir/category/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/feed/" rel="self" type="application/rss+xml" />
	<link>https://matlab1.ir/category/شبکه-عصبی-cnn/</link>
	<description>مرجع فیلم های آموزشی فارسی دانشگاهی و مهندسی</description>
	<lastBuildDate>Mon, 14 Sep 2020 15:03:36 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://matlab1.ir/wp-content/uploads/2017/08/ref_a2-150x150.png</url>
	<title>بایگانی‌های شبکه عصبی CNN - ايران متلب</title>
	<link>https://matlab1.ir/category/شبکه-عصبی-cnn/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>مبانی و مقدمات یادگیری عمیق</title>
		<link>https://matlab1.ir/%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/</link>
					<comments>https://matlab1.ir/%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 09 Apr 2020 14:21:31 +0000</pubDate>
				<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری عمیق]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14120</guid>

					<description><![CDATA[<p>این فیلم آموزشی قسمت اول از بسته آموزشی یادگیری عمیق می‌باشد. ما در این فیلم آموزشی شما را با مبانی و مقدمات یادگیری عمیق آشنا می کنیم تا دانش لازم برای کار [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/">مبانی و مقدمات یادگیری عمیق</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;">این فیلم آموزشی قسمت اول از <a href="http://iran-matlab.ir/?product=%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning" target="_blank" rel="noopener noreferrer">بسته آموزشی یادگیری عمیق</a> می‌باشد. ما در این فیلم آموزشی شما را با مبانی و مقدمات یادگیری عمیق آشنا می کنیم تا دانش لازم برای کار در زمینه یادگیری عمیق را کسب کنید و بتوانید مدلهای خود را در زبان های برنامه نویسی مختلف پیاده سازی کنید.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">هوش مصنوعی شبیه سازی هوش بشر می باشد. آرزوی دیرینه بشر که بتواند یک سیستم طراحی کند که بتواند از عملکردی شبیه هوش انسان برخوردار باشد. مغز بشر که هسته اصلی تصمیم گیری می باشد حاوی میلیون ها نرون عصبی می باشد که وظیفه اصلی هوش را برعهده دارد. هر شخصی در طول زندگی خود حجم عظیمی از دانش و داده را از محیط اطراف خود بدست می آورد. این داده ها توسط مغز پردازش می شود و دانش از بین آنها استخراج می شود. بیان ریاضی عملکرد یادگیری مغز از محیط پیرامون بسیار مشکل می باشد لذا یکی از سختی های مدلسازی هوش در مغز ، عدم درک بشر از عملکرد یادگیری مغز و تبدیل آن به هوش می باشد. ما نیاز داریم که سیستم های کامپیوترهای طراحی کنیم که همان داده های ورودی مغز را بگیرند و آنرا تبدیل به هوش کنند. سوال اصلی اینجا این است که چگونه داده های خارجی را به هوش تبدیل کنیم تا یک سیستم کامپیوتری هم بتواند شبیه مغز ما آموزش پیدا کند و عملکردی شبیه مغز ما داشته باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">محققین برای رفع این مشکل الگوریتم های معرفی کردند که الگوهایی را از داده های ورودی استخراج می کنند. این مفهوم به نام یادگیری ماشین شناخته می شود. با معرفی <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" rel="noopener noreferrer" target="_blank">یادگیری ماشین</a> ، سیستم های هوشمند توانستند از محیط بیرون اطلاعات استخراج کنند و مدل هایی معرفی شد که مشکل قبلی موجود در هوش مصنوعی را تا حدودی رفع کنند. یک الگوریتم یادگیری ماشین ساده naïve bayes می باشد که ایمیل های spam را می تواند از ایمیل های واقعی جدا کند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">راندمان الگوریتم های یادگیری ماشین به نحوه بیان داده های ورودی به آن بستگی دارد. این مفهوم به نام representation شناخته می شود. به عنوان یک سیستم تشخیص بیماری را بر اساس <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" rel="noopener noreferrer" target="_blank">یادگیری ماشین</a> را در نظر بگیرید که بر اساس نتایج آزمایشات بیمار مثل مقدار قند و اوره و چربی و &#8230; کار تشخیصی خود را انجام می دهد. این سیستم خودش نمی تواند به بیمار ارتباط مستقیم ایجاد کند و تنها بر اساس داده هایی که دکتر به سیستم می دهد می تواند کار تشخیصی را انجام دهد. یعنی اگر دکتر مقدار چربی خون را وارد نکند ، سیستم نمی تواند جواب دهد چون یکی از ورودی های نامشخص است. این سیستم نمی تواند بر اساس تصویر MRI کار کند چون نمی تواند درک درستی از تصویر داشته باشد و فقط بر اساس داده های آزمایش بیمار تصمیم گیری می کند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">بسیاری زیادی از کارهای هوش مصنوعی را می توان با طراحی ویژگی استخراجی از داده های ورودی با کمک الگوریتم های <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" rel="noopener noreferrer" target="_blank">یادگیری ماشین</a> حل کرد. به عنوان مثال یکی از ویژگی های که در شناسایی گوینده در پردازش سیگنال صحبت کاربرد دارد ، تخمین اندازه vocal tract گوینده می باشد الگوریتم با این ویژگی می تواند تشخیص دهد که گوینده مرد، زن ، یا بچه می باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">نکته مهمی که در اینجا وجود دارد که ما در هر کاربری نمی دانیم چه ویژگیهایی را استخراج کنیم تا به بهترین راندمان برسیم لذا <a href="http://iran-matlab.ir/?product=%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%B4%D9%86%D8%A7%D8%B3%D8%A7%DB%8C%DB%8C-%D9%88-%D8%A7%D8%B3%D8%AA%D8%AE%D8%B1%D8%A7%D8%AC-%D9%88%DB%8C%DA%98%DA%AF%DB%8C-%D8%AF%D8%B1" target="_blank" rel="noopener noreferrer">استخراج ویژگی</a> یکی از نقاط ضعف مدل های یادگیری ماشین می باشد. گاهی یافتن ویژگی های مناسب یک کاربرد خاص بعد از تحققین صدها محقق پیدا می شود که نشان دهنده ضعف مدلهای یادگیری ماشین می باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"><a href="http://iran-matlab.ir/?product=%D8%A8%D8%B3%D8%AA%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-deep-learning" target="_blank" rel="noopener noreferrer">یادگیری عمیق</a> برای حل مشکل مدلهای یادگیری ماشین مطرح شد. مدلهای یادگیری عمیق دیگر دنبال الگوریتم های استخراج ویژگی نبودند و با کمک های لایه های خود می توانستند عملکردی شبیه مغز انسان داشته باشند. یک شکل مفهومی از یادگیری عمیق را می توانید در شکل زیر ببینید که در فیلم آموزشی مبانی مقدمات یادگیری عمیق ایران متلب به خوبی توضیح داده شده است:</span></p>
<p style="text-align: center;"><img fetchpriority="high" decoding="async" class="aligncenter wp-image-15076 size-full" src="http://iran-matlab.ir/wp-content/uploads/2020/04/deep-learnning-basic-model.png" alt="" width="700" height="575" /></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;">سرفصل های این فیلم آموزشی :</span></h2>
<p><span style="font-size: 14pt;">مغز انسان</span><br />
<span style="font-size: 14pt;">نرونها در مغز انسان</span><br />
<span style="font-size: 14pt;">چرا یادگیری عمیق؟</span><br />
<span style="font-size: 14pt;">تاریخچه هوش مصنوعی و <a href="https://deeplearning.mit.edu" target="_blank" rel="noopener noreferrer">یادگیری عمیق</a></span><br />
<span style="font-size: 14pt;">اولین <a href="http://iran-matlab.ir/?product=%D9%81%D9%8A%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%D9%8A-%D8%B4%D8%A8%D9%83%D9%87-%D9%87%D8%A7%D9%8A-%D8%B9%D8%B5%D8%A8%D9%8A" target="_blank" rel="noopener noreferrer">شبکه عصبی مصنوعی</a></span><br />
<span style="font-size: 14pt;">مروری بر مسابقات هوش مصنوعی و انسان</span><br />
<span style="font-size: 14pt;">کاربردهای امروزی هوش مصنوعی</span><br />
<span style="font-size: 14pt;">مثال ماشین بدون راننده</span><br />
<span style="font-size: 14pt;">نقاط عطف در هوش مصنوعی</span><br />
<span style="font-size: 14pt;">آماری از تعداد مقالات در زمینه یادگیری عمیق</span><br />
<span style="font-size: 14pt;">معرفی کتابخانه های <a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-tensorflow" target="_blank" rel="noopener noreferrer">TensorFlow</a> و <a href="https://pytorch.org" target="_blank" rel="noopener noreferrer">Pytorch</a> و <a href="http://iran-matlab.ir/?product=%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-%D8%AF%D8%B1-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-keras" target="_blank" rel="noopener noreferrer">Keras</a></span><br />
<span style="font-size: 14pt;">ارتباط Keras و TensorFlow</span><br />
<span style="font-size: 14pt;">معرفی CPU و GPU و <a href="https://cloud.google.com/tpu" target="_blank" rel="noopener noreferrer">TPU</a></span><br />
<span style="font-size: 14pt;">برنامه نویسی یادگیری عمیق برای موبایل</span><br />
<span style="font-size: 14pt;">برنامه نویسی یادگیری عمیق برای cloud</span><br />
<span style="font-size: 14pt;">خداحافظی با پایتون 2</span><br />
<span style="font-size: 14pt;">اهمیت پایتون 3</span><br />
<span style="font-size: 14pt;"><a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" rel="noopener noreferrer" target="_blank">یادگیری ماشین</a> چیست؟</span><br />
<span style="font-size: 14pt;">چگونه یادگیری ماشین را پیاده سازی کنیم؟</span><br />
<span style="font-size: 14pt;">اهمیت داده (data) در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">چرا الان باید یادگیری عمیق را یاد بگیریم؟</span><br />
<span style="font-size: 14pt;">پیشرفت های اخیر در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">یادگیری عمیق در پزشکی</span><br />
<span style="font-size: 14pt;">تشخیص بیماری ژنتیک از روی چهره شخص</span><br />
<span style="font-size: 14pt;">کاربردهای مختلف یادگیری عمیق</span><br />
<a href="https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">ارتباط بین هوش مصنوعی و یادگیری ماشین و یادگیری عمیق</span></a><br />
<span style="font-size: 14pt;">تفاوت یادگیری ماشین و یادگیری عمیق</span><br />
<span style="font-size: 14pt;">مفهوم یادگیری عمیق</span><br />
<span style="font-size: 14pt;">(لبه و گوشه و قسمت های شی) در ماشین بینایی با یادگیری عمیق</span><br />
<span style="font-size: 14pt;">توضیح مرحله به مرحله یک مدل یادگیری عمیق</span><br />
<span style="font-size: 14pt;">تفسیر خروجی یک سیستم یادگیری عمیق</span><br />
<span style="font-size: 14pt;">چرا یک سیستم یادگیری عمیق به صورت یک درصد احتمالی خروجی می دهد؟</span><br />
<span style="font-size: 14pt;">مفهوم representation در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">افزایش بعد</span><br />
<span style="font-size: 14pt;">ارتباط راندمان و حجم داده های آموزش در یادگیری عمیق و یادگیری ماشین</span><br />
<span style="font-size: 14pt;">نقش داده ها در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">نقطه ضعف یادگیری عمیق</span><br />
<span style="font-size: 14pt;">چه مقدار داده برای یک سیستم یادگیری عمیق مورد نیاز است؟</span><br />
<span style="font-size: 14pt;">مثال عملی از GitHub</span><br />
<span style="font-size: 14pt;">چرا در یادگیری عمیق به داده های خیلی زیاد مورد نیاز است؟</span><br />
<span style="font-size: 14pt;">با وجود نقطه ضعف در یادگیری عمیق چرا هنوز بسیار زیاد مورد استفاده می باشد؟</span><br />
<span style="font-size: 14pt;">سختی های کار در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">اختلاف درون کلاسی (Inter class variation)</span><br />
<span style="font-size: 14pt;">مفهوم Data argumentation</span><br />
<span style="font-size: 14pt;">مفهوم <a href="https://www.tensorflow.org/tutorials/generative/adversarial_fgsm" target="_blank" rel="noopener noreferrer">adversarial attack</a></span><br />
<span style="font-size: 14pt;">یک مثال کاربردی از یادگیری عمیق</span><br />
<span style="font-size: 14pt;">انواع یادگیری</span><br />
<span style="font-size: 14pt;">یادگیری با ناظر</span><br />
<span style="font-size: 14pt;">یادگیری شبه با ناظر</span><br />
<span style="font-size: 14pt;">یادگیری تقویت شونده</span><br />
<span style="font-size: 14pt;">یادگیری بدون ناظر</span><br />
<span style="font-size: 14pt;">الگو برداری از یادگیری بشر</span><br />
<span style="font-size: 14pt;">مثالی از یادگیری تقویت شونده در اتومبیل های بدون راننده</span><br />
<span style="font-size: 14pt;">برش در داده</span><br />
<span style="font-size: 14pt;">انعکاس در داده</span><br />
<span style="font-size: 14pt;">تغییر اندازه در داده</span><br />
<span style="font-size: 14pt;">چرخش در داده</span><br />
<span style="font-size: 14pt;">جابجایی در داده</span><br />
<span style="font-size: 14pt;">نویز در داده</span><br />
<span style="font-size: 14pt;">چالش ها در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">آموزش و تست</span><br />
<span style="font-size: 14pt;">مفهوم رگرسیون</span><br />
<span style="font-size: 14pt;">مفهوم دسته بندی</span><br />
<span style="font-size: 14pt;">مفهوم چند کلاسی Multi-Class</span><br />
<span style="font-size: 14pt;">مفهوم چند برچسبی Multi-Label</span><br />
<span style="font-size: 14pt;">با یادگیری عمیق چه می توانیم انجام دهیم؟</span><br />
<span style="font-size: 14pt;">مفهوم عمق (Deep)</span><br />
<span style="font-size: 14pt;">لایه مخفی</span><br />
<span style="font-size: 14pt;">شبکه های عصبی و یادگیری عمیق</span><br />
<span style="font-size: 14pt;">مفهوم overfitting</span><br />
<span style="font-size: 14pt;">تاثیر تعداد داده بر overfitting</span><br />
<span style="font-size: 14pt;">چگونه بفهمیم over fitting در حال اتفاق افتادن است؟</span><br />
<span style="font-size: 14pt;">مفهوم Regularization</span><br />
<span style="font-size: 14pt;">داده های validation و داده های آموزش</span><br />
<span style="font-size: 14pt;">استفاده از Dropout</span><br />
<a href="http://jmlr.org/papers/v15/srivastava14a.html" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">لایه Dropout</span></a><br />
<span style="font-size: 14pt;">نرمالسازی</span><br />
<span style="font-size: 14pt;">نرمالسازی دسته ای</span><br />
<span style="font-size: 14pt;">دوباره نرمالسازی (Renormalization) دسته ای</span><br />
<span style="font-size: 14pt;">هدف از نرمالسازی چیست؟</span><br />
<span style="font-size: 14pt;">مفهوم batch چیست؟</span><br />
<span style="font-size: 14pt;">تاثیر نرمالسازی دسته ای در یادگیری عمیق چیست؟</span><br />
<span style="font-size: 14pt;">معرفی شبکه های معروف یادگیری عمیق</span><br />
<span style="font-size: 14pt;">معرفی شبکه AlexNet</span><br />
<span style="font-size: 14pt;">معرفی شبکه <a href="https://www.mathworks.com/help/deeplearning/ref/vgg16.html" target="_blank" rel="noopener noreferrer">VGG-16</a></span><br />
<span style="font-size: 14pt;">معرفی شبکه GoogleNet</span><br />
<span style="font-size: 14pt;">تغییر شبکه های از پیش تعریف شده</span><br />
<span style="font-size: 14pt;">نکته مهم در استفاده از شبکه های یادگیری عمیق از پیش آموزش یافته</span><br />
<span style="font-size: 14pt;">سیر تحول در شبکه های یادگیری عمیق</span><br />
<span style="font-size: 14pt;">آیا یک مدل یادگیری عمیق می تواند بهتر از انسان کار تشخیص را انجام دهد؟</span><br />
<span style="font-size: 14pt;">مقایسه راندمان شبکه های <a href="https://www.mathworks.com/help/deeplearning/ref/alexnet.html" target="_blank" rel="noopener noreferrer">Alexnet</a> و <a href="https://research.google/pubs/pub43022/" target="_blank" rel="noopener noreferrer">GoogleNet</a> و ZFNet و VGGNet و RESNet و GoogleNet v4 و SENet</span><br />
<span style="font-size: 14pt;">شناسایی اشیا</span><br />
<span style="font-size: 14pt;">موقعیت دهی اشیا</span><br />
<a href="https://www.mathworks.com/help/vision/ug/getting-started-with-semantic-segmentation-using-deep-learning.html" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">Semantic Segmentation</span></a><br />
<span style="font-size: 14pt;">قلب یادگیری عمیق چیست؟</span><br />
<span style="font-size: 14pt;">مفهوم یادگیری انتقالی <a href="https://www.tensorflow.org/tutorials/images/transfer_learning" target="_blank" rel="noopener noreferrer">Transfer Learning</a></span><br />
<span style="font-size: 14pt;">شبکه <a href="https://developers.google.com/machine-learning/gan" target="_blank" rel="noopener noreferrer">Generative Adversarial Network</a> (GAN)</span><br />
<span style="font-size: 14pt;">مزیت شبکه GAN</span><br />
<span style="font-size: 14pt;">ساختار شبکه GAN</span><br />
<span style="font-size: 14pt;">عملکرد Generator و Discriminator</span><br />
<span style="font-size: 14pt;">معرفی یادگیری ماشین اتوماتیک <a href="https://cloud.google.com/automl" target="_blank" rel="noopener noreferrer">AutoML</a></span><br />
<span style="font-size: 14pt;">طراحی شبکه یادگیری عمیق به صورت اتوماتیک</span><br />
<span style="font-size: 14pt;">شبکه NASNet</span><br />
<span style="font-size: 14pt;">جستجوی بهترین ساختار برای یادگیری عمیق</span><br />
<span style="font-size: 14pt;">معرفی یادگیری تقویت شونده <a href="https://en.wikipedia.org/wiki/Reinforcement_learning" target="_blank" rel="noopener noreferrer">Reinforcement Learning</a></span><br />
<span style="font-size: 14pt;">مفهوم Agent و Environment</span><br />
<span style="font-size: 14pt;">اندازه گیری عمق در مدلهای یادگیری عمیق</span><br />
<span style="font-size: 14pt;">شبکه های برگشتی RNN</span><br />
<span style="font-size: 14pt;">مزایا و معایب شبکه RNN</span></p>
<h2></h2>
<h2><span style="color: #993366;">پیش نیاز (توصیه شده):</span></h2>
<p><a href="http://iran-matlab.ir/?product=%D9%81%D9%8A%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%D9%8A-%D8%B4%D8%A8%D9%83%D9%87-%D9%87%D8%A7%D9%8A-%D8%B9%D8%B5%D8%A8%D9%8A" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">مجموعه آموزش جامع شبکه عصبی</span></a></p>
<h2></h2>
<h2></h2>
<h2><span style="color: #ff6600;">مخاطبان :</span></h2>
<p><span style="font-size: 14pt;">علاقه مندان به هوش مصنوعی</span><br />
<span style="font-size: 14pt;">علاقه مندان به یادگیری ماشین</span><br />
<span style="font-size: 14pt;">علاقه مندان به یادگیری عمیق</span><br />
<span style="font-size: 14pt;">علاقه مندان به ماشین بینایی</span><br />
<span style="font-size: 14pt;">دانشجویان</span><br />
<span style="font-size: 14pt;">مهندسین</span></p>
<p>&nbsp;</p>
<p>.</p>
<p>&nbsp;</p>
<p style="text-align: justify;"><span style="font-size: 14pt;">این فیلم آموزشی قسمت اول از <a href="http://iran-matlab.ir/?product=%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning" target="_blank" rel="noopener noreferrer">بسته آموزشی یادگیری عمیق</a> می‌باشد. برای تهیه به بسته آموزشی جامع یادگیری عمیق بر روی تصویر زیر کلیک کنید:</span></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D8%A8%D8%B3%D8%AA%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-deep-learning" target="_blank" rel="noopener noreferrer"><img decoding="async" class="aligncenter wp-image-15071 size-full" src="http://iran-matlab.ir/wp-content/uploads/2020/04/deep-learning-course-packages-1.png" alt="" width="400" height="400" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://matlab1.ir/%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/">مبانی و مقدمات یادگیری عمیق</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>پیاده سازی و برنامه نویسی MATLAB یادگیری عمیق</title>
		<link>https://matlab1.ir/%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c/</link>
					<comments>https://matlab1.ir/%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 09 Apr 2020 14:17:02 +0000</pubDate>
				<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری عمیق]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14114</guid>

					<description><![CDATA[<p>این فیلم آموزشی قسمت دوم بسته آموزشی جامع یادگیری عمیق می باشد. این قسمت اختصاص به پیاده سازی و برنامه نویسی مدلهای یادگیری عمیق در متلب MATLAB دارد. متلب در سال 2020 [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c/">پیاده سازی و برنامه نویسی MATLAB یادگیری عمیق</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;">این فیلم آموزشی قسمت دوم <a href="http://iran-matlab.ir/?product=%D8%A8%D8%B3%D8%AA%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-deep-learning" target="_blank" rel="noopener noreferrer">بسته آموزشی جامع یادگیری عمیق</a> می باشد. این قسمت اختصاص به پیاده سازی و برنامه نویسی مدلهای یادگیری عمیق در متلب MATLAB دارد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">متلب در سال 2020 نام جعبه ابزار شبکه عصبی خود را به یادگیری عمیق تغییر داد. این تغییر نشان از انگیزه بالای متلب برای ارائه یک جعبه ابزار قوی برای کاربران خود دارد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">یادگیری عمیق در متلب یک ابزار مناسب برای طراحی و پیاده سازی شبکه های عصبی عمیق با الگوریتم ها و مدلهای از پیش آموزش یافته برای شما فراهم می کند. </span><span style="font-size: 14pt;">شما می توانید از شبکه های عصبی کانولوشن (ConvNet , CNN) و حافظه ترم-کوتاه بلند long short-term memory (LSTM) برای دسته بندی و رگرسیون روی تصویر و سریهای زمانی و داده های متنی استفاده کنید.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">شما می توانید ساختارهای شبکه مانند شبکه های مخالف مولد <a href="https://www.mathworks.com/help/deeplearning/examples/train-generative-adversarial-network.html" target="_blank" rel="noopener noreferrer">generative adversarial networks</a> (GANs) و شبکه های سیامی Siamese networks با استفاده از تفاضل گیری اتوماتیک و حلقه های آموزش سفارشی و وزنهای تقسیم شده ایجاد کنید.</span><br />
<span style="font-size: 14pt;">با ابزار طراحی کننده شبکه عمیق شما می توانید بدون کدنویسی شبکه های عصبی عمیق را به صورت اتوماتیک طراحی و آنالیز و آموزش دهید.</span><br />
<span style="font-size: 14pt;">با استفاده از ابزار مدیریت تجارب (<a href="https://www.mathworks.com/help/deeplearning/ref/experimentmanager-app.html" target="_blank" rel="noopener noreferrer">Experiment Manager app</a>) شما می توانید چندین تجارب یادگیری عمیق را مدیریت کنید و پارامترهای آموزش را در هر تجربه دنبال کنید و نتایج را آنالیز کنید و کدهای تولید را با هم مقایسه کنید و بهترین مدل را انتخاب کنید. این ابزار به کاربران قابلیت بسیار خوبی می دهد که یک کار کنترل نسخه version control را انجام بدهند. در یک کار واقعی یادگیری عمیق ، پیداکردن پارامترهای مناسب یک مدل بسیار زمانبر است و نیاز هست که پارامترهای هر بار اجرای کد ذخیره شد تا در نهایت با مقایسه اجراهای مختلف بهترین پارامتر پیدا شود. با کمک ابزار مدیریت تجارب به راحتی شما می توانید این کار را انجام دهید.</span><br />
<span style="font-size: 14pt;">با ابزار یادگیری عمیق شما می توانید مدل یادگیری عمیق را مشاهد کنید و لایه های مختلف و توابع تبدیل هر لایه را ببینید. بنابراین شما به راحتی می توانید ساختار مدل خود را مشاهده کنید و درک خوبی از مدل یادگیری عمیق پیدا کنید.</span><br />
<span style="font-size: 14pt;">شما می توانید با ابزار یادگیری عمیق متلب بین دیگر ابزارهای برنامه نویسی یادگیری عمیق مثل TensorFlow™ و PyTorch با متلب ارتباط برقرار کنید.<a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-tensorflow" target="_blank" rel="noopener noreferrer"> آموزش TensorFlow ایران متلب</a> را می توانید در این لینک مشاهده کنید. اکنون برنامه نویسان پایتون از TensorFlow™ و PyTorch استفاده می کنند، لذا شما می توانید مدلهایی که در این کتابخانه ها ساخته می شود را وارد متلب کنید و به عنوان یک مدل متلب استفاده کنید. فرمت ارتباطی از نوع ONNX™ می باشد که می تواند مدلهایی از TensorFlow-Keras و Caffe را وارد متلب کنید. </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">این تولباکس یادگیری انتقال (<a href="https://www.mathworks.com/help/deeplearning/ug/transfer-learning-using-alexnet.html" target="_blank" rel="noopener noreferrer">Transfer Learning</a>) را با <a href="https://de.mathworks.com/help/deeplearning/ref/darknet53.html" target="_blank" rel="noopener noreferrer">DarkNet-53</a> و ResNet-50 و </span><span style="font-size: 14pt;">NASNet و SqueezeNet و مدلهای پیش آموزش یافته دیگری پشتیبانی می کند. همانطور که در فیلم آموزش یادگیری عمیق ایران متلب گفته می شود، این قابلیت باعث می شود که شما چرخ را از اول اختراع نکنید و به راحتی مدلهای پیشرفته ایجاد کنید و به راندمان های بسیار بالایی برسید.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">با استفاده از یادگیری عمیق در متلب شما می توانید فرایند آموزش مدل خود را روی یک GPU یا چندین GPU انجام دهید و سرعت را افزایش دهید. این قابلیت به کمک جعبه ابزار پردازش موازی متلب انجام می شود. همچنین شما می توانید از فضای ابری (cloud) شامل NVIDIA® GPU Cloud و Amazon EC2® GPU نیز استفاده کنید. این قابلیت با جعبه ابزار سرور موازی MATLAB (<a href="https://www.mathworks.com/products/matlab-parallel-server.html" target="_blank" rel="noopener noreferrer">MATLAB® Parallel Server</a>™)انجام می شود.</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;">سرفصل ها :</span></h2>
<p><span style="font-size: 14pt;">شبکه های از پیش آموزش یافته</span><br />
<span style="font-size: 14pt;">ابزار <a href="https://www.mathworks.com/products/matlab/add-on-explorer.html" target="_blank" rel="noopener noreferrer">Add-On Explorer</a></span><br />
<span style="font-size: 14pt;">نصب یک شبکه یادگیری عمیق در متلب</span><br />
<span style="font-size: 14pt;">فراخوانی AlexNet در متلب</span><br />
<span style="font-size: 14pt;">مقایسه شبکه های یادگیری عمیق از پیش آموزش یافته از نظر سرعت و حجم محاسبات و دقت</span><br />
<span style="font-size: 14pt;">نکات مهم در انتخاب مدل یادگیری عمیق</span><br />
<span style="font-size: 14pt;">شروع به برنامه نویسی با یک کد ساده</span><br />
<span style="font-size: 14pt;">پارامتر Layers</span><br />
<span style="font-size: 14pt;">چاپ ساختار یک شبکه</span><br />
<span style="font-size: 14pt;">محاسبه اندازه مناسب تصویر ورودی</span><br />
<span style="font-size: 14pt;">تغییر اندازه تصویر ورودی</span><br />
<span style="font-size: 14pt;">اسم لایه های مختلف شبکه</span><br />
<span style="font-size: 14pt;">پارامترهای هر لایه شبکه</span><br />
<span style="font-size: 14pt;">استخراج پارامترهای لایه اول</span><br />
<span style="font-size: 14pt;">استخراج پارامترهای لایه های بعدی</span><br />
<span style="font-size: 14pt;">FilterSize و NumChannels و Stride</span><br />
<span style="font-size: 14pt;">پارامتر های Learnable Parameters</span><br />
<span style="font-size: 14pt;">پارامترهای لایه Pooling</span><br />
<span style="font-size: 14pt;">کلاس <a href="https://www.mathworks.com/help/deeplearning/ref/nnet.cnn.layer.maxpooling2dlayer.html" target="_blank" rel="noopener noreferrer">maxPooling2dLayer</a></span><br />
<span style="font-size: 14pt;">لایه <a href="https://www.mathworks.com/help/deeplearning/ref/nnet.cnn.layer.fullyconnectedlayer.html" target="_blank" rel="noopener noreferrer">FullyConnectedLayer</a></span><br />
<span style="font-size: 14pt;">عمق و اندازه و تعداد پارامترها و اندازه تصویر ورودی شبکه های </span><span style="font-size: 14pt;"><a href="https://se.mathworks.com/help/deeplearning/ref/squeezenet.html">squeezenet</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/googlenet.html">googlenet</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/inceptionv3.html">inceptionv3</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/densenet201.html">densenet201</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/mobilenetv2.html">mobilenetv2</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/resnet18.html">resnet18</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/resnet50.html">resnet50</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/resnet101.html">resnet101</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/xception.html">xception</a> و<a href="https://se.mathworks.com/help/deeplearning/ref/inceptionresnetv2.html">inceptionresnetv2</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/shufflenet.html">shufflenet</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/nasnetmobile.html">nasnetmobile</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/nasnetlarge.html">nasnetlarge</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/darknet19.html">darknet19</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/darknet53.html">darknet53</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/alexnet.html">alexnet</a> و <a href="https://se.mathworks.com/help/deeplearning/ref/vgg16.html">vgg16</a> و<a href="https://se.mathworks.com/help/deeplearning/ref/vgg19.html">vgg19</a></span></p>
<p><span style="font-size: 14pt;">نصب googlenet</span><br />
<span style="font-size: 14pt;">چک نسخه متلب</span><br />
<span style="font-size: 14pt;">بررسی لایه های googlenet</span><br />
<span style="font-size: 14pt;">نام کلاس های خروجی شبکه</span><br />
<span style="font-size: 14pt;">معرفی مدلهای Caffe</span><br />
<span style="font-size: 14pt;">معرفی <a href="https://www.mathworks.com/help/deeplearning/ref/deepnetworkdesigner-app.html" target="_blank" rel="noopener noreferrer">App Network Designer</a></span><br />
<span style="font-size: 14pt;">کار با یادگیری عمیق درمتلب بدون هیچ گونه برنامه نویسی</span><br />
<span style="font-size: 14pt;">صفحه شروع ابزار طراحی شبکه</span><br />
<span style="font-size: 14pt;">گزینه های Designer</span><br />
<span style="font-size: 14pt;">معرفی Layer Library</span><br />
<span style="font-size: 14pt;">Auto arrange</span><br />
<span style="font-size: 14pt;">معرفی Analyze</span><br />
<span style="font-size: 14pt;">یافتن خطا ها و هشدارهای طراحی</span><br />
<span style="font-size: 14pt;">معرفی Export</span><br />
<span style="font-size: 14pt;">رنگ های هر لایه</span><br />
<span style="font-size: 14pt;">بارگذاری داده</span><br />
<span style="font-size: 14pt;">داده های validation و داده های Training</span><br />
<span style="font-size: 14pt;">Augmentation options</span><br />
<span style="font-size: 14pt;">تغییر داده های آموزش</span><br />
<span style="font-size: 14pt;">تعیین درصد داده های validation</span><br />
<span style="font-size: 14pt;">یک مثال از یادگیری انتقالی</span><br />
<span style="font-size: 14pt;">تنظیم لایه fully connected</span><br />
<span style="font-size: 14pt;">تنظیم لایه Output</span><br />
<span style="font-size: 14pt;">گزارش حاصل از چک شبکه</span><br />
<span style="font-size: 14pt;">گزینه های تنظیمی آموزش</span><br />
<span style="font-size: 14pt;">انتخاب تابع آموزش یا solver</span><br />
<span style="font-size: 14pt;">معرفی قسمت های مختلف پنجره آموزش</span><br />
<span style="font-size: 14pt;">Accuracy, Loss function</span><br />
<span style="font-size: 14pt;">نمودارهای حاصل از آموزش</span><br />
<span style="font-size: 14pt;">دلایل توقف آموزش</span><br />
<span style="font-size: 14pt;">Training Cycle</span><br />
<span style="font-size: 14pt;">Hardware resource</span><br />
<span style="font-size: 14pt;">گزینه Export</span><br />
<span style="font-size: 14pt;">تولید های کد متلب یک طراحی در ابزار ساخت شبکه</span><br />
<span style="font-size: 14pt;">مثال</span><br />
<span style="font-size: 14pt;">گرفتن خروجی از شبکه آموزش یافته</span><br />
<span style="font-size: 14pt;">چه کارهایی می توانید با ابزار ساخت شبکه یادگیری عمیق در متلب انجام دهید؟</span><br />
<span style="font-size: 14pt;">مقدار داده مورد نیاز در یادگیری انتقالی چقدر است؟</span><br />
<span style="font-size: 14pt;">مزایای یادگیری انتقالی</span><br />
<span style="font-size: 14pt;">مثالی از یادگیری انتقالی</span><br />
<span style="font-size: 14pt;">گزینه NumFilters</span><br />
<a href="https://www.mathworks.com/help/deeplearning/ref/trainingoptions.html" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">ValidationFrequency</span></a><br />
<span style="font-size: 14pt;">MaxEpochs</span><br />
<span style="font-size: 14pt;">MiniBatchSize</span><br />
<span style="font-size: 14pt;">تولید کد با پارامترهای اولیه</span><br />
<span style="font-size: 14pt;">دستور predict</span><br />
<span style="font-size: 14pt;">ساختار شبکه های یادگیری عمیق</span><br />
<span style="font-size: 14pt;">نوع و تعداد لایه ها به چه پارامتری بستگی دارد؟</span><br />
<span style="font-size: 14pt;">تفاوت لایه های دسته بندی و رگرسیون</span><br />
<span style="font-size: 14pt;">لایه Softmax</span><br />
<span style="font-size: 14pt;">شبکه کوچک یا بزرگ</span><br />
<span style="font-size: 14pt;">مفهوم sequential</span><br />
<span style="font-size: 14pt;">تعریف لایه های یک شبکه به صورت کدنویسی</span><br />
<span style="font-size: 14pt;">لایه <a href="https://www.mathworks.com/help/deeplearning/ref/nnet.cnn.layer.imageinputlayer.html" target="_blank" rel="noopener noreferrer">imageInputLayer</a></span><br />
<span style="font-size: 14pt;">ساخت شبکه های پیچیده</span><br />
<span style="font-size: 14pt;">مفهوم Directed Acyclic Graph (DAG)</span><br />
<span style="font-size: 14pt;">دستور layerGraph</span><br />
<span style="font-size: 14pt;">دستور addLayers</span><br />
<span style="font-size: 14pt;">دستور connectLayers</span><br />
<span style="font-size: 14pt;">مثال برنامه نویسی متلب</span><br />
<span style="font-size: 14pt;">نمایش ساختار شبکه با plot</span><br />
<span style="font-size: 14pt;">آموزش گزینه های آموزش در برنامه نویسی</span><br />
<span style="font-size: 14pt;">انواع حل کننده در آموزش <a href="https://www.mathworks.com/help/deeplearning/ref/nnet.cnn.trainingoptionssgdm.html" target="_blank" rel="noopener noreferrer">sgdm</a> و <a href="https://www.mathworks.com/help/deeplearning/ref/nnet.cnn.trainingoptionsadam.html" target="_blank" rel="noopener noreferrer">adam</a> و <a href="https://keras.io/optimizers/" target="_blank" rel="noopener noreferrer">rmsprop</a></span><br />
<span style="font-size: 14pt;">دستور <a href="https://www.mathworks.com/help/deeplearning/ref/trainnetwork.html" target="_blank" rel="noopener noreferrer">trainNetwork</a></span><br />
<span style="font-size: 14pt;">اجرای آموزش یک شبکه یادگیری عمیق</span><br />
<span style="font-size: 14pt;">گزینه TrainingCycle</span><br />
<span style="font-size: 14pt;">توقف فرایند آموزش</span><br />
<span style="font-size: 14pt;">مفهوم Epoch</span><br />
<span style="font-size: 14pt;">نقطه Final</span><br />
<span style="font-size: 14pt;">استخراج وزن و بایاس از شبکه آموزش یافته</span><br />
<span style="font-size: 14pt;">اعمال داده های تست</span><br />
<span style="font-size: 14pt;">مثال دسته بندی با شبکه CNN</span><br />
<span style="font-size: 14pt;">چگونه داده ها را وارد متلب کنیم؟</span><br />
<span style="font-size: 14pt;">چگونه ساختار یک شبکه را تعریف کنیم؟</span><br />
<span style="font-size: 14pt;">چگونه شبکه را آموزش دهیم؟</span><br />
<span style="font-size: 14pt;">چگونه داده های تست را به شبکه اعمال کنیم؟</span><br />
<span style="font-size: 14pt;">معرفی <a href="https://www.mathworks.com/help/matlab/ref/matlab.io.datastore.imagedatastore.html" target="_blank" rel="noopener noreferrer">imageDataStore</a></span><br />
<span style="font-size: 14pt;">مزایای imds</span><br />
<span style="font-size: 14pt;">چگونه همه تصاویر یک فولدر را بدون خواندن همه تصویرها به متلب شناسایی کنیم؟</span><br />
<span style="font-size: 14pt;">دستور fullfile</span><br />
<span style="font-size: 14pt;">مثال از imageDataStore</span><br />
<span style="font-size: 14pt;">استخراج یک تصویر از imds</span><br />
<span style="font-size: 14pt;">دستور countEachLabel</span><br />
<span style="font-size: 14pt;">دستور readimage</span><br />
<span style="font-size: 14pt;">تقسیم داده ها به دو بخش آموزش و تست با دستورات متلب</span><br />
<span style="font-size: 14pt;">ماتریس confusion</span><br />
<span style="font-size: 14pt;">تشخیص خطاهای شبکه</span><br />
<span style="font-size: 14pt;">کانال در لایه های شبکه</span><br />
<span style="font-size: 14pt;">آموزش لایه کانولوشن</span><br />
<span style="font-size: 14pt;">مفهوم فیلتر در لایه کانولوشن و filterSize</span><br />
<span style="font-size: 14pt;">Stride در لایه کانولوشن</span><br />
<span style="font-size: 14pt;">مفهوم downsampling</span><br />
<span style="font-size: 14pt;">تعداد وزن ها در یک فیلتر</span><br />
<span style="font-size: 14pt;">کانولوشن نوع Dilated</span><br />
<span style="font-size: 14pt;">DilationFactor</span><br />
<span style="font-size: 14pt;">مفهوم <a href="https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-networks" target="_blank" rel="noopener noreferrer">Feature Map</a></span><br />
<span style="font-size: 14pt;">فرمول تعداد پارامترهای یک لایه کانولوشن</span><br />
<span style="font-size: 14pt;">Zero Padding</span><br />
<span style="font-size: 14pt;">فرمول تعداد نرونها</span><br />
<span style="font-size: 14pt;">فرمول اندازه خروجی</span><br />
<span style="font-size: 14pt;">لایه نرمالسازی دسته ای</span><br />
<span style="font-size: 14pt;">مزیت های نرمالسازی در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">موقعیت بهینه لایه نرمالسازی</span><br />
<span style="font-size: 14pt;">تئوری لایه ReLU</span><br />
<span style="font-size: 14pt;">لایه های فعالسازی فعال</span><br />
<span style="font-size: 14pt;">لایه leaky ReLU</span><br />
<span style="font-size: 14pt;">لایه clipped ReLU</span><br />
<span style="font-size: 14pt;">لایه نرمالسازی در طول کانال</span><br />
<span style="font-size: 14pt;">آموزش Pooling ماکزیمم</span><br />
<span style="font-size: 14pt;">آموزش pooling میانگین</span><br />
<span style="font-size: 14pt;">مثال Pooling</span><br />
<span style="font-size: 14pt;">وظیفه pooling</span><br />
<span style="font-size: 14pt;">لایه Dropout</span><br />
<span style="font-size: 14pt;">لایه Fully Connected</span><br />
<span style="font-size: 14pt;">دلیل استفاده از Softmax در خروجی دسته بندی</span><br />
<span style="font-size: 14pt;">آشنایی با لایه های یادگیری عمیق موجود در متلب 2020</span><br />
<span style="font-size: 14pt;">لایه های ورودی</span><br />
<span style="font-size: 14pt;">ورودی sequence</span><br />
<span style="font-size: 14pt;">مفهوم ROI</span><br />
<span style="font-size: 14pt;">لایه کانولوشن 2 بعدی</span><br />
<span style="font-size: 14pt;">لایه کانالوشن 3 بعدی</span><br />
<span style="font-size: 14pt;">لایه کانولوشن grouped</span><br />
<span style="font-size: 14pt;">لایه کانالوشن transposed</span><br />
<span style="font-size: 14pt;">لایه fullyconnected</span><br />
<span style="font-size: 14pt;">لایه sequence</span><br />
<span style="font-size: 14pt;">لایه LSTM و لایه bidirectional LSTM و لایه GRU</span><br />
<span style="font-size: 14pt;">مفهوم flatten در یادگیری عمیق</span><br />
<span style="font-size: 14pt;">لایه global pooling</span><br />
<span style="font-size: 14pt;">لایه 2 بعدی unpooling</span><br />
<span style="font-size: 14pt;">لایه های ترکیبی</span><br />
<span style="font-size: 14pt;">لایه جمع کننده</span><br />
<span style="font-size: 14pt;">لایه concatenation</span><br />
<span style="font-size: 14pt;">لایه جمع کننده وزن دار</span><br />
<span style="font-size: 14pt;">لایه های شناسایی شی</span><br />
<span style="font-size: 14pt;">لایه GAN</span><br />
<span style="font-size: 14pt;">لایه دسته بندی پیکسل</span><br />
<span style="font-size: 14pt;">مثال عملی شناسایی شی جلوی دوربین وب کم متصل به کامپیوتر</span><br />
<span style="font-size: 14pt;">شناسایی عینک آفتابی و خودکار و ماوس با یادگیری عمیق</span><br />
<span style="font-size: 14pt;">مثال عملی یادگیری انتقالی Transfer Learning</span><br />
<span style="font-size: 14pt;">تغییر کلاسهای خروجی شبکه یادگیری عمیق</span><br />
<span style="font-size: 14pt;">مشخص کردن نام برای هر لایه</span><br />
<span style="font-size: 14pt;">دستور <a href="https://www.mathworks.com/help/deeplearning/ref/imagedataaugmenter.html" target="_blank" rel="noopener noreferrer">imageDataAugmenter</a></span><br />
<span style="font-size: 14pt;">دستور <a href="https://www.mathworks.com/help/deeplearning/ref/augmentedimagedatastore.html" target="_blank" rel="noopener noreferrer">augmentedImageDataStore</a></span><br />
<span style="font-size: 14pt;">مثال شناسایی چهره</span><br />
<span style="font-size: 14pt;">مثال تشخیص بیماری کرونا</span><br />
<span style="font-size: 14pt;">ابزار مدیریت تجربه</span><br />
<span style="font-size: 14pt;">Experiment Manager</span><br />
<span style="font-size: 14pt;">مقایسه مدلهای یادگیری عمیق</span><br />
<span style="font-size: 14pt;">Version control در متلب</span><br />
<span style="font-size: 14pt;">بهینه سازی پارامترهای یک مدل یادگیری عمیق</span><br />
<span style="font-size: 14pt;">ایجاد experiment</span><br />
<span style="font-size: 14pt;">قسمت Experiment Browser</span><br />
<span style="font-size: 14pt;">تعیین پارامتر تغییر کننده</span><br />
<span style="font-size: 14pt;">تعریف یک Experiment</span><br />
<span style="font-size: 14pt;">Hyperparameter Table</span><br />
<span style="font-size: 14pt;">Setup Function</span><br />
<span style="font-size: 14pt;">تست چند شبکه یادگیری عمیق با هم</span><br />
<span style="font-size: 14pt;">مرتب کردن نتایج حاصل از مدیریت تجربه</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c" target="_blank" rel="noopener noreferrer"><span style="font-size: 40px;">لینک سفارش</span></a></p>
<p>&nbsp;</p>
<p style="text-align: justify;"><span style="font-size: 14pt;">این فیلم آموزشی قسمت دوم از <a href="http://iran-matlab.ir/?product=%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning" target="_blank" rel="noopener noreferrer">بسته آموزشی یادگیری عمیق</a> می‌باشد. برای تهیه به بسته آموزشی جامع یادگیری عمیق بر روی تصویر زیر کلیک کنید:</span></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D8%A8%D8%B3%D8%AA%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-deep-learning" target="_blank" rel="noopener noreferrer"><img decoding="async" class="aligncenter wp-image-15071 size-full" src="http://iran-matlab.ir/wp-content/uploads/2020/04/deep-learning-course-packages-1.png" alt="" width="400" height="400" /></a></p>
<p>&nbsp;</p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c/">پیاده سازی و برنامه نویسی MATLAB یادگیری عمیق</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>بسته آموزشی جامع یادگیری عمیق Deep Learning</title>
		<link>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning/</link>
					<comments>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 09 Apr 2020 14:08:04 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش python]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری عمیق]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<category><![CDATA[آموزش دیپ لرنینگ]]></category>
		<category><![CDATA[deep learning]]></category>
		<category><![CDATA[deep learning MATLAB]]></category>
		<category><![CDATA[Deep Neural Networks]]></category>
		<category><![CDATA[pretrained neural networks]]></category>
		<category><![CDATA[transfer learning MATLAB]]></category>
		<category><![CDATA[پیش بینی یادگیری عمیق]]></category>
		<category><![CDATA[تشخیص دیپ لرنینگ]]></category>
		<category><![CDATA[دیپ لرنینگ MATLAB]]></category>
		<category><![CDATA[دیپ لرنینگ متلب]]></category>
		<category><![CDATA[شبکه های عصبی از پیش آموزش داده شده]]></category>
		<category><![CDATA[شبکه های عصبی عمیق]]></category>
		<category><![CDATA[یادگیری عمیق MATLAB]]></category>
		<category><![CDATA[یادگیری عمیق متلب]]></category>
		<category><![CDATA[یادگیری ماشین]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14107</guid>

					<description><![CDATA[<p>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 [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning/">بسته آموزشی جامع یادگیری عمیق Deep Learning</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<figure id="attachment_15065" aria-describedby="caption-attachment-15065" style="width: 800px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" class="size-full wp-image-15065" src="http://iran-matlab.ir/wp-content/uploads/2020/04/Artificial-Intelligence2.jpg" alt="" width="800" height="340" /><figcaption id="caption-attachment-15065" class="wp-caption-text">هوش مصنوعی &#8211; یادگیری عمیق</figcaption></figure>
<p style="text-align: justify;"><span style="font-size: 14pt;">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، ربات سخن گو، پیش بینی بورس و نمودارهای مالی .</span></p>
<figure id="attachment_15066" aria-describedby="caption-attachment-15066" style="width: 800px" class="wp-caption aligncenter"><img loading="lazy" decoding="async" class="size-full wp-image-15066" src="http://iran-matlab.ir/wp-content/uploads/2020/04/Artificial-Intelligence.jpg" alt="" width="800" height="450" /><figcaption id="caption-attachment-15066" class="wp-caption-text">هوش مصنوعی &#8211; یادگیری عمیق &#8211; کاربرد</figcaption></figure>
<p style="text-align: justify;"><span style="font-size: 14pt;">هوش مصنوعی دانش بسیار گسترده ای می باشد که بخشی از آن یادگیری عمیق می باشد. یادگیری عمیق یکی از موضوعات بسیار داغ و جذاب می باشد که علاقه مندان بسیار زیادی پیدا کرده است. یکی از دلایل این علاقه سادگی کار و نتایج حیرت کننده حاصل از آن می باشد. به عنوان مثال برای تشخیص یک شی در تصویر، اگر بخواهید از روشهای قدیمی استفاده کنید باید استخراج ویژگی انجام دهید و سپس یک مدل دسته بندی کننده انتخاب کنید. این فرایند بسیار زمان بر و تخصصی می باشد و می بایست یک فرد متخصص نوع ویژگی ها و پارامترهای آنها را تنظیم کند. اما با یادگیری عمیق شما فقط کافی است که ساختار مدل خود را طراحی کنید و نیازی به مرحله استخراج ویژگی ندارید و تمامی فرایند توسط لایه های مدل یادگیری عمیق انجام می شود.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">دلیل بعدی جذابیت کار در یادگیری عمیق ، مدلهای آماده بسیار زیاد موجود می باشد که فرایند طراحی و آموزش و تست را بسیار کوتاه می کند و شما با توجه به مفهوم transfer learning یک مدل آماده را برای کاربرد خود تغییر می دهید. یعنی دیگر لازم نیست چرخ را از اول اختراع کنید و همه فرایند سخت و طاقت فرسای طراحی مدل هوشمند خود را از صفر شروع کنید. الان مدلهای آماده ای وجود دارند که با دقت بالایی می توانند 1000 کلاس مختلف تصویری را شناسایی کنند. یعنی شما مدل را import می کنید و تصویر بهش می دهید و برای شما کار شناسایی را انجام می دهد. به عبارت ساده تر هولو برو تو گلو. 🙂</span></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning" target="_blank" rel="noopener noreferrer"><span style="font-size: 48pt;">لینک سفارش</span></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><strong>قسمت اول</strong></p>
<p style="text-align: center;"><strong>مبانی و مقدمات یادگیری عمیق</strong></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d9%88-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15074" src="http://iran-matlab.ir/wp-content/uploads/2020/04/deep-learning-course-packages-2.png" alt="" width="400" height="400" /></a></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><strong>قسمت دوم </strong></p>
<p style="text-align: center;"><strong>پیاده سازی و برنامه نویسی در متلب</strong></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%d9%be%db%8c%d8%a7%d8%af%d9%87-%d8%b3%d8%a7%d8%b2%db%8c-%d9%88-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-matlab-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15079" src="http://iran-matlab.ir/wp-content/uploads/2020/04/deep-learning-course-MATLAB-programming-design.png" alt="" width="400" height="400" /></a></p>
<p>&nbsp;</p>
<hr />
<p><span style="color: #ff6600;"><strong><span style="font-size: 14pt;">مدرس :</span></strong></span></p>
<p><span style="font-size: 14pt;"><strong>قیصری</strong> (مدیر گروه ایران متلب با سابقه 15 ساله در متلب و زبان های مختلف برنامه نویسی)</span></p>
<p>&nbsp;</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning/">بسته آموزشی جامع یادگیری عمیق Deep Learning</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-deep-learning/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>کتاب مبانی شبکه های عصبی</title>
		<link>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/</link>
					<comments>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 29 Dec 2019 16:03:14 +0000</pubDate>
				<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14068</guid>

					<description><![CDATA[<p>یک جلد کتاب مبانی شبکه های عصبی دکتر محمد باقر منهاج (استاد دانشگاه صنعتی امیرکبیر) به فروش می رسد. توجه فرمایید فقط یک جلد بیشتر موجود نیست. جهت پرداخت و پر کردن [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">کتاب مبانی شبکه های عصبی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">یک جلد کتاب مبانی شبکه های عصبی دکتر محمد باقر منهاج (استاد دانشگاه صنعتی امیرکبیر) به فروش می رسد.</p>



<div class="wp-block-image"><figure class="aligncenter size-large"><img loading="lazy" decoding="async" width="346" height="500" src="https://matlab1.ir/wp-content/uploads/2019/12/47c3d631-b159-4353-9e94-221acc5b66b4.jpg" alt="" class="wp-image-14072" srcset="https://matlab1.ir/wp-content/uploads/2019/12/47c3d631-b159-4353-9e94-221acc5b66b4.jpg 346w, https://matlab1.ir/wp-content/uploads/2019/12/47c3d631-b159-4353-9e94-221acc5b66b4-208x300.jpg 208w" sizes="auto, (max-width: 346px) 100vw, 346px" /></figure></div>



<div class="wp-block-image"><figure class="aligncenter size-large is-resized"><img loading="lazy" decoding="async" src="https://matlab1.ir/wp-content/uploads/2019/12/7_17.png" alt="" class="wp-image-14073" width="346" height="461"/></figure></div>



<p class="wp-block-paragraph">توجه فرمایید فقط یک جلد بیشتر موجود نیست.</p>



<p class="wp-block-paragraph">جهت پرداخت و پر کردن فرم آدرس بر روی لینک کلیک کنید.</p>



<p class="has-text-align-center wp-block-paragraph"><a target="_blank" title="پرداخت آنلاین" href="https://Zarinp.al/281666" rel="noopener noreferrer"><img decoding="async" src="https://cdn.zarinpal.com/badges/easypay/logo1.png"></a></p>



<p class="wp-block-paragraph"></p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">کتاب مبانی شبکه های عصبی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>بسته آموزشی جامع بینایی ماشین</title>
		<link>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/</link>
					<comments>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sat, 24 Jun 2017 17:52:59 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص جعل]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[سیگنال ECG]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[شناسایی حروف]]></category>
		<category><![CDATA[Automatic image annotation]]></category>
		<category><![CDATA[آنالیز تصویر]]></category>
		<category><![CDATA[استخراج ویژگی]]></category>
		<category><![CDATA[BRISK]]></category>
		<category><![CDATA[computer vision]]></category>
		<category><![CDATA[Feature extraction]]></category>
		<category><![CDATA[Gesture recognition]]></category>
		<category><![CDATA[HOG]]></category>
		<category><![CDATA[image analysis]]></category>
		<category><![CDATA[image processing]]></category>
		<category><![CDATA[image restoration]]></category>
		<category><![CDATA[Object recognition]]></category>
		<category><![CDATA[Pedestrian detection]]></category>
		<category><![CDATA[Smart camera]]></category>
		<category><![CDATA[stereo computer vision]]></category>
		<category><![CDATA[tracking]]></category>
		<category><![CDATA[tracking matlab]]></category>
		<category><![CDATA[video processing]]></category>
		<category><![CDATA[بینایی ماشین]]></category>
		<category><![CDATA[پردازش تصویر]]></category>
		<category><![CDATA[پردازش ویدئو]]></category>
		<category><![CDATA[ترمیم تصویر]]></category>
		<category><![CDATA[تشخیص ژست]]></category>
		<category><![CDATA[تشخیص عابر پیاده]]></category>
		<category><![CDATA[حاشیه نویسی تصویر خودکار]]></category>
		<category><![CDATA[دوربین هوشمند]]></category>
		<category><![CDATA[ردیابی]]></category>
		<category><![CDATA[ردیابی متلب]]></category>
		<category><![CDATA[شناسایی شی]]></category>
		<category><![CDATA[ویژگی BRISK]]></category>
		<category><![CDATA[ویژگی HOG]]></category>
		<category><![CDATA[یادگیری عمیق]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=7441</guid>

					<description><![CDATA[<p>به عبارت ساده تر، بینایی ماشین یعنی &#8221; آموزش ماشین به نحوی که ببیند &#8220;. این زمینه تحقیقاتی بیش از 40 سال است که سابقه دارد اما رشد انفجاری اخیر تکنولوژی های [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">بسته آموزشی جامع بینایی ماشین</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">به عبارت ساده تر، بینایی ماشین یعنی &#8221; آموزش ماشین به نحوی که ببیند &#8220;.</span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> این زمینه تحقیقاتی بیش از 40 سال است که سابقه دارد اما رشد انفجاری اخیر تکنولوژی های تصویر برداری دیجیتال منجر به ایجاد مسائلی جدید شده است که بسیار هیجان انگیز و کاربردی است.</span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> در بینایی ماشین دو زمینه تحقیاتی وجود دارد : <a style="color: #000000;" href="https://en.wikipedia.org/wiki/Category:Geometry_in_computer_vision" target="_blank" rel="noopener noreferrer">هندسه 3 بعدی </a> و شناسایی (recognition) .</span></p>
<p style="text-align: justify;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-7445" src="https://matlab1.ir/wp-content/uploads/2017/06/3D-vision-image-analysis.jpg" alt="" width="600" height="448" srcset="https://matlab1.ir/wp-content/uploads/2017/06/3D-vision-image-analysis.jpg 600w, https://matlab1.ir/wp-content/uploads/2017/06/3D-vision-image-analysis-300x224.jpg 300w, https://matlab1.ir/wp-content/uploads/2017/06/3D-vision-image-analysis-45x35.jpg 45w" sizes="auto, (max-width: 600px) 100vw, 600px" /><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> در زمینه اول ، هدف استفاده از یک یا چند تصویر از یک صحنه با یک دوربین با پارامترهای مشخص یا نامشخص و تولید تصویر 3 بعدی از این تصاویر 2 بعدی می باشد.</span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> زمینه دوم هدف شناسایی اشیا و افراد یا فعالیت های داخل تصویر می باشد. شبیه کاری که انسان می کند و مفهوم و ساختار و ارتباط صحنه های مختلف را درک می کند.</span></p>
<p style="text-align: justify;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-8182" src="http://iran-matlab.ir/wp-content/uploads/2017/06/int2.png" alt="" width="700" height="394" /></p>
<h2 style="text-align: justify;"></h2>
<h2 style="text-align: justify;"><span style="color: #ff6600;">بینایی ماشین در متلب :</span></h2>
<h2 style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">جعبه ابزار سیستم بینایی ماشین (<a style="color: #000000;" href="https://www.mathworks.com/products/computer-vision.html" target="_blank" rel="noopener noreferrer">Computer Vision System Toolbox</a>™) تابع و الگوریتم هایی برای طراحی و شبیه سازی سیستم های بینایی ماشین و پردازش ویدئو در اختیار کاربران متلب قرار می دهد.</span></h2>
<h2 style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">شما می توانید استخراج و شناسایی و تطبیق ویژگی را به سادگی برای کاربردهایی مثل شناسایی شی (<a style="color: #000000;" href="https://en.wikipedia.org/wiki/Object_detection" target="_blank" rel="noopener noreferrer">object detection</a>) و دنبال کردن (tracking) و تخمین حرکت (motion estimation) و پردازش ویدئو (video processing) در این تولباکس انجام دهید.</span></h2>
<h2 style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">برای ماشین بینایی 3 بعدی ، این جعبه ابزار از ابزارهایی برای کالیبراسیون دوربین ، بینایی استریو و بازسازی سه بعدی و پردازش ابری سه بعدی استفاده می کند.</span></h2>
<h2 style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">این جعبه ابزار بر مبنای یادگیری ماشین می باشد، لذا شما می توانید سیستم های مورد نظر را آموزش دهید. سیستم تحت آموزش می تواند یک سیستم شناسایی شناسایی شی و تشخیص شی و بازیابی <a style="color: #000000;" href="http://iran-matlab.ir/?product=%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%AF%D8%B1-%D9%85%D8%AA%D9%84%D8%A8" target="_blank" rel="noopener noreferrer">تصویر </a>باشد.</span></h2>
<h2 style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">الگوریتم های موجود در این جعبه ابزار شامل توابع متلب ، اشیای سیستم (System objects) و بلوک های سیمولینک می باشد.</span></h2>
<hr />
<p><span style="color: #ff6600; font-size: 16pt;"><strong>بخش اول : آموزش فارسی شناسایی و استخراج ویژگی در بینایی ماشین</strong></span></p>
<p><a href="http://iran-matlab.ir/?product=%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D8%B4%D9%86%D8%A7%D8%B3%D8%A7%DB%8C%DB%8C-%D9%88-%D8%A7%D8%B3%D8%AA%D8%AE%D8%B1%D8%A7%D8%AC-%D9%88%DB%8C%DA%98%DA%AF%DB%8C-%D8%AF%D8%B1" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-8219 size-full" src="http://iran-matlab.ir/wp-content/uploads/2017/06/Feature-Detection-and-Extraction-MATLAB.png" alt="" width="400" height="400" /></a></p>
<p style="text-align: center;"><span style="font-size: 12pt;"><strong>(بر روی تصویر بالا کلیک کنید)</strong></span></p>
<hr />
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">بسته آموزشی جامع بینایی ماشین</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		
			</item>
		<item>
		<title>پردازش دیجیتال گفتار با استفاده از Matlab</title>
		<link>https://matlab1.ir/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%db%8c%d8%ac%db%8c%d8%aa%d8%a7%d9%84-%da%af%d9%81%d8%aa%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-matlab/</link>
					<comments>https://matlab1.ir/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%db%8c%d8%ac%db%8c%d8%aa%d8%a7%d9%84-%da%af%d9%81%d8%aa%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-matlab/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 10 Jan 2017 09:48:18 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[آموزش نوشتن مقاله]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[Artificial neural network for speech recognition]]></category>
		<category><![CDATA[الگوریتم های یادیگری بدون ناظر متلب]]></category>
		<category><![CDATA[Baum–Welch متلب]]></category>
		<category><![CDATA[Cauchy kernel]]></category>
		<category><![CDATA[Cepstral co-efficients matlab]]></category>
		<category><![CDATA[Code Exited Linear Prediction (CELP)]]></category>
		<category><![CDATA[Discrete wavelet transformation]]></category>
		<category><![CDATA[Expectation–Maximization]]></category>
		<category><![CDATA[Fuzzy k-means matlab]]></category>
		<category><![CDATA[Gibbs phenomenon متلب]]></category>
		<category><![CDATA[Gram–Schmidt orthogonalization متلب]]></category>
		<category><![CDATA[Hidden Markov Model for speech matlab]]></category>
		<category><![CDATA[homomorphic filtering]]></category>
		<category><![CDATA[Independent component analysis]]></category>
		<category><![CDATA[k-means algorithm for speech]]></category>
		<category><![CDATA[Kernel LDA متلب]]></category>
		<category><![CDATA[Kohonen self-organizing map]]></category>
		<category><![CDATA[Kurtosis متلب]]></category>
		<category><![CDATA[Line spectral frequencies]]></category>
		<category><![CDATA[Linear predictive coefficients]]></category>
		<category><![CDATA[Mel-frequency cepstral coefficients (MFCC) matlab]]></category>
		<category><![CDATA[Nonuniform quantization]]></category>
		<category><![CDATA[Null-space linear discriminant analysis]]></category>
		<category><![CDATA[Quantization noise matlab]]></category>
		<category><![CDATA[Short-time Fourier transformation]]></category>
		<category><![CDATA[Spectrogram matlab]]></category>
		<category><![CDATA[Speech compression matlab]]></category>
		<category><![CDATA[Support vector machine matlab]]></category>
		<category><![CDATA[Support Vector Machine speech recognition]]></category>
		<category><![CDATA[Unsupervised learning algorithm]]></category>
		<category><![CDATA[Unsupervised learning algorithm matlab]]></category>
		<category><![CDATA[Zero-crossing rate]]></category>
		<category><![CDATA[تبدیل گسسته ویولت متلب]]></category>
		<category><![CDATA[ضریب کپسترال متلب]]></category>
		<category><![CDATA[فرکانسهای طیف خطی متلب]]></category>
		<category><![CDATA[فشرده سازی صحبت متلب]]></category>
		<category><![CDATA[مدل Cochlea متلب]]></category>
		<category><![CDATA[مدل Gaussian mixture متلب]]></category>
		<category><![CDATA[مدل Hidden Markov متلب]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=4561</guid>

					<description><![CDATA[<p>مقدمه اکثر کاربردهای پردازش دیجیتالی گفتار به تشخیص گفتار یا تشخیص الگوی سخنگو می پردازد. برای فهم اجرای عملی تکنیک های تشخیص گفتار یا سخنگو، ابتدا باید مفاهیم پردازش دیجیتالی گفتار و [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%db%8c%d8%ac%db%8c%d8%aa%d8%a7%d9%84-%da%af%d9%81%d8%aa%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-matlab/">پردازش دیجیتال گفتار با استفاده از Matlab</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;"><strong>مقدمه</strong></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اکثر کاربردهای <a href="https://www.mathworks.com/solutions/dsp.html" target="_blank" rel="noopener noreferrer">پردازش دیجیتالی</a> گفتار به تشخیص گفتار یا تشخیص الگوی سخنگو می پردازد. برای فهم اجرای عملی تکنیک های تشخیص گفتار یا سخنگو، ابتدا باید مفاهیم پردازش دیجیتالی گفتار و تشخیص الگو را فرا گرفت.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">کتاب حاضر در تلاش است تا نحوه ی برخوردی متعادل با هر یک از دو مففهوم را ارائه دهد. بر همین اساس، کتاب به مفاهیم پردازش گفتار مانند مدل تولید گفتار ، استخراج ویژگی گفتار، فشرده سازی گفتار، و غیره، و مفاهیم تشخیص الگوی ابتدایی که در سیگنال های گفتار مانند PCA, LDA, ICA, SVM, HMM, GMM, BPN, KSOM, بکار میروند می پردازد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">کتاب به نحوی نگاشته شده است تا برای مبتدیانی که قصد دارند در زمینه ی پردازش دیجیتالی گفتار تحقیق کنند مناسب باشد. برای فهم بهتر مباحث، تمامی موارد با استفاده از <a href="https://www.mathworks.com" target="_blank" rel="noopener noreferrer">Matlab </a>به صورت تصویری ارائه شده اند.</span></p>
<p style="text-align: justify;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-5627" src="http://iran-matlab.ir/wp-content/uploads/2017/01/Digital-Speech-Processing-Using-MATLAB.jpg" alt="digital-speech-processing-using-matlab" width="679" height="404" /></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84-%DA%AF%D9%81%D8%AA%D8%A7%D8%B1-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-matlab" target="_blank" rel="noopener noreferrer"><span style="font-size: 48pt;">لینک دانلود</span></a></p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%db%8c%d8%ac%db%8c%d8%aa%d8%a7%d9%84-%da%af%d9%81%d8%aa%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-matlab/">پردازش دیجیتال گفتار با استفاده از Matlab</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%db%8c%d8%ac%db%8c%d8%aa%d8%a7%d9%84-%da%af%d9%81%d8%aa%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-matlab/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>برنامه نویسی برای محاسبات با MATLAB/Octave ( مقدمه ای بر شبیه سازی های عددی با MATLAB/Octave )</title>
		<link>https://matlab1.ir/%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%a8%d8%b1%d8%a7%db%8c-%d9%85%d8%ad%d8%a7%d8%b3%d8%a8%d8%a7%d8%aa-%d8%a8%d8%a7-matlaboctave-%d9%85%d9%82%d8%af%d9%85%d9%87/</link>
					<comments>https://matlab1.ir/%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%a8%d8%b1%d8%a7%db%8c-%d9%85%d8%ad%d8%a7%d8%b3%d8%a8%d8%a7%d8%aa-%d8%a8%d8%a7-matlaboctave-%d9%85%d9%82%d8%af%d9%85%d9%87/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 10 Jan 2017 09:23:30 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[الگوریتم جستجوی فاخته cuckoo search]]></category>
		<category><![CDATA[الگوریتم جستجوی محلی گرانشی (GELS)]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[بهنیه سازی تجمعی ذرات PSO]]></category>
		<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[منطق فازي]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[2nd-order Runge-Kutta method متلب]]></category>
		<category><![CDATA[انتگرال Monte Carlo متلب]]></category>
		<category><![CDATA[brute force method متلب]]></category>
		<category><![CDATA[composite midpoint method متلب]]></category>
		<category><![CDATA[composite trapezoidal rule متلب]]></category>
		<category><![CDATA[diffusion equation متلب]]></category>
		<category><![CDATA[Euler’s method متلب]]></category>
		<category><![CDATA[forward difference approximation متلب]]></category>
		<category><![CDATA[Gauss quadrature متلب]]></category>
		<category><![CDATA[least squares method متلب]]></category>
		<category><![CDATA[Poisson equation متلب]]></category>
		<category><![CDATA[Runge-Kutta-Fehlberg متلب]]></category>
		<category><![CDATA[Simpson’s rule متلب]]></category>
		<category><![CDATA[Taylor series متلب]]></category>
		<category><![CDATA[Verlet integration متلب]]></category>
		<category><![CDATA[روش اویلر متلب]]></category>
		<category><![CDATA[روش Crank-Nicolson متلب]]></category>
		<category><![CDATA[قانون مثلثی composite متلب]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=4553</guid>

					<description><![CDATA[<p>مقدمه محاسبه کردن به معنای انجام محاسبات ریاضی مهارتی است که بشریت طی هزاران سال ایجاد کرده است. از سویی دیگر، برنامه نویسی با تاریخی که بیش از چند دهه از آن [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%a8%d8%b1%d8%a7%db%8c-%d9%85%d8%ad%d8%a7%d8%b3%d8%a8%d8%a7%d8%aa-%d8%a8%d8%a7-matlaboctave-%d9%85%d9%82%d8%af%d9%85%d9%87/">برنامه نویسی برای محاسبات با MATLAB/Octave ( مقدمه ای بر شبیه سازی های عددی با MATLAB/Octave )</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;"><strong>مقدمه</strong></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">محاسبه کردن به معنای انجام محاسبات ریاضی مهارتی است که بشریت طی هزاران سال ایجاد کرده است. از سویی دیگر، برنامه نویسی با تاریخی که بیش از چند دهه از آن نمی گذرد، در مراحل اولیه خود قرار دارد. هر دو مبحث تا حد زیادی جامع هستند و به طور معمول در موسسات سرتاسر جهان به خصوص در دوره های کارشناسی به عنوان موضوعاتی مجزا آموزش داده می شوند. این کتاب درباره ی ترکیب این دو مهارت است چراکه امروزه مهارت محاسبه زمانیکه با برنامه نویسی ترکیب شود به شدت قدرتمندتر خواهد شد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اکثر دانشگاه ها و دانشکده ها به طور ضمنی از دانشجویان می خواهند تا به منظور یادگیری برنامه نویسی، در علم کامپیوتر مهارت لازم را کسب کنند به این دلیل که دیگر برنامه های دانشجویی دوره های برنامه نویسی را تا حد حرفه ای شدن ارائه نمی کنند. استدلال های رایج مدعی هستند که مقدمه ای کوتاه کفایت می کند و اینکه اینقدر نرم افزار در دسترس هست که اندک افرادی خودشان برنامه نویسی می کنند. یک پیامد این روند این است که دانشجویان کامپیوتر با دانش سطحی پیرامون برنامه نویسی فارغ التحصیل می شوند مگر اینکه اتفاقی مسیر علم کامپیوتر را انتخاب کنند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">ما فکر میکنیم که این وضعیتی تاسف بار است. شکی نیست که مهندسان و دانشمندان باید با ریاضیات قلم و کاغذی خود آشنا باشند. همچنین، آن ها باید توانایی کار کردن با نرم افزارهای موجود برای فعالیت های استاندارد مهم را داشته باشند و بدون شک این کار هم به دفعات مکرر انجام می دهند. با این حال، مزیت های یادگیری برنامه نویسی بیش از این چیزهاست.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"><strong>چرا برنامه نویسی یاد بگیریم؟</strong></span></p>
<ul style="text-align: justify;">
<li><span style="font-size: 14pt;">نرم افزارهای آماده و موجود محدود به مسئله های استاندارد خاصی می باشند. چیکار می کنید اگر مسئله ی مورد نظر شما در نرم افزاری که خریده اید پوشش داده نشده باشد؟</span></li>
</ul>
<p style="text-align: justify;"><span style="font-size: 14pt;">خوشبختانه، بیشتر نرم افزارهای کنونی را می توان از طریق برنامه نویسی ارتقاء داد. در حقیقت، بسیاری از سیستم ها ایجاب می کنند که بخش هایی از ویژگی مسئله (مانند مدل های ماده) با کدهای کامپیوتری مشخص شوند.</span></p>
<ul style="text-align: justify;">
<li><span style="font-size: 14pt;">مهارت های برنامه نویسی ما را قادر می سازند تا انعطاف پذیری بسته های نرم افزاری موجود را با ادغام آن ها گسترش دهیم. به طور نمونه، شما می توانید بسته های نرم افزاری که با هم در ارتباط نیستند را از ابتدا با هم ادغام و ترکیب کنید. این امر جریان کار را ساده تر، موثرتر و قابل اعتمادتر می کند و شما را در جایگاهی قرار می دهد تا به مشکل ها و مسئله های جدید حمله کنید.</span></li>
<li><span style="font-size: 14pt;">استفاده اشتباه از نرم افزارهای عالی موجود خیلی راحت است. بینش موجود در برنامه نویسی و ریاضی برای فهم نرم افزارهای پیچیده، پرهیز از خطا و تبدیل شدن به کاربری امن لازم و حیاتی است.</span></li>
<li><span style="font-size: 14pt;">اشکال (خطاهای موجود در کدهای کامپیوتری) در برنامه های کامپیوتری بزرگ تر وجود دارند (همچنین در کامپیوترهای موجود در مغازه ها). چیکار میکنید اگر نرم افزار دردسترس شما نتایجی غیرمنتظره ارائه کند؟ آیا این یک اشکال، کاربرد نادرست و یا نتیجه ی ریاضی درستی می باشد؟ تجربه در زمینه ی برنامه نویسی ریاضی به شما این امکان را می دهد تا به این پرسش ها پاسخ دهید. کسی که می تواند برنامه نویسی کند همچنین می تواند برای  مشکلی ساده شده، کدهای خاصی را ایجاد کند و از آن ها برای تایید محاسبات انجام گرفته با نرم افزار موجود استفاده کند.</span></li>
<li><span style="font-size: 14pt;">بسیاری از افراد خبره در جهان مشکلات محاسباتی را با نوشتن کدهای خود حل می کنند و این کدها را به طور رایگان در اینترنت در دسترس قرار می دهند. برای اینکه از این منبع مفید و عالی نرم افزاری به روشی مطمئن بهره مند شویم، فرد میبایست کد کامپیوتری پیشنهاد شده توسط دیگران را بفهمد و احتمالا آن را نیز تغییر دهد.</span></li>
<li><span style="font-size: 14pt;">در سرتاسر جهان اینطور به نظر می رسد که دانشجویان به سختی با ریاضی و فیزیک دست و پنجه نرم می کنند و افراد زیادی این مباحث را دشوار و طاقت فرسا توصیف می کنند. از طریق برنامه نویسی، ما قادر خواهیم بود تا مباحث خوب قدیمی را به روشی کاملا جدید اجرا کنیم! طبق تجربه ی شخصی خود نویسنده، زمانیکه برنامه نویسی به بخش لاینفکی از دوره های ریاضی و علموم فیزیک تبدیل می شود، مباحث ترغیب کننده و لذت بخش می شوند. به طور خاص، مسئله ای که در حال حل شدن است می تواند به مراتب واقعی تر از زمانی باشد که ریاضی به چیزیکه می توان با قلم و کاغذ انجام داد محدود شده باشد.</span></li>
<li><span style="font-size: 14pt;">در نهایت، استدلال مهم خود برای یادگیری برنامه نویسی کامپیوتری را ارئه می کنیم: تفکر الگوریتمی که حین فرایند نوشتن برنامه ای برای مسئله ی محاسباتی ایجاد می شود باعث فهم عمیقی از مسئله و روش حل می شود. در اینجا می توانیم به سادگی از دانشمند کامپیوتر نروژی نقل قول کنیم: &#8220;برنامه نویسی فهمیدن است&#8221;.</span></li>
</ul>
<p style="text-align: justify;"><span style="font-size: 14pt;"><strong>زبان کامپیوتر: </strong><strong>Matlab</strong></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">ما به این دلیل از زبان برنامه نویسی <a href="https://www.mathworks.com" target="_blank" rel="noopener noreferrer">Matlab</a> استفاده کردیم که این زبان کدی فشرده و خوانا ارائه می دهد که تا حد زیادی شبیه دستور ریاضی است که با آن مسئله حل می شود. همچنین این زبان منحنی یادگیری دقیقی دارد. در صورتی که آن زبان ترجیح داده شود، همسان <a href="https://www.python.org/" target="_blank" rel="noopener noreferrer">Phyton</a> این کتاب نیز موجود است. مقایسه ی ورژن های دوگانه ی این کتاب به خوبی نشان می دهد که چقدر این زبان ها شبیه همدیگر هستند. در این کتاب از واژه ی Matlab برای اشاره به نرم افزار تجاری MATLAB یا جایگزین آن Octave ]4[ استفاده می شود ]12[.  زبان های کامپیوتری دیگر مانند Fortran، C و C++ در علم و مهندسی جایگاهی ویژه دارند. با این حال، طی دو دهه ی اخیر، توجه و تمرکز از این زبان های تالیف یافته به زبان های سطح بالاتر و خواناتر مانند Matlab، Phyton، R، Maple، <a href="https://www.wolfram.com/mathematica/" target="_blank" rel="noopener noreferrer">Mathematica</a>، و IDL تغییر کرده است. این گروه آخر از ربان ها از لحاظ محاسباتی چندان کارآمد نیستند اما با توجه به کارآمدی حل مسئله انسان، این برنامه ها در سطح بالاتری قرار دارند. این کتاب به جای تمرکز بر جزئیات تخصصی زبان، تاکید می کند که چطور مانند یک برنامه نویسی فکر کرد. بنابراین، تصور می شود کتاب خواننده را برای یادگیری دیگر زبان های برنامه نویسی شامل Fortran، C، و C++ در جایگاه بهتری قرار دهد.</span></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%85%D8%AD%D8%A7%D8%B3%D8%A8%D8%A7%D8%AA-matlaboctave-%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%A7%DB%8C" target="_blank" rel="noopener noreferrer"><span style="font-size: 48pt;">لینک دانلود</span></a></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%a8%d8%b1%d8%a7%db%8c-%d9%85%d8%ad%d8%a7%d8%b3%d8%a8%d8%a7%d8%aa-%d8%a8%d8%a7-matlaboctave-%d9%85%d9%82%d8%af%d9%85%d9%87/">برنامه نویسی برای محاسبات با MATLAB/Octave ( مقدمه ای بر شبیه سازی های عددی با MATLAB/Octave )</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%a8%d8%b1%d8%a7%db%8c-%d9%85%d8%ad%d8%a7%d8%b3%d8%a8%d8%a7%d8%aa-%d8%a8%d8%a7-matlaboctave-%d9%85%d9%82%d8%af%d9%85%d9%87/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>کتاب آنالیز عکس برای تشخیص بیماری های چشمی و پردازش عکس Corvis ST با استفاده از MATLAB</title>
		<link>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%b9%da%a9%d8%b3-%d8%a8%d8%b1%d8%a7%db%8c-%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%da%86/</link>
					<comments>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%b9%da%a9%d8%b3-%d8%a8%d8%b1%d8%a7%db%8c-%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%da%86/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 10 Jan 2017 09:17:32 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[3D Reconstruction متلب]]></category>
		<category><![CDATA[amplitude spectrum eyeball متلب]]></category>
		<category><![CDATA[آنالیز GLCM متلب]]></category>
		<category><![CDATA[آنالیز بافت cornea MATLAB]]></category>
		<category><![CDATA[Bayesian classifier متلب]]></category>
		<category><![CDATA[biomedical engineering research متلب]]></category>
		<category><![CDATA[Corneal Edge Detection متلب]]></category>
		<category><![CDATA[Corvis tonometer]]></category>
		<category><![CDATA[Edge Detection Methods متلب]]></category>
		<category><![CDATA[Eyeball Reaction متلب]]></category>
		<category><![CDATA[Frequency Analysis متلب]]></category>
		<category><![CDATA[GLCM analysis متلب]]></category>
		<category><![CDATA[Histogram Equalization متلب]]></category>
		<category><![CDATA[Image Filtration متلب]]></category>
		<category><![CDATA[Machine learning متلب]]></category>
		<category><![CDATA[support vector machine متلب]]></category>
		<category><![CDATA[svmclassify]]></category>
		<category><![CDATA[svmtrain]]></category>
		<category><![CDATA[Texture Analysis of the Cornea متلب]]></category>
		<category><![CDATA[بازسازی سه بعدی متلب]]></category>
		<category><![CDATA[دامنه corneal deformation متلب]]></category>
		<category><![CDATA[دسته بندی کننده بیز متلب]]></category>
		<category><![CDATA[روشهای لبه یابی متلب]]></category>
		<category><![CDATA[فیلتر تصویر متلب]]></category>
		<category><![CDATA[ماشین بردار پشتیبان متلب]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=4549</guid>

					<description><![CDATA[<p>مقدمه سال هاست که علم تشخیص بیماری توسط آنالیز و پردازش عکس بهبود یافته است. امروزه تصور کردن تشخیص های عکسی بدون استفاده از ابزارهای آنالیز و پردازش عکس دشوار است. تمامی [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%b9%da%a9%d8%b3-%d8%a8%d8%b1%d8%a7%db%8c-%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%da%86/">کتاب آنالیز عکس برای تشخیص بیماری های چشمی و پردازش عکس Corvis ST با استفاده از MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 14pt;"><strong>مقدمه</strong></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">سال هاست که علم تشخیص بیماری توسط آنالیز و <a href="http://iran-matlab.ir/?product=%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%AF%D8%B1-%D9%85%D8%AA%D9%84%D8%A8" target="_blank" rel="noopener noreferrer">پردازش عکس</a> بهبود یافته است. امروزه تصور کردن تشخیص های عکسی بدون استفاده از ابزارهای آنالیز و پردازش عکس دشوار است. تمامی انواع وسائل مانند توموگرافی نوری، تجهیزات فراصوتی یا اشعه ی X، غالبا دارای قابلیت های پیشرفته ی پردازش و کارکردن با عکس هستند. این عملیات ها که به طور مستقیم در عکس ها انجام میگیرند فرایند تصمیم گیری را آسان می کنند. در واقع، این ها خود ویژگی های عکس ها (هم دو بعدی و هم سه بعدی) هستند. برای نمونه، تعداد و پارامترهای اشیاء درون عکس و توزیع آن ها نسبت به سیستم اتخاذ شده ی مشابه همگی آنالیز می شوند. این ما را قادر می سازد تا روند درمان جداشدگی شبکیه، میزان خمیدگی ستون فقرات، و  درجه ی عکس العمل رنگی سلول ها در عکسبرداری میکروسکوپی را محاسبه کرده و یا بیماری هاشیموتو (Hashimoto’s) را در عکسبرداری فراصوت تشخیص داد. روش های دنبال کردن حرکات اشیاء یا آنالیزهای بعدی از شیب آنها غالبا یافت می شود. به طور نمونه، برای بررسی میزان تحرک اسپرم ها از فرایند دنبال کردن شیب اسپرم و برای ارزیابی رفتار حشرات از دنبال کردن مسیر حرکت آن ها استفاده می شود. همچنین، افزایش سلول در عکسبرداری میکروسکوپی نیز نمونه ی دیگری از این موارد است. در تمامی این موارد، پایه و اساس روش های پردازش و آنالیز عکس می باشد که برای کاربردی خاص درنظر گرفته شده اند. نیاز به توصیف کردن و گنجاندن این موارد در واقع در نتیجه ی طبیعت عکس های بیلوژیکی و پزشکی و از همه مهمتر تفاوت های فردی بیماران ایجاد شده است. از سوی دیگر، روش های پیشنهادی باید به اندازه ای انعطاف پذیر باشند تا به خوبی در مراکز مختلف درمانی برای انواع مختلفی از جمعیت بیماران بکار گرفته شوند. حفظ تعادل مناسب میان این دو عنصر به طور کلی از طریق یک ساختار الگوریتمی مناسب انجام می گیرد. حساسیت الگوریتم به تغییرات در پارامترها (مانند نحوه ی قرارگیری بیمار به نسبت دستگاه عکسبرداری) و ویژگی های الگوریتم مانند سنجش کاملا اتوماتیک و تکرارپذیری نتایج، همگی در اینجا حائز اهمیت هستند. یک نوع از چنین دستگاهی که برای پردازش و آنالیز عکس ها به یک الگوریتم نیازمند است، دستگاه Corvis® ST, OCULUS Optikgeräte GmbH, Germany است که از آن در اینجا با عنوان Corvis استفاده می کنیم. در این دستگاه اندازه گیری فشار و کشش، با استفاده از الگوریتم پیشنهاد شده امکان اندازه گیری پارامترهای مرتبط با تغییر شکل قرنیه یا واکنش تخم چشم در طول زمان فراهم می شود.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">بنابراین، این کتاب نه تنها برای مححققانی مناسب است که می خواهند دانش خود درباره ی استفاده از روش های پردازش و آنالیز عکس در دستگاه اندازه گیری Corvis را افزایش دهند بلکه برای دانشجویان علوم کامپیوتر و مهندسی زیستی نیز مفید واقع می شود. الگوریتم های ارائه شده در <a href="https://www.mathworks.com" target="_blank" rel="noopener noreferrer">MATLAB </a>(در این کتاب به صورت Matlab) اجرا و به طور عملی آزموده شدند. بر همین اساس، این کتاب پزشکان را نیز مخاطب قرار می دهد به خصوص چشم پزشکانی که با بکارگیری روش های ذکر شده می توانند به ویژگی های جدید و مهم قرنیه و کره چشم را دست یابند. با این حال، با توجه به پیچیدگی الگوریتم ها، خواننده ی کتاب میبایست تا حدی با Matlab آشنایی داشته باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">الگوریتم های توصیف شده در شکل کدهای منبعی Matlab در این رساله ارائه شده اند. دلیل انتخاب برنامه ی Matlab انعطاف پذیری و کاربرد آن در حوزه های مختلف دانش و علوم می باشد. به سبب دارا بودن جعبه ابزار فراوان، این نرم افزار می تواند نه تنها در پردازش و آنالیز عکس بلکه در علم اقتصاد، الکترونیک و آمار مورد استفاده قرار گیرد. شکل توسعه یافته ی این جعبه ابزارها گروهی از الگوریتم ها هستند که در اینجا ارائه شده اند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">همچنین الگوریتم ها در شکل فایل های-ام که در این کتاب پیوست گردیده اند در دسترس هستند.  باید تاکید کرد که الگوریتم ها در واقع یک راه حل احتمالی برای مسئله ی مورد نظر می باشد و در حوصله ی این مبحث جالب نمی گنجد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">همچنین، از الگوریتم های پیشنهادی می توان برای حل کردن مسئله های دیگر که در آنالیز اتوماتیک عکس زیست پزشکی بوجود می آیند استفاده کرد. بخشی یا تمامی الگوریتم های ارائه شده را می توان به طور نمونه در آنالیز اشعه ی ایکس و عکس های گرمایشی و همچنین عکس های CT که اتوماتیک بودن کامل و نتایج تکراری مهم اند بکار برد.</span></p>
<p style="text-align: justify;">
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%DA%A9%D8%AA%D8%A7%D8%A8-%D8%A2%D9%86%D8%A7%D9%84%DB%8C%D8%B2-%D8%B9%DA%A9%D8%B3-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D8%A8%DB%8C%D9%85%D8%A7%D8%B1%DB%8C-%D9%87%D8%A7%DB%8C-%DA%86" target="_blank" rel="noopener noreferrer"><span style="font-size: 48pt;">لینک دانلود</span></a></p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%b9%da%a9%d8%b3-%d8%a8%d8%b1%d8%a7%db%8c-%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%da%86/">کتاب آنالیز عکس برای تشخیص بیماری های چشمی و پردازش عکس Corvis ST با استفاده از MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%da%a9%d8%aa%d8%a7%d8%a8-%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%b9%da%a9%d8%b3-%d8%a8%d8%b1%d8%a7%db%8c-%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%da%86/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>سیر تا پیاز متلب MATLAB</title>
		<link>https://matlab1.ir/%d8%b3%db%8c%d8%b1-%d8%aa%d8%a7-%d9%be%db%8c%d8%a7%d8%b2-%d9%85%d8%aa%d9%84%d8%a8-matlab/</link>
					<comments>https://matlab1.ir/%d8%b3%db%8c%d8%b1-%d8%aa%d8%a7-%d9%be%db%8c%d8%a7%d8%b2-%d9%85%d8%aa%d9%84%d8%a8-matlab/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 26 Feb 2016 21:19:42 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[الگوریتم بهینه سازی شعله-پروانه]]></category>
		<category><![CDATA[الگوریتم جستجوی محلی گرانشی (GELS)]]></category>
		<category><![CDATA[PSO]]></category>
		<category><![CDATA[random forest]]></category>
		<category><![CDATA[segmentation]]></category>
		<category><![CDATA[simElectronics در Simulink]]></category>
		<category><![CDATA[SimHydraulics در simulink]]></category>
		<category><![CDATA[simmehanics در simulink]]></category>
		<category><![CDATA[weka]]></category>
		<category><![CDATA[بهنیه سازی تجمعی ذرات PSO]]></category>
		<category><![CDATA[پیش بینی بورس]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص جعل]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[حد آستانه دسته بندی]]></category>
		<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[دسته بندی کننده درختی]]></category>
		<category><![CDATA[سیگنال ECG]]></category>
		<category><![CDATA[سیمولینک simulink]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[شناسایی حروف]]></category>
		<category><![CDATA[فیلتر تطبیقی]]></category>
		<category><![CDATA[کد SIFT]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[مدل ARIMA]]></category>
		<category><![CDATA[معادلات دیفرانسیل ODE]]></category>
		<category><![CDATA[منطق فازي]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[ویولت]]></category>
		<category><![CDATA[آموزش MATLAB]]></category>
		<category><![CDATA[آموزش تصویری MATLAB]]></category>
		<category><![CDATA[آموزش تصویری متلب]]></category>
		<category><![CDATA[آموزش تضمینی MATLAB]]></category>
		<category><![CDATA[آموزش تضمینی متلب]]></category>
		<category><![CDATA[آموزش فارسی MATLAB]]></category>
		<category><![CDATA[آموزش فارسی متلب]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار MATLAB]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار متلب]]></category>
		<category><![CDATA[آموزش کاربردی MATLAB]]></category>
		<category><![CDATA[آموزش کاربردی متلب]]></category>
		<category><![CDATA[آموزش متلب]]></category>
		<category><![CDATA[آموزشگاه MATLAB]]></category>
		<category><![CDATA[آموزشگاه متلب]]></category>
		<category><![CDATA[آموش مالتی مدیا MATLAB]]></category>
		<category><![CDATA[آموش مالتی مدیا متلب]]></category>
		<category><![CDATA[بهترین فیلم آموزشی MATLAB]]></category>
		<category><![CDATA[بهترین فیلم آموزشی متلب]]></category>
		<category><![CDATA[تدریس خصوصی MATLAB]]></category>
		<category><![CDATA[تدریس خصوصی متلب]]></category>
		<category><![CDATA[خودآموز MATLAB]]></category>
		<category><![CDATA[خودآموز متلب]]></category>
		<category><![CDATA[دانلود آموزش Matlab]]></category>
		<category><![CDATA[دانلود آموزش متلب]]></category>
		<category><![CDATA[دانلود MATLAB]]></category>
		<category><![CDATA[دانلود جزوه MATLAB]]></category>
		<category><![CDATA[دانلود جزوه متلب]]></category>
		<category><![CDATA[دانلود کتاب MATLAB]]></category>
		<category><![CDATA[دانلود کتاب متلب]]></category>
		<category><![CDATA[دانلود متلب]]></category>
		<category><![CDATA[دوره آموزشی MATLAB]]></category>
		<category><![CDATA[دوره آموزشی تخصصی MATLAB]]></category>
		<category><![CDATA[دوره آموزشی تخصصی متلب]]></category>
		<category><![CDATA[دوره آموزشی متلب]]></category>
		<category><![CDATA[دوره آموزشی مجازی MATLAB]]></category>
		<category><![CDATA[دوره آموزشی مجازی متلب]]></category>
		<category><![CDATA[فیلم آموزشی MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جامع MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جامع متلب]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان متلب]]></category>
		<category><![CDATA[فیلم آموزشی رایگان MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی رایگان متلب]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا متلب]]></category>
		<category><![CDATA[فیلم آموزشی فارسی MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی فارسی متلب]]></category>
		<category><![CDATA[فیلم آموزشی متلب]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد متلب]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران متلب]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف متلب]]></category>
		<category><![CDATA[کارگاه تخصصی MATLAB]]></category>
		<category><![CDATA[کارگاه تخصصی متلب]]></category>
		<category><![CDATA[کتاب راهنما MATLAB]]></category>
		<category><![CDATA[کتاب راهنما متلب]]></category>
		<category><![CDATA[کلاس آنلاین MATLAB]]></category>
		<category><![CDATA[کلاس آنلاین متلب]]></category>
		<category><![CDATA[کلاس دانشگاه MATLAB]]></category>
		<category><![CDATA[کلاس دانشگاه متلب]]></category>
		<category><![CDATA[مدرک معتبر MATLAB]]></category>
		<category><![CDATA[مدرک معتبر متلب]]></category>
		<category><![CDATA[مرجع آموزش MATLAB]]></category>
		<category><![CDATA[مرجع آموزش متلب]]></category>
		<category><![CDATA[یادگیری سریع MATLAB]]></category>
		<category><![CDATA[یادگیری سریع متلب]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3339</guid>

					<description><![CDATA[<p>. . . . . . . بعد از مدتها ایران متلب تصمیم گرفت فیلم آموزشی تهیه شده توسط مهندس قیصری مدیر گروه ایران متلب را برای استفاده کاربران ایران متلب جهت [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%b3%db%8c%d8%b1-%d8%aa%d8%a7-%d9%be%db%8c%d8%a7%d8%b2-%d9%85%d8%aa%d9%84%d8%a8-matlab/">سیر تا پیاز متلب MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 16pt; line-height: 2.5em; color: #333333;">بعد از مدتها ایران متلب تصمیم گرفت فیلم آموزشی تهیه شده توسط مهندس قیصری مدیر گروه ایران متلب را برای استفاده کاربران ایران متلب جهت دانلود قرار دهد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 16pt; line-height: 2.5em; color: #333333;">این فیلم آموزشی یک محصول منحصربفرد از ایران متلب می باشد که هیچ جای دیگری مشابه آن را پیدا نخواهید کرد. آموزش های متلب زیاد هستند اما آموزشی که توسط متخصص با تجربه و با سابقه متلب تهیه شده است ، کمیاب است.</span></p>
<p>&nbsp;</p>
<p><a href="http://iran-matlab.ir/?product=%D8%B3%DB%8C%D8%B1-%D8%AA%D8%A7-%D9%BE%DB%8C%D8%A7%D8%B2-%D9%85%D8%AA%D9%84%D8%A8-matlab" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" src="http://iran-matlab.ir/wp-content/uploads/2016/02/logo_film.png" alt="" width="631" height="440" /></a></p>
<p>&nbsp;</p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مهندس قیصری دارای سابقه نه ساله در کدنویسی متلب در پروژه های مختلف دانشجویی و صنعتی می باشد. ایشان تاکنون بیش از چند میلیون خط کد متلب را نوشته است و با بیشتر قسمت ها و دستورات متلب آشنایی دارند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">این مجموعه فیلم آموزشی بیش از 100 قسمت یا 200 قسمت شاید هم بیشتر خواهد بود که به مرور برای خریداران این محصول ایمیل خواهد شد. کاربران محترمی که می خواهند بقیه قسمت ها را به مرور دریافت کنند ، می توانند هزینه این آموزش را پرداخت کنند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">مهندس قیصری قصد دارند در این محموعه بزرگ فیلم آموزشی ، همه چیزهایی که از متلب بلد هستند را به دیگران یاد بدهند. </span></p>
<p>&nbsp;</p>
<h2 class="Yekan"><span style="font-size: 16pt; line-height: 2.5em; color: #ff9900;">چرا این آموزش به مرور برای کاربران ایمیل می شود؟</span></h2>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 16pt; line-height: 2.5em; color: #333333;">یادگیری یک نرم افزار برنامه نویسی مانند متلب یک شبه اتفاق نمی افتد و نیاز به تمرین و ممارست دارد. لذا ایران متلب تصمیم گرفت قسمت های آموزش را به مرور برای کاربران خود ارسال کند تا زمان داشته باشند با تمرین های مختلف آموزش را در ذهن خود نهادینه کنند.</span></p>
<h2 class="Yekan"><span style="font-size: 16pt; line-height: 2.5em; color: #ff9900;">هر چند مدت یک بار قسمتی از این آموزش ایمیل خواهد شد؟</span></h2>
<p class="Yekan"><span style="font-size: 16pt;">به طور متوسط هر هفته ، سه تا چهار قسمت ایمیل خواهد شد.</span></p>
<p>&nbsp;</p>
<p class="Yekan" style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D8%B3%DB%8C%D8%B1-%D8%AA%D8%A7-%D9%BE%DB%8C%D8%A7%D8%B2-%D9%85%D8%AA%D9%84%D8%A8-matlab" target="_blank" rel="noopener noreferrer"><span style="font-size: 30pt;">لینک دانلود</span></a></p>
<p>نوشته <a href="https://matlab1.ir/%d8%b3%db%8c%d8%b1-%d8%aa%d8%a7-%d9%be%db%8c%d8%a7%d8%b2-%d9%85%d8%aa%d9%84%d8%a8-matlab/">سیر تا پیاز متلب MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%b3%db%8c%d8%b1-%d8%aa%d8%a7-%d9%be%db%8c%d8%a7%d8%b2-%d9%85%d8%aa%d9%84%d8%a8-matlab/feed/</wfw:commentRss>
			<slash:comments>9</slash:comments>
		
		
			</item>
		<item>
		<title>فیلم آموزشی وارد کردن داده های فایل اکسل به متلب</title>
		<link>https://matlab1.ir/3256/</link>
					<comments>https://matlab1.ir/3256/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 05 Feb 2016 12:21:20 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش clementine]]></category>
		<category><![CDATA[آموزش expert choice]]></category>
		<category><![CDATA[آموزش ShowFlow]]></category>
		<category><![CDATA[آموزش SPSS]]></category>
		<category><![CDATA[optical flow]]></category>
		<category><![CDATA[random forest]]></category>
		<category><![CDATA[weka]]></category>
		<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[دسته بندی کننده درختی]]></category>
		<category><![CDATA[سیگنال ECG]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[مدل ARIMA]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[ASF]]></category>
		<category><![CDATA[اکسل در متلب]]></category>
		<category><![CDATA[BMP]]></category>
		<category><![CDATA[import data excel MATLAB]]></category>
		<category><![CDATA[JSON]]></category>
		<category><![CDATA[MJ2]]></category>
		<category><![CDATA[MOV]]></category>
		<category><![CDATA[MP4]]></category>
		<category><![CDATA[MPEG]]></category>
		<category><![CDATA[nanmean دستور]]></category>
		<category><![CDATA[sheet اکسل در MATLAB]]></category>
		<category><![CDATA[WMV]]></category>
		<category><![CDATA[پسوند .csv]]></category>
		<category><![CDATA[پسوند .mat]]></category>
		<category><![CDATA[پسوند .XLS]]></category>
		<category><![CDATA[پسوند AVI]]></category>
		<category><![CDATA[پسوند CDF]]></category>
		<category><![CDATA[پسوند DAQ]]></category>
		<category><![CDATA[پسوند FITS]]></category>
		<category><![CDATA[پسوند FLAC]]></category>
		<category><![CDATA[پسوند HDF]]></category>
		<category><![CDATA[پسوند ICO]]></category>
		<category><![CDATA[پسوند JPEG]]></category>
		<category><![CDATA[پسوند netCDF]]></category>
		<category><![CDATA[پسوند ODS]]></category>
		<category><![CDATA[پسوند OGG]]></category>
		<category><![CDATA[پسوند PGM]]></category>
		<category><![CDATA[پسوند PNG]]></category>
		<category><![CDATA[پسوند PPM]]></category>
		<category><![CDATA[پسوند RAS]]></category>
		<category><![CDATA[پسوند SND]]></category>
		<category><![CDATA[پسوند XLTM]]></category>
		<category><![CDATA[پسوند XML]]></category>
		<category><![CDATA[پسوند XWD]]></category>
		<category><![CDATA[تابع xlsread]]></category>
		<category><![CDATA[تصحیح NAN]]></category>
		<category><![CDATA[تعریف NAN در متلب]]></category>
		<category><![CDATA[دستور nanmax]]></category>
		<category><![CDATA[دستور nanmin]]></category>
		<category><![CDATA[گزینه import data در متلب]]></category>
		<category><![CDATA[وارد کردن ستونهای فایل اکسل در متلب]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3256</guid>

					<description><![CDATA[<p>یکی از مراحل مهم در هر پروژه متلب وارد کردن داده های ورودی به محیط متلب می باشد. این داده ها می توانند فایل اکسل یا داده های متنی یا هر چیز [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/3256/">فیلم آموزشی وارد کردن داده های فایل اکسل به متلب</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">یکی از مراحل مهم در هر پروژه متلب وارد کردن داده های ورودی به محیط متلب می باشد. این داده ها می توانند فایل اکسل یا داده های متنی یا هر چیز دیگری باشند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">بعد از وارد کردن داده ها به محیط متلب ، برنامه ای نوشته می شود که بر روی این داده ها بر اساس هدف پروژه ، عملیاتی انجام شود.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">به عنوان مقال فرض کنید می خواهید یک مدلسازی با شبکه عصبی انجام دهید. داده های ورودی شما در یک تعداد فایل اکسل جمع آوردی شده اند و شما می خواهید این داده ها را وارد محیط متلب کنید و سپس برنامه شبکه عصبی آن را بنویسید و مدلسازی برای شما انجام شود.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">در این فیلم آموزشی ما به شما سه روش را برای وارد کردن داده های یک فایل ورودی به متلب را آموزش می دهیم. این فایل ورودی می تواند فایل اکسل یا متنی و &#8230; باشد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">این آموزش را در هیچ جای اینترنت نمی توانید پیدا کنید. بعضی از این روشها ابتکاری می باشد که در هیچ کتابی قابل دسترسی نیست .</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">در این آموزش هم کدنویسی و هم بدون کدنویسی نحوه وارد کردن فایل اکسل آموزش داده می شود.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">مدت زمان : 45 دقیقه</span></p>
<p class="Yekan" style="text-align: center;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: center;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: center;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: center;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%88%D8%A7%D8%B1%D8%AF-%DA%A9%D8%B1%D8%AF%D9%86-%D9%81%D8%A7%DB%8C%D9%84-%D8%A7%DA%A9%D8%B3%D9%84-%D8%A8%D9%87-%D9%85%D8%AA%D9%84%D8%A8" target="_blank" rel="noopener noreferrer"><span style="font-size: 20pt;">لینک دریافت</span></a></p>
<p class="Yekan"><span style="font-size: 14pt;">خلاصه قسمت 1 :</span><br />
<iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/K6pvI/vt/frame" width="640" height="360" allowfullscreen="allowfullscreen"></iframe></p>
<p class="Yekan"><a href="https://www.youtube.com/watch?v=wXpH2jWR-7U" target="_blank" rel="noopener noreferrer"><span style="font-size: 12pt;">لینک مشاهده خلاصه 1 در یوتیوب</span></a></p>
<p>&nbsp;</p>
<p class="Yekan"><span style="font-size: 14pt;">خلاصه قسمت 2 :</span><br />
<iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/5WYzD/vt/frame" width="640" height="360" allowfullscreen="allowfullscreen"></iframe></p>
<p class="Yekan"><a href="https://www.youtube.com/watch?v=mskDlon1JeU" target="_blank" rel="noopener noreferrer"><span style="font-size: 12pt;">لینک مشاهده خلاصه 2 در یوتیوب</span></a></p>
<p>&nbsp;</p>
<p class="Yekan"><span style="font-size: 14pt;">خلاصه قسمت 3 :</span><br />
<iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/rHyvd/vt/frame" width="640" height="360" allowfullscreen="allowfullscreen"></iframe></p>
<p class="Yekan"><a href="https://www.youtube.com/watch?v=zFM_I3ySCdo" target="_blank" rel="noopener noreferrer"><span style="font-size: 12pt;">لینک مشاهده خلاصه 3 در یوتیوب</span></a></p>
<p>&nbsp;</p>
<p class="Yekan"><span style="font-size: 14pt;">خلاصه قسمت 4 :</span><br />
<iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/qui4o/vt/frame" width="640" height="360" allowfullscreen="allowfullscreen"></iframe></p>
<p class="Yekan"><a href="https://www.youtube.com/watch?v=dVcjN_vg32E" target="_blank" rel="noopener noreferrer"><span style="font-size: 12pt;">لینک مشاهده خلاصه 4 در یوتیوب</span></a></p>
<p>نوشته <a href="https://matlab1.ir/3256/">فیلم آموزشی وارد کردن داده های فایل اکسل به متلب</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/3256/feed/</wfw:commentRss>
			<slash:comments>14</slash:comments>
		
		
			</item>
		<item>
		<title>فيلم آموزشي رپيدماينر rapidminer</title>
		<link>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%d9%8a-%d8%b1%d9%be%d9%8a%d8%af%d9%85%d8%a7%d9%8a%d9%86%d8%b1-rapidminer/</link>
					<comments>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%d9%8a-%d8%b1%d9%be%d9%8a%d8%af%d9%85%d8%a7%d9%8a%d9%86%d8%b1-rapidminer/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Wed, 27 Jan 2016 14:26:41 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش rapidminer]]></category>
		<category><![CDATA[weka]]></category>
		<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[دسته بندی کننده درختی]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[مدل ARIMA]]></category>
		<category><![CDATA[آموزش RAPIDMINER]]></category>
		<category><![CDATA[آموزش تصویری RAPIDMINER]]></category>
		<category><![CDATA[آموزش تصویری رپیدماینر]]></category>
		<category><![CDATA[آموزش تضمینی RAPIDMINER]]></category>
		<category><![CDATA[آموزش تضمینی رپیدماینر]]></category>
		<category><![CDATA[آموزش رپیدماینر]]></category>
		<category><![CDATA[آموزش فارسی RAPIDMINER]]></category>
		<category><![CDATA[آموزش فارسی رپیدماینر]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار RAPIDMINER]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار رپیدماینر]]></category>
		<category><![CDATA[آموزش کاربردی RAPIDMINER]]></category>
		<category><![CDATA[آموزش کاربردی رپیدماینر]]></category>
		<category><![CDATA[آموزشگاه RAPIDMINER]]></category>
		<category><![CDATA[آموزشگاه رپیدماینر]]></category>
		<category><![CDATA[آموش مالتی مدیا RAPIDMINER]]></category>
		<category><![CDATA[آموش مالتی مدیا رپیدماینر]]></category>
		<category><![CDATA[بهترین فیلم آموزشی RAPIDMINER]]></category>
		<category><![CDATA[بهترین فیلم آموزشی رپیدماینر]]></category>
		<category><![CDATA[تدریس خصوصی RAPIDMINER]]></category>
		<category><![CDATA[تدریس خصوصی رپیدماینر]]></category>
		<category><![CDATA[خودآموز RAPIDMINER]]></category>
		<category><![CDATA[خودآموز رپیدماینر]]></category>
		<category><![CDATA[دانلود آموزش RAPIDMINER]]></category>
		<category><![CDATA[دانلود آموزش رپیدماینر]]></category>
		<category><![CDATA[دانلود RAPIDMINER]]></category>
		<category><![CDATA[دانلود جزوه RAPIDMINER]]></category>
		<category><![CDATA[دانلود جزوه رپیدماینر]]></category>
		<category><![CDATA[دانلود رپیدماینر]]></category>
		<category><![CDATA[دانلود کتاب RAPIDMINER]]></category>
		<category><![CDATA[دانلود کتاب رپیدماینر]]></category>
		<category><![CDATA[دوره آموزشی RAPIDMINER]]></category>
		<category><![CDATA[دوره آموزشی تخصصی RAPIDMINER]]></category>
		<category><![CDATA[دوره آموزشی تخصصی رپیدماینر]]></category>
		<category><![CDATA[دوره آموزشی رپیدماینر]]></category>
		<category><![CDATA[دوره آموزشی مجازی RAPIDMINER]]></category>
		<category><![CDATA[دوره آموزشی مجازی رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی جامع RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی جامع رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی رایگان RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی رایگان رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی رپیدماینر]]></category>
		<category><![CDATA[فیلم آموزشی فارسی RAPIDMINER]]></category>
		<category><![CDATA[فیلم آموزشی فارسی رپیدماینر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد RAPIDMINER]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد رپیدماینر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران RAPIDMINER]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران رپیدماینر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف RAPIDMINER]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف رپیدماینر]]></category>
		<category><![CDATA[کارگاه تخصصی RAPIDMINER]]></category>
		<category><![CDATA[کارگاه تخصصی رپیدماینر]]></category>
		<category><![CDATA[کتاب راهنما RAPIDMINER]]></category>
		<category><![CDATA[کتاب راهنما رپیدماینر]]></category>
		<category><![CDATA[کلاس آنلاین RAPIDMINER]]></category>
		<category><![CDATA[کلاس آنلاین رپیدماینر]]></category>
		<category><![CDATA[کلاس دانشگاه RAPIDMINER]]></category>
		<category><![CDATA[کلاس دانشگاه رپیدماینر]]></category>
		<category><![CDATA[مدرک معتبر RAPIDMINER]]></category>
		<category><![CDATA[مدرک معتبر رپیدماینر]]></category>
		<category><![CDATA[مرجع آموزش RAPIDMINER]]></category>
		<category><![CDATA[مرجع آموزش رپیدماینر]]></category>
		<category><![CDATA[یادگیری سریع RAPIDMINER]]></category>
		<category><![CDATA[یادگیری سریع رپیدماینر]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3249</guid>

					<description><![CDATA[<p>رپیدماینر یک نرم افزار داده کاوی است که توسط کمپانی به همین اسم تولید شده است. این نرم افزار در یادگیری ماشین و داده کاوی و متن کاوی و آنالیز پیش بینی [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%d9%8a-%d8%b1%d9%be%d9%8a%d8%af%d9%85%d8%a7%d9%8a%d9%86%d8%b1-rapidminer/">فيلم آموزشي رپيدماينر rapidminer</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">رپیدماینر یک نرم افزار داده کاوی است که توسط کمپانی به همین اسم تولید شده است. این نرم افزار در <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%a7%d9%85%d8%b9-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-machine-learning/" rel="noopener noreferrer" target="_blank">یادگیری ماشین</a> و داده کاوی و متن کاوی و آنالیز پیش بینی و آنالیز تجارت استفاده می شود. این نرم افزار هم در محیط های صنعتی و هم دانشگاهی مورد استفاده قرار می گیرد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">گفته می شود این نرم افزار 99 درصد راه حل های آنالیزی پیشرفته را بدون هیچ زحمت کدنویسی برای  محقق داده کاوی فراهم می کند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">این نرم افزار با زبان برنامه نویسی جاوا نوشته شده است. تمامی عملیات در نرم افزار رپیدماینر توسط پنجره گرافیکی انجام می شود. عملیات workflow در رپیدماینر به نام فرایند process شناخته می شوند که شامل چندین عملگر operator تشکیل می شوند. هر عملگر یک وظیفه را در فرایند انجام می دهد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt;">این نرم افزار قابلیت ارتباط با نرم افزارهای داده کاوی دیگر مانند  R و  weka را دارد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ffffff;">.</span></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D8%A2%D9%85%D9%88%D8%B2%D8%B4-rapidminer" target="_blank" rel="noopener noreferrer"><span style="font-family: georgia, palatino;"><strong><span style="font-size: 30pt;">لینک دانلود</span></strong></span></a></p>
<p>&nbsp;<br />
&nbsp;</p>
<p><center></p>
<hr />
<p><strong>پیش نمایش 1</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=313526317279" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/dijh74t5utaz56a/demo1___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 1</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/JBjqL" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=itVSTmfYI6o&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=1" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=313526317279" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 2</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=68485035345" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/1bf5r19y2ehv35i/demo2___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 2</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/WbwG4" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=qyUcmpxQMtU&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=2" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=68485035345" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 3</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=930887105895" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/3elv3l2ld1kt1np/demo3_%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 3</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/0XZ75" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=3Vl-sOkQ2mY&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=3" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=930887105895" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 4</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=319345127518" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/u5aqhwsmt09909t/demo4___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 4</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/LID9f" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=3LgDsByyu-Y&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=4" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=319345127518" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 5</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=285751353521" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/raytdnrnjto3s5a/demo5___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 5</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/Vlgu0" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=hbOSyp5i8yo&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=5" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=285751353521" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 6</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=389646433688" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/a8995134k2356v3/demo6___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 6</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/jlXN1" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=m2A4d3TUq7Q&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=6" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=389646433688" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<hr />
<p><strong>پیش نمایش 7</strong> :<br />
<iframe loading="lazy" src="http://takhtesefid.org/embed?v=899253384972" width="420" height="315" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/download/7di97yivg3kmnqf/demo7___%5Biran-matlab.ir%5D.rar" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش 7</a></p>
<p style="text-align: center;"><a href="http://www.aparat.com/v/RkQ0E" target="_blank" rel="noopener noreferrer">لینک مشاهده در آپارات</a><br />
<a href="https://www.youtube.com/watch?v=mcvzkjZsFgc&amp;list=PL-o0zfWxs20X5cCZUYAo9NRl9GFgosDh0&amp;index=7" target="_blank" rel="noopener noreferrer">لینک مشاهده در یوتیوب</a><br />
<a href="http://takhtesefid.org/watch?v=899253384972" target="_blank" rel="noopener noreferrer">لینک مشاهده در تخته سفید</a></p>
<p>&nbsp;<br />
</center></p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%d9%8a-%d8%b1%d9%be%d9%8a%d8%af%d9%85%d8%a7%d9%8a%d9%86%d8%b1-rapidminer/">فيلم آموزشي رپيدماينر rapidminer</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%d9%8a-%d8%b1%d9%be%d9%8a%d8%af%d9%85%d8%a7%d9%8a%d9%86%d8%b1-rapidminer/feed/</wfw:commentRss>
			<slash:comments>32</slash:comments>
		
		
			</item>
		<item>
		<title>دانلود آخرین نسخه نم افزار وکا</title>
		<link>https://matlab1.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%a2%d8%ae%d8%b1%db%8c%d9%86-%d9%86%d8%b3%d8%ae%d9%87-%d9%86%d9%85-%d8%a7%d9%81%d8%b2%d8%a7%d8%b1-%d9%88%da%a9%d8%a7/</link>
					<comments>https://matlab1.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%a2%d8%ae%d8%b1%db%8c%d9%86-%d9%86%d8%b3%d8%ae%d9%87-%d9%86%d9%85-%d8%a7%d9%81%d8%b2%d8%a7%d8%b1-%d9%88%da%a9%d8%a7/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Wed, 06 Jan 2016 13:41:24 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[weka]]></category>
		<category><![CDATA[بهنیه سازی تجمعی ذرات PSO]]></category>
		<category><![CDATA[پیش بینی بورس]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[مدل ARIMA]]></category>
		<category><![CDATA[مهندسی کنترل]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[دانلود داده کاوی]]></category>
		<category><![CDATA[دانلود نرم افزار وکا]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3211</guid>

					<description><![CDATA[<p>ویندور 32 بیتی همراه با ماشین جاوا ویندور 32 بیتی بدون  ماشین جاوا . . ویندور 64 بیتی همراه با ماشین جاوا ویندور 64 بیتی بدون  ماشین جاوا . . مکنیتاش همراه با ماشین جاوا مکنیتاش [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%a2%d8%ae%d8%b1%db%8c%d9%86-%d9%86%d8%b3%d8%ae%d9%87-%d9%86%d9%85-%d8%a7%d9%81%d8%b2%d8%a7%d8%b1-%d9%88%da%a9%d8%a7/">دانلود آخرین نسخه نم افزار وکا</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13jre.exe" target="_blank" rel="noopener noreferrer">ویندور 32 بیتی همراه با ماشین جاوا</a></span></p>
<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13.exe" target="_blank" rel="noopener noreferrer">ویندور 32 بیتی بدون  ماشین جاوا</a></span></p>
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13jre-x64.exe" target="_blank" rel="noopener noreferrer">ویندور 64 بیتی همراه با ماشین جاوا</a></span></p>
<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13-x64.exe" target="_blank" rel="noopener noreferrer">ویندور 64 بیتی بدون  ماشین جاوا</a></span></p>
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13-oracle-jvm.dmg" target="_blank" rel="noopener noreferrer">مکنیتاش همراه با ماشین جاوا</a></span></p>
<p class="Yekan"><span style="font-size: 20pt;"><a href="http://prdownloads.sourceforge.net/weka/weka-3-6-13-apple-jvm.dmg" target="_blank" rel="noopener noreferrer">مکنیتاش بدون ماشین جاوا</a></span></p>
<hr />
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<table style="height: 27px;" width="774">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C-%D9%86%D8%B1%D9%85-%D8%A7%D9%81%D8%B2%D8%A7%D8%B1-weka" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter  wp-image-3492" src="https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film.png" alt="Weka-train-film" width="200" height="200" srcset="https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film.png 400w, https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film-140x140.png 140w, https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film-50x50.png 50w, https://matlab1.ir/wp-content/uploads/2016/04/Weka-train-film-110x110.png 110w" sizes="auto, (max-width: 200px) 100vw, 200px" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%D9%81%D9%8A%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%D9%8A-%D8%B4%D8%A8%D9%83%D9%87-%D9%87%D8%A7%D9%8A-%D8%B9%D8%B5%D8%A8%D9%8A" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter  wp-image-3491" src="https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2.png" alt="Artifical-Neural-Network-tutorial-introduction-training-film2" width="202" height="202" srcset="https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2.png 400w, https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2-140x140.png 140w, https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2-50x50.png 50w, https://matlab1.ir/wp-content/uploads/2016/04/Artifical-Neural-Network-tutorial-introduction-training-film2-110x110.png 110w" sizes="auto, (max-width: 202px) 100vw, 202px" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%D8%A2%D9%85%D9%88%D8%B2%D8%B4-rapidminer" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-3490 " src="https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-300x300.png" alt="rapidminer-video" width="192" height="192" srcset="https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-140x140.png 140w, https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-50x50.png 50w, https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video-110x110.png 110w, https://matlab1.ir/wp-content/uploads/2016/04/rapidminer-video.png 400w" sizes="auto, (max-width: 192px) 100vw, 192px" /></a></td>
</tr>
</tbody>
</table>
<p class="Yekan"><span style="color: #ffffff;">.</span></p>
<p>&nbsp;</p>
<p>نوشته <a href="https://matlab1.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%a2%d8%ae%d8%b1%db%8c%d9%86-%d9%86%d8%b3%d8%ae%d9%87-%d9%86%d9%85-%d8%a7%d9%81%d8%b2%d8%a7%d8%b1-%d9%88%da%a9%d8%a7/">دانلود آخرین نسخه نم افزار وکا</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%a2%d8%ae%d8%b1%db%8c%d9%86-%d9%86%d8%b3%d8%ae%d9%87-%d9%86%d9%85-%d8%a7%d9%81%d8%b2%d8%a7%d8%b1-%d9%88%da%a9%d8%a7/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>فیلم آموزشی شبکه عصبی کانالوشن</title>
		<link>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%da%a9%d8%a7%d9%86%d8%a7%d9%84%d9%88%d8%b4%d9%86/</link>
					<comments>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%da%a9%d8%a7%d9%86%d8%a7%d9%84%d9%88%d8%b4%d9%86/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 25 Dec 2015 20:03:44 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[آموزش CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش تصویری CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش تصویری شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش تصویری شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزش تضمینی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش تضمینی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش تضمینی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزش شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزش فارسی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش فارسی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش فارسی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزش کاربردی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش کاربردی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزش کاربردی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموزشگاه CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزشگاه شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموزشگاه شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[آموش مالتی مدیا CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموش مالتی مدیا شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[آموش مالتی مدیا شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[convolutional neural network]]></category>
		<category><![CDATA[بهترین فیلم آموزشی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[بهترین فیلم آموزشی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[بهترین فیلم آموزشی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[تدریس خصوصی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[تدریس خصوصی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[تدریس خصوصی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[خودآموز CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[خودآموز شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[خودآموز شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دانلود آموزش CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود آموزش شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دانلود آموزش شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دانلود CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود جزوه CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود جزوه شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دانلود جزوه شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دانلود شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دانلود شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دانلود کتاب CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود کتاب شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دانلود کتاب شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دوره آموزشی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی تخصصی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی تخصصی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دوره آموزشی تخصصی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دوره آموزشی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دوره آموزشی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[دوره آموزشی مجازی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی مجازی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[دوره آموزشی مجازی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی جامع CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی جامع شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی جامع شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم آموزشی رایگان CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی رایگان شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی رایگان شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم آموزشی فارسی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی فارسی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم آموزشی فارسی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف شبکه عصبی]]></category>
		<category><![CDATA[کارگاه تخصصی CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[کارگاه تخصصی شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[کارگاه تخصصی شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[کتاب راهنما CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[کتاب راهنما شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[کتاب راهنما شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[کلاس آنلاین CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[کلاس آنلاین شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[کلاس آنلاین شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[کلاس دانشگاه CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[کلاس دانشگاه شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[کلاس دانشگاه شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[مدرک معتبر CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[مدرک معتبر شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[مدرک معتبر شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[مرجع آموزش CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[مرجع آموزش شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[مرجع آموزش شبکه عصبی کانولوشن]]></category>
		<category><![CDATA[یادگیری سریع CONVOLUTIONAL NEURAL NETWORK]]></category>
		<category><![CDATA[یادگیری سریع شبکه عصبی کانالوشن]]></category>
		<category><![CDATA[یادگیری سریع شبکه عصبی کانولوشن]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3144</guid>

					<description><![CDATA[<p>شبکه عصبي کانولوشني که در ادامه آنرا با CNN نام خواهيم برد به نوعي از شبکه هاي عصبي مصنوعي اطلاق ميشود که داراي ويژگي هاي اصلي شبکه neocognitron ميباشد. درساختار CNN سه [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%da%a9%d8%a7%d9%86%d8%a7%d9%84%d9%88%d8%b4%d9%86/">فیلم آموزشی شبکه عصبی کانالوشن</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">شبکه عصبي کانولوشني که در ادامه آنرا با CNN نام خواهيم برد به نوعي از شبکه هاي عصبي مصنوعي اطلاق ميشود که داراي ويژگي هاي اصلي شبکه neocognitron ميباشد. درساختار CNN سه تکنيک اصلي استفاده ميشود که عبارتند از:اشتراک وزنهاweight sharing ميدانهاي دريافت محلي local receptor fields و نمونه گيري مکاني کاهشي spatial down sampling. اين شبکه تا حدي به مدل سيستم بينائي بيولوژيکي شبيه است که در آن داده خام به عنوان ورودي شبکه به آن اعمال ميشود بدون اينکه نياز به پردازش اوليه يا استخراج ويژگي feature extraction داشته باشد. در واقع در CNN عمل استخراج ويژگي و مرحله شناسائي در يک ساختار مشترک انجام ميشوند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در ساختار CNN  براي اعمال مپينگ روي تصوير تمهيدي در نظر گرفته شده است که هر ارتباط عصبي تبديل محلي يکساني را به تمامي تبديلات مکاني اعمال کنند. با اين تمهيد نسبت بين درجه آزادي  سيستم و تعداد نمونه هاي لازم براي يادگيري بطور محسوسي افزايش يافته و باعث ميشود تا قدرت تعميم (generalization) سيستم تقويت شود . اين ويژگي کارائي خود را درزمينه پردازش تصوير نمايان ميسازد که در آن معمولا با اين مشکل مواجه هستيم که بزرگ بودن ابعاد ورودي منجر به ايجاد يک مسئله ضعيف شده ill posed problem ميشود. </span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">درساختار يک CNN اوزان شبکه در روي آرايه هاي مکاني تکرار ميشوند که باعث ميگردد تا اين نوع شبکه ذاتا نسبت به انتقال ورودي حساس نباشد. اين ويژگي نيز براي پردازش تصوير مفيد ميباشد. علاوه بر آن پياده سازي اين شبکه بر روي سخت افزار نيز بسادگي انجام پذير ميباشد  که امکان استفاده از آنرا در کاربردهاي بدون وقفه ميسر مينمايد. در حال حاضر از  CNN در اموري نظير پردازش حروف دست نويس و شناسائي و تشخيص چهره استفاده ميشود.</span></p>
<p class="Yekan" style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D8%B9%D8%B5%D8%A8%DB%8C-%DA%A9%D8%A7%D9%86%D8%A7%D9%84%D9%88%D8%B4%D9%86" target="_blank" rel="noopener noreferrer"><span style="font-size: 30pt;">لینک سفارش</span></a></p>
<h1 class="Yekan" style="text-align: right;">سرفصل :</h1>
<p class="Yekan"><span style="font-size: 14pt;">یادگیری عمیق Deep Learning</span></p>
<p class="Yekan"><span style="font-size: 14pt;">تفاوت بین مدل مرسوم شناسایی الگو و یادیگری عمیق</span></p>
<p class="Yekan"><span style="font-size: 14pt;">Trainable feature extractor چیست ؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">ساختار کلی یک سیستم شناسایی الگو pattern recognition</span></p>
<p class="Yekan"><span style="font-size: 14pt;">ساختار یک سیستم شناسایی شی object detection</span></p>
<p class="Yekan"><span style="font-size: 14pt;">مشاهده بصری ویژگی ها feature visualization در مراحل یک سیستم یادگیری عمیق (شبکه کانالوشن)</span></p>
<p class="Yekan"><span style="font-size: 14pt;">Low-Level feature, Mid-Level feature, high-level feature</span></p>
<p class="Yekan"><span style="font-size: 14pt;">Visual Cortex (ایده یادگیری عمیق از کجا آمده است؟)</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی سه ساختار یادگیری عمیق (feed-forward , feed-back , bi-directional)</span></p>
<p class="Yekan"><span style="font-size: 14pt;">چرا به یادگیری عمیق نیاز داریم ؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">کدام مدلها عمیق هستند؟ آیا MLP وSVM و مدلهای دو لایه و درخت تصمیم، عمیق هستند؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">امروزه در کدام کاربردها از یادگیری عمیق استفاده می شود؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">مقایسه مدلهای</span></p>
<p class="Yekan"><span style="font-size: 14pt;"> (boosting , perceptron , SVM , AE , decision tree , RBM , DBN , DBM , GMM , spare coding , BayesNP , Conventional Net , RNN , Neural Net)</span></p>
<p class="Yekan"><span style="font-size: 14pt;">ساختار کلی (overall architecture) یک شبکه عصبی کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی بلوک نرمالسازی Normalization</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی بلوک بانک فیلتر Filter Bank</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی بلوک Non-Linear</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی بلوک Pooling یا subsampling</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی تغییرات یک تصویر در هنگام عبور از لایه های مختلف یک شبکه عصبی کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">معرفی ساختار یک شبکه عصبی کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">تصویر بعد از کانالوشن چه تغییری می کند؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">تصویر بعد از pooling چه تغییری می کند؟</span></p>
<p class="Yekan"><span style="font-size: 14pt;">مفهوم کانالوشن در تصویر</span></p>
<p class="Yekan"><span style="font-size: 14pt;">پنجره window در کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">مفهوم pooling در تصویر</span></p>
<p class="Yekan"><span style="font-size: 14pt;">یک مثال از local average operator</span></p>
<p class="Yekan"><span style="font-size: 14pt;">نشان دادن تصویر هر مرحله از یک شبکه عصبی کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">الگوریتم پیش انتشار خطا در شبکه عصبی کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">یک مثال عددی از عملگر کانالوشن</span></p>
<p class="Yekan"><span style="font-size: 14pt;">دو کاربرد شناسایی علائم راهنمایی و شناسایی شماره منازل</span></p>
<p class="Yekan"><span style="font-size: 14pt;">یک مثال از شبکه عصبی کانالوشن در شناسایی موضوع صحنه در یک ویدئو</span></p>
<p class="Yekan"><span style="font-size: 14pt;">یک مثال از شبکه عصبی کانالوشن در شناسایی شی Object detection</span></p>
<p>&nbsp;</p>
<h2>برخی از فریم های این فیلم آموزشی :</h2>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-2892" src="http://iran-matlab.ir/wp-content/uploads/2016/04/frame1.jpg" alt="frame1" width="594" height="335" /></p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-2892" src="http://iran-matlab.ir/wp-content/uploads/2016/04/frame2.jpg" alt="frame2" width="594" height="335" /></p>
<p><img loading="lazy" decoding="async" class="aligncenter wp-image-2892" src="http://iran-matlab.ir/wp-content/uploads/2016/04/frame3.jpg" alt="frame3" width="595" height="336" /></p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%da%a9%d8%a7%d9%86%d8%a7%d9%84%d9%88%d8%b4%d9%86/">فیلم آموزشی شبکه عصبی کانالوشن</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%da%a9%d8%a7%d9%86%d8%a7%d9%84%d9%88%d8%b4%d9%86/feed/</wfw:commentRss>
			<slash:comments>6</slash:comments>
		
		
			</item>
		<item>
		<title>فیلم آموزشی پردازش تصویر در متلب MATLAB</title>
		<link>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8-matlab/</link>
					<comments>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8-matlab/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sat, 05 Dec 2015 05:49:25 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[آموزش پردازش تصویر]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[Otsu’s threshold value]]></category>
		<category><![CDATA[segmentation]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص جعل]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[شناسایی حروف]]></category>
		<category><![CDATA[فیلتر ذره particle filter]]></category>
		<category><![CDATA[آموزش IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش پردازش تصوير در MATLAB\]]></category>
		<category><![CDATA[آموزش تصویری IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش تصویری پردازش تصویر]]></category>
		<category><![CDATA[آموزش تضمینی IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش تضمینی پردازش تصویر]]></category>
		<category><![CDATA[آموزش فارسی IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش فارسی پردازش تصویر]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار پردازش تصویر]]></category>
		<category><![CDATA[آموزش کاربردی IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزش کاربردی پردازش تصویر]]></category>
		<category><![CDATA[آموزشگاه IMAGE PROCESSING]]></category>
		<category><![CDATA[آموزشگاه پردازش تصویر]]></category>
		<category><![CDATA[آموش مالتی مدیا IMAGE PROCESSING]]></category>
		<category><![CDATA[آموش مالتی مدیا پردازش تصویر]]></category>
		<category><![CDATA[آنالیز تصویر]]></category>
		<category><![CDATA[آنالیز و پردازش ویدئو]]></category>
		<category><![CDATA[ارزیابی کیفیت ویدئو]]></category>
		<category><![CDATA[اعمال فیلتر مطالب در matlab]]></category>
		<category><![CDATA[افزایش روشنایی تصویر]]></category>
		<category><![CDATA[ایران متلب]]></category>
		<category><![CDATA[Digital image processing]]></category>
		<category><![CDATA[Forensics]]></category>
		<category><![CDATA[High Dynamic Range]]></category>
		<category><![CDATA[image processing MATLAB]]></category>
		<category><![CDATA[Image processing toolbox]]></category>
		<category><![CDATA[Sensor network]]></category>
		<category><![CDATA[Watermarking]]></category>
		<category><![CDATA[بالا بردن دقت عکس]]></category>
		<category><![CDATA[بهترین فیلم آموزشی IMAGE PROCESSING]]></category>
		<category><![CDATA[بهترین فیلم آموزشی پردازش تصویر]]></category>
		<category><![CDATA[بینایی ماشین]]></category>
		<category><![CDATA[بیومتریک]]></category>
		<category><![CDATA[پایان نامه رشته ICT]]></category>
		<category><![CDATA[پردازش بصری متن]]></category>
		<category><![CDATA[پردازش تصویر]]></category>
		<category><![CDATA[پردازش چند دوربین]]></category>
		<category><![CDATA[پردازش چند طیفی]]></category>
		<category><![CDATA[پردازش سیگنال]]></category>
		<category><![CDATA[پردازش محتوی محور]]></category>
		<category><![CDATA[تدریس خصوصی IMAGE PROCESSING]]></category>
		<category><![CDATA[تدریس خصوصی پردازش تصویر]]></category>
		<category><![CDATA[ترمیم تصویر]]></category>
		<category><![CDATA[تشخیص پلاک خودرو]]></category>
		<category><![CDATA[تصویر برداری موبایل]]></category>
		<category><![CDATA[تصویر پزشکی]]></category>
		<category><![CDATA[جمع دو تصویر]]></category>
		<category><![CDATA[خودآموز IMAGE PROCESSING]]></category>
		<category><![CDATA[خودآموز پردازش تصویر]]></category>
		<category><![CDATA[دانلود آموزش IMAGE PROCESSING]]></category>
		<category><![CDATA[دانلود آموزش پردازش تصویر]]></category>
		<category><![CDATA[دانلود IMAGE PROCESSING]]></category>
		<category><![CDATA[دانلود پایان نامه رشته کامپیوتر]]></category>
		<category><![CDATA[دانلود پردازش تصویر]]></category>
		<category><![CDATA[دانلود پروژه matlab]]></category>
		<category><![CDATA[دانلود جزوه IMAGE PROCESSING]]></category>
		<category><![CDATA[دانلود جزوه پردازش تصویر]]></category>
		<category><![CDATA[دانلود رایگان آموزش پردازش تصویر MATLAB]]></category>
		<category><![CDATA[دانلود کتاب IMAGE PROCESSING]]></category>
		<category><![CDATA[دانلود کتاب پردازش تصویر]]></category>
		<category><![CDATA[دوره آموزشی IMAGE PROCESSING]]></category>
		<category><![CDATA[دوره آموزشی پردازش تصویر]]></category>
		<category><![CDATA[دوره آموزشی تخصصی IMAGE PROCESSING]]></category>
		<category><![CDATA[دوره آموزشی تخصصی پردازش تصویر]]></category>
		<category><![CDATA[دوره آموزشی مجازی IMAGE PROCESSING]]></category>
		<category><![CDATA[دوره آموزشی مجازی پردازش تصویر]]></category>
		<category><![CDATA[روشهای پردازش تصویر]]></category>
		<category><![CDATA[شناسایی الگو]]></category>
		<category><![CDATA[طراحی فیلتر تصویر]]></category>
		<category><![CDATA[فوکوس خودکارر دوربین دیجیتالی]]></category>
		<category><![CDATA[فیلتر گوسین]]></category>
		<category><![CDATA[فیلم آموزشی IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی پردازش تصویر]]></category>
		<category><![CDATA[فیلم آموزشی جامع IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی جامع پردازش تصویر]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان پردازش تصویر]]></category>
		<category><![CDATA[فیلم آموزشی رایگان IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی رایگان پردازش تصویر]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا پردازش تصویر]]></category>
		<category><![CDATA[فیلم آموزشی فارسی IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم آموزشی فارسی پردازش تصویر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد پردازش تصویر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران پردازش تصویر]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف IMAGE PROCESSING]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف پردازش تصویر]]></category>
		<category><![CDATA[کاربرد هیستوگرام]]></category>
		<category><![CDATA[کارگاه تخصصی IMAGE PROCESSING]]></category>
		<category><![CDATA[کارگاه تخصصی پردازش تصویر]]></category>
		<category><![CDATA[کتاب راهنما IMAGE PROCESSING]]></category>
		<category><![CDATA[کتاب راهنما پردازش تصویر]]></category>
		<category><![CDATA[کلاس آنلاین IMAGE PROCESSING]]></category>
		<category><![CDATA[کلاس آنلاین پردازش تصویر]]></category>
		<category><![CDATA[کلاس دانشگاه IMAGE PROCESSING]]></category>
		<category><![CDATA[کلاس دانشگاه پردازش تصویر]]></category>
		<category><![CDATA[مدرک معتبر IMAGE PROCESSING]]></category>
		<category><![CDATA[مدرک معتبر پردازش تصویر]]></category>
		<category><![CDATA[مرجع آموزش IMAGE PROCESSING]]></category>
		<category><![CDATA[مرجع آموزش پردازش تصویر]]></category>
		<category><![CDATA[مهندسی پزشکی پردازش تصویر]]></category>
		<category><![CDATA[نهان نگاری]]></category>
		<category><![CDATA[هیستوگرام]]></category>
		<category><![CDATA[یادگیری سریع IMAGE PROCESSING]]></category>
		<category><![CDATA[یادگیری سریع پردازش تصویر]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=3056</guid>

					<description><![CDATA[<p>پردازش تصویر چیست؟ پردازش تصویر روشی برای تبدیل یک تصویر به فرم دیجیتال و انجام عملیات بر روی آن ، تا یک تصویر بهبود یافته بدست آمده و اطلاعات مفیدی از تصویر [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8-matlab/">فیلم آموزشی پردازش تصویر در متلب MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2><span style="color: #ff6600;">پردازش تصویر چیست؟</span></h2>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><a href="http://stanford.edu/class/ee368/" target="_blank" rel="noopener noreferrer">پردازش تصویر</a> روشی برای تبدیل یک تصویر به فرم دیجیتال و انجام عملیات بر روی آن ، تا یک تصویر بهبود یافته بدست آمده و اطلاعات مفیدی از تصویر استخراج شود.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصویر یک سیگنال دو بعدی می باشد. لذا پردازش تصویر به نوعی یک <a href="https://en.wikipedia.org/wiki/Signal_processing" target="_blank" rel="noopener noreferrer">پردازش سیگنال</a> می باشد. خروجی آن می تواند تصویر یا خصوصیتی در مورد تصویر باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پردازش تصویر امروزه یکی از موضوعات بسیار پرکاربرد در علوم مختلف می باشد.</span></p>
<h2><span style="color: #ff6600;">کاربردهای پردازش تصویر دیجیتال</span></h2>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">بازسازی و افزایش کیفیت تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مهندسی پزشکی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">شناسایی از راه دور remote sensing</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">انتقال و کدگذاری</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">بینایی ماشین و ربات</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پردازش رنگ</span></p>
<p><a href="http://www.mathworks.com/discovery/pattern-recognition.html" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">شناسایی الگو</span></a></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پردازش ویدئو</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">آنالیز تصاویر میکروسکوپی</span></p>
<p>&nbsp;</p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کاربردهای اصلی <a href="https://mipav.cit.nih.gov/" target="_blank" rel="noopener noreferrer">پردازش تصویر دیجیتال در پزشکی</a> به صورت زیر است :</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصویربرداری اشعه گاما</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">اسکن PET</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصویر برداری X Ray</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">CT اسکن</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصویربرداری UV</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;">اهداف پردازش تصویر</span></h2>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">میتوان به پنج گروه آنرا تقسیم کرد :</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><strong>تصویر سازی </strong><strong>(visualization)</strong><strong> :</strong> مشاهده قسمت هایی از تصویر که قابل مشاهده نیست.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><strong>بازسازی و افزایش کیفیت </strong><strong>(image sharping and restoration)</strong><strong> :</strong> برای ایجاد تصویر بهتر .</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><strong>بازیابی تصویر </strong><strong>(image retrieval)</strong><strong> :</strong> جستجو برای تصویر مورد علاقه .</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><strong>اندازه گیری الگو </strong><strong>(measurement of pattern)</strong><strong> :</strong> اندازه گیری اشیای مختلف داخل تصویر.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"><strong>شناسایی تصویر </strong><strong>(image recognition)</strong><strong> :</strong> تمایز دادن اشیای داخل تصویر.</span></p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;">هدف از تهیه این فیلم آموزشی :</span></h2>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">به موازات گسترش كاربردهاي پردازش تصویر، نياز به فراگيري آن برای علاقه مندان به وجود آمده است. اما کتاب های زیادی در این زمینه نوشته شده اما در اکثر آنها تئوری با فرمول و روابط پیچیده بیان شده است و علاقه مندان با مراجعه به آنها از ادامه مسیر یادگیری نا امید می شوند. در اکثر این کتاب ها جنبه کاربردی بودن کمتر مورد توجه قرار گرفته است.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">لذا گروه برنامه نویسی ایران <a href="https://www.mathworks.com/" target="_blank" rel="noopener noreferrer">متلب</a> تصمیم گرفت یک فیلم آموزشی جامع ، بر اساس سالها تجربه خود در پروژه های مختلف پردازش تصویر، برای استفاده علاقه مندان تهیه کند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">یک عکس هم از گروه بینایی ماشین شرکت mathworks که برنامه نویسان توابع پردازش تصویر متلب هستند را براتون پیدا کردم که در قسمت زیر میتونید آنها ببینید :</span></p>
<p><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-4429" src="http://iran-matlab.ir/wp-content/uploads/2016/09/vision-team-mathworks.jpg" alt="vision-team-mathworks" width="578" height="417" /></p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;"><strong>مخاطبین :</strong></span></h2>
<p style="text-align: justify;"><span style="color: #333333; line-height: 2.5em; font-size: 14pt;">اين فيلم آموزشي توسط هر فردي كه دوست دارد تا با پردازش تصویر آشنا بشود قابل استفاده است و توسط دانشجويان تمامي رشته ها قابل استفاده است.</span></p>
<h2 style="text-align: justify;"><span style="color: #ff6600;">سرفصل ها :</span> ( به مرور تکمیل می شود)</h2>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">توضیح با جزییات دستور imread</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">چه فرمت هایی imread پشتیبانی می کند؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">کلاس خروجی unit8 و unit16</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">انواع تصاویر در تولباکس پردازش تصویر متلب</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">Binary و indexed و gray level و True Color</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تصاویر DICOM</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">کاربرد تصاویر indexed</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور dicominfo</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دلیل 4 بعدی خروجی تصاویر DICOM</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">پارامتر NumberOfFrames</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تبدیل فرمت تصاویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">نمایش چند تصویر در یک پنجره(عمودی و افقی)</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">قرار دادن عنوان برای پنجره</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">هشدار (warning) نمایش تصویرهای خیلی بزرگ</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">فرمت NITF</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">فرمت analyze 7.5</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">فرمت interfile</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تصاویر HDR (High Dynamic Range)</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور tonemap</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">معرفی دستورات تبدیل فرمت تصاویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور rgb2gray</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تبدیل تصویر خاکستری به رنگی rgb</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور im2bw</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تعیین حد آستانه باینری کردن</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور graythresh</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور index2gray</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">دستور rgb2gray</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">کاربرد hsv در شناسایی چهره</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تبدیل به فرمت double</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">تنطیمات تولباکس پردازش تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">Initial magnification</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">Border Style در imshow</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">نمایش Axes تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">مختصات فضایی (x,y) در تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">گزینه Copy Figure</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">Border Style نوع Tight</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">ذخیره سازی تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">گزینه Enable Hardware Optimization</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">گزینه imtool</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">پنجره Inspect Pixel Values</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">کاربرد imtool در پروژه های برنامه نویسی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">ابزار measure distance</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نمایش فیلم یا multiframe</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نمایش تصاویر gif به صورت فیلم</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">ساخت فیلم با تصاویر متوالی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور immovie</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور implay</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کار با movie player متلب</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیلات هندسی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imcrop</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">برش یا بریدن بخشی از تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">گزینه Copy Position در imcrop</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کاربردهای imcrop در استخراج ویژگی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">ارتباط regionprops و imcrops</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور تغییر اندازه تصویر imresize</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کابردهای imresize</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">چند برابر کردن تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تغیییر اندازه تصویر به مقدار یک مشخص</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تغییر اندازه تصویر به تعداد سطر مشخص و تعداد ستون نامشخص</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تئوری تغییر اندازه تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش nearest neighbor</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش bilinear</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش bicubic</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش box shape kernel</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش مثلثی triangular</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش cubic</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">روش lanczos</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">چرخش تصویر imrotate</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصحیح پرخش تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کاربرد در شناسایی حروف</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imtranslate</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">جابجایی مکانی تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پر کردن اطراف تصویر با عدد خاصی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">گزینه FilledValues</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور impyramid</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">گزینه reduce</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">گزینه expand</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">معیارهای کیفیت تصویر SSIM</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imwrap</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور affline2d</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توضیح عناصر ماتریس affline</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imshowpair</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">محاسبه اتوماتیک tform</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تصحیح کجی تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور fitgeotrans</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"> تبدیل affine</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیل projective</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیل شباعت غیر reflective</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیل Piecewise Linear</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیل Local Weighted Mean (میانگین وزندار محلی)</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تبدیل چند جمله ای polynomial</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کمترین تعداد نقاط لازم برای affine</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تاثیر چرخش تصویر در الگوریتم</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imfuse</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">انداختن دو تصویر بر روی هم</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imref2d</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imregconfig</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توابع registration</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">گزینه های رجسیتر </span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">(تعداد کل تکرارها ، حداقل و حداکثر طول گام ، تلورانس اندازه گرادیان ، فاکتور relaxation )</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imregister</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نوع translation</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نوع rigid</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نوع similarity</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نوع affine</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توضیح فلوچارت registration</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توابع افزایش contrast تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">افزایش کیفیت تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع imadjust</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تخصیص بازه برای imadjust</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">Imadjust برای تصاویر رنگی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">استفاده از []</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع imcontrast</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کار با ابزار Adjust Contrast</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تغییر مینیمم و ماکزیمم کنتراست تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imsharpen</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تمایز دادن لبه ها</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">حذف ماتی و بلوری تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">یکسان سازی هیستوگرام</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تفاوت histeq و adapthisteq</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نحوه انتخاب تابع یکسان سازی هستوگرام</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">imhistmatch</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تغییر هیستوگرام بر مبنای هیستوگرام تصویر مرجع</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تعیین حد پایین imadjust</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تایع stretchlim</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">اضافه کردن نویز به تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">چرا نویز به تصویر اضافه می کنیم؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع imnoise</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">انواع نویز (Gaussian و localvar و poisson و salt @ pepper و speckels )</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;"> ( گایوسین و واریانس محلی و پواسون و نمک و فلفل و اسپکلز)</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پارامترهای میانگین و واریانس نویز گایوسین</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پارامترهای نویز سفید گایوسین میانگین-صفر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پارامترهای نویز نمک و فلفلی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">رابطه کلی نویز speckels</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">نکاتی در مورد نویز در تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">طریقه بیان نتایج حذف نویز در مقاله</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر ها در تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مفعوم convolution</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مفهوم correlation</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پنجره یا window در فیلترها</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توضیج کانالوشن با مثال</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">توضیح correlation با مثال</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">حرکت sliding پنجره فیلترینگ</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کرنل یا kernel در فیلترینگ</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">Convolution یا correlation کدام مناسب تر است؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مفهوم padding</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">مقدار padding چقدر می تواند باشد ؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">حرکت distinct پنجره فیلترینگ</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">پیکسل مرکزی یا center pixel در پردازش تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">Sliding یا distinct کدام مناسب تر است؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع nlfilter</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع blockproc</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">کاربرد imfilter</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">ساخت فیلتر با fspecial</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر میانگین average</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر میانگین دایره ای circular</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر پایین گذر گایوسین lowpass filter gaussian</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر لاپلاسین laplacian</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر گایوسین لاپلاسین</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر تقریب حرکت خطی دوربین motion</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیلتر prewitt</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">فیتلر sobel</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">یافتن لبه های عمودی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">یافتن لبه های افقی</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">استخراج لبه های عمودی و افقی با هم</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">خصوصیات کرنل فیلتر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">اعمال فیلتر به تصویر</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">دستور imadd</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تنظیم اندازه پنجره فیلتر میانگین</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">برای حذف نویزهای ضربه ای چه کار کنیم؟</span></p>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #333333;">تابع imgaussfilt</span></p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/?product=%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%AF%D8%B1-%D9%85%D8%AA%D9%84%D8%A8" target="_blank" rel="noopener noreferrer"><span style="font-size: 48pt;">لینک دانلود</span></a></p>
<h2 style="text-align: justify;"><span style="color: #ff6600;">دانلود و مشاهده قسمت اول :</span></h2>
<div id="14750868757560640"><script src="https://www.aparat.com/embed/sieS8?data[rnddiv]=14750868757560640&amp;data[responsive]=yes" type="text/JavaScript"></script></div>
<p><span style="font-size: 14pt; line-height: 2.5em; color: #0000ff;"><a style="color: #0000ff;" href="http://www.mediafire.com/file/pfqo1e4ioo234o0/image_processing_part1_iranmatlab.org.rar" target="_blank" rel="noopener noreferrer">لینک دانلود قسمت اول</a> (کیفیت اصلی)</span><br />
 <span style="font-size: 14pt; line-height: 2.5em; color: #800080;"> <a style="color: #800080;" href="http://www.aparat.com/v/sieS8" target="_blank" rel="noopener noreferrer">لینک مشاهده قسمت اول در آپارات</a></span><br />
 <span style="font-size: 14pt; line-height: 2.5em; color: #800080;"> <a style="color: #800080;" href="http://takhtesefid.org/watch?v=639606777352" target="_blank" rel="noopener noreferrer">لینک مشاهده قسمت اول در تخته سفید</a></span><br />
 <span style="color: #800080;"><a style="color: #800080;" href="https://www.youtube.com/watch?v=oITfElt5LOU" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;"> لینک مشاهده قسمت اول در یوتیوب</span></a></span></p>
<h2 style="text-align: justify;"><span style="color: #ff6600;">دانلود و مشاهده قسمت دوم :</span></h2>
<div id="1475087620626400"><script src="https://www.aparat.com/embed/vemsR?data[rnddiv]=1475087620626400&amp;data[responsive]=yes" type="text/JavaScript"></script></div>
<p style="text-align: center;"><span style="font-size: 14pt; line-height: 2.5em; color: #0000ff;"><a style="color: #0000ff;" href="http://www.mediafire.com/file/tps23a3azy8jfqv/image_processing_part2_iranmatlab.org.fbr.rar" target="_blank" rel="noopener noreferrer">لینک دانلود قسمت دوم</a> (کیفیت اصلی)</span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #800080;"> <a style="color: #800080;" href="http://www.aparat.com/v/vemsR" target="_blank" rel="noopener noreferrer">لینک مشاهده قسمت دوم در آپارات</a></span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #800080;"> <a style="color: #800080;" href="http://takhtesefid.org/watch?v=116011559147" target="_blank" rel="noopener noreferrer">لینک مشاهده قسمت دوم در تخته سفید</a></span><br />
<span style="color: #800080;"><a style="color: #800080;" href="https://www.youtube.com/watch?v=NCQgZkwA-uc" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;"> لینک مشاهده قسمت دوم در یوتیوب</span></a></span></p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8-matlab/">فیلم آموزشی پردازش تصویر در متلب MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8-matlab/feed/</wfw:commentRss>
			<slash:comments>7</slash:comments>
		
		
			</item>
		<item>
		<title>فیلم  آموزشی  مبانی  شبکه های عصبی</title>
		<link>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/</link>
					<comments>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 09 Oct 2015 21:27:51 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص جعل]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[آشنایی با انواع کاربردهای شبکه های عصبی]]></category>
		<category><![CDATA[آنالیز سیگنال ECG با شبکه عصبی]]></category>
		<category><![CDATA[الگوريتم پس انتشار خطا]]></category>
		<category><![CDATA[پردازش سيگنالهاي تصويري با شبکه عصبی]]></category>
		<category><![CDATA[پیش بینی بورس با شبکه های عصبی]]></category>
		<category><![CDATA[پيش بيني فروشهاي آينده با شبکه های عصبی]]></category>
		<category><![CDATA[پيش بيني وضعيت بازار با شبکه های عصبی]]></category>
		<category><![CDATA[تاریخچه شبکه عصبی]]></category>
		<category><![CDATA[تشخیص بیماری با شبکه های عصبی]]></category>
		<category><![CDATA[توابع فعال سازي در شبکه عصبی]]></category>
		<category><![CDATA[سيستمهاي مسيريابي با شبکه های عصبی]]></category>
		<category><![CDATA[شبکه عصبی در حمل و نقل]]></category>
		<category><![CDATA[شبکه عصبی در رباتیک]]></category>
		<category><![CDATA[شبکه عصبی در مدار مجتمع]]></category>
		<category><![CDATA[شبکه عصبی در مهندسی کشاورزی]]></category>
		<category><![CDATA[شبکه هاي عصبي چند لايه يا MLP]]></category>
		<category><![CDATA[فرایند داده کاوی در سیستم های هوشمند]]></category>
		<category><![CDATA[کاربرد شبکه عصبی در امور مالی]]></category>
		<category><![CDATA[کاربرد شبکه عصبی مصنوعی در پزشکی]]></category>
		<category><![CDATA[کنترل سيستم فرايند شيميايي و ديناميکي با شبکه های عصبی]]></category>
		<category><![CDATA[مبانی شبکه های عصبی مصنوعی]]></category>
		<category><![CDATA[معرفی انواع شبکه های عصبی]]></category>
		<category><![CDATA[مفهوم تقریب تابع در شبکه های عصبی]]></category>
		<category><![CDATA[مفهوم دسته بندی در داده کاوی]]></category>
		<category><![CDATA[مفهوم شبکه های عصبی مصنوعی]]></category>
		<category><![CDATA[مفهوم شناسایی در داده کاوی]]></category>
		<category><![CDATA[مقایسه شبکه عصبی و درخت تصمیم]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=2745</guid>

					<description><![CDATA[<p>این فیلم آموزشی قسمت اول مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي می باشد. سرفصل این فیلم آموزشی : مقدمه هوش مصنوعي (AI) تعريف شبکه عصبي مصنوعي انواع شبکه‌هاي عصبي مصنوعي کاربردهاي [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">فیلم  آموزشی  مبانی  شبکه های عصبی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan"><span style="font-size: 12pt;">این فیلم آموزشی قسمت اول <a href="http://iran-matlab.ir/?product=%D9%81%D9%8A%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%D9%8A-%D8%B4%D8%A8%D9%83%D9%87-%D9%87%D8%A7%D9%8A-%D8%B9%D8%B5%D8%A8%D9%8A" target="_blank" rel="noopener noreferrer">مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي</a> می باشد.</span></p>
<p class="Yekan"><span style="font-size: 12pt; color: #ff6600;"><strong>سرفصل این فیلم آموزشی :</strong></span></p>
<ul>
<li><span style="font-size: 12pt; color: #000000;">مقدمه</span></li>
<li><span style="font-size: 12pt; color: #000000;">هوش مصنوعي (AI)</span></li>
<li><span style="font-size: 12pt; color: #000000;">تعريف شبکه عصبي مصنوعي</span></li>
<li><span style="font-size: 12pt; color: #000000;">انواع شبکه‌هاي عصبي مصنوعي</span></li>
<li><span style="font-size: 12pt; color: #000000;">کاربردهاي شبکه عصبي مصنوعي</span></li>
<li style="text-align: right;"><span style="font-size: 12pt; color: #000000;"> کاربردهاي عمومي ANNs</span></li>
<li><span style="font-size: 12pt; color: #000000;">تشخيص الگو</span></li>
<li><span style="font-size: 12pt; color: #000000;">ذخيره  كردن و  بازبيني داده‌ها</span></li>
<li><span style="font-size: 12pt; color: #000000;">تقريب تابع (رگرسيون غير خطي، تخمين و پيشگويي)</span></li>
<li><span style="font-size: 12pt; color: #000000;">فرايند داده کاوي</span></li>
<li><span style="font-size: 12pt; color: #000000;">تعريف مساله</span></li>
<li><span style="font-size: 12pt; color: #000000;">انبارش داده‌ها ساختن پايگاه داده مربوط به داده كاوي</span></li>
<li><span style="font-size: 12pt; color: #000000;">انتخاب داده‌ها جستجوي داده</span></li>
<li><span style="font-size: 12pt; color: #000000;">تبديل داده‌ها آماده ساختن داده براي مدل سازي</span></li>
<li><span style="font-size: 12pt; color: #000000;">کاوش در داده‌ها ساختن مدل</span></li>
<li><span style="font-size: 12pt; color: #000000;">ارزيابي مدل</span></li>
<li><span style="font-size: 12pt; color: #000000;">تفسير نتيجه ساخت مدل و ارائه نتايج</span></li>
<li><span style="font-size: 12pt; color: #000000;">تاريخچه</span></li>
<li><span style="font-size: 12pt; color: #000000;">نرون بيولوژيکي</span></li>
<li><span style="font-size: 12pt; color: #000000;">نرون مصنوعي</span></li>
<li><span style="font-size: 12pt; color: #000000;">مدل رياضي يک نرون (مک کلاخ-پيتس-1943)</span></li>
<li><span style="font-size: 12pt; color: #000000;">معرفی توابع تحریک شبکه عصبی : (hardlim و logsig و hardlims و poslin و purelin و satlins و satlin و tansig و  tribas و radbas)</span></li>
<li><span style="font-size: 12pt; color: #000000;">شبکه‌هاي عصبي چند لايه يا MLP</span></li>
<li><span style="font-size: 12pt; color: #000000;">توابع فعال سازي سيکموئيد</span></li>
<li><span style="font-size: 12pt; color: #000000;">ساختار شبکه عصبي</span></li>
<li><span style="font-size: 12pt; color: #000000;">آموزش، تعميم و اجرا در شبکه عصبی</span></li>
<li><span style="font-size: 12pt; color: #000000;">يادگيري در شبكه‌هاي عصبي مصنوعي</span></li>
<li><span style="font-size: 12pt; color: #000000;">آموزش با معلم</span></li>
<li><span style="font-size: 12pt; color: #000000;">آموزش بدون معلم</span></li>
<li><span style="font-size: 12pt; color: #000000;">الگوريتم‌هاي يادگيري</span></li>
<li><span style="font-size: 12pt; color: #000000;">يادگيري هب</span></li>
<li><span style="font-size: 12pt; color: #000000;">قانون يادگيري دلتا</span></li>
<li><span style="font-size: 12pt; color: #000000;">يادگيري رقابتي</span></li>
<li><span style="font-size: 12pt; color: #000000;">الگوريتم نزول گرايان (Gradient Descent)</span></li>
<li><span style="font-size: 12pt; color: #000000;">Overfitting</span></li>
<li><span style="font-size: 12pt; color: #000000;">قدرت تعميم و overfitting</span></li>
<li><span style="font-size: 12pt; color: #000000;">شبکه عصبي چگونه کار ميکند؟</span></li>
<li><span style="font-size: 12pt; color: #000000;">مثال آموزشي</span></li>
<li><span style="font-size: 12pt; color: #000000;">مراحل طراحي  يك مدل شبكه عصبي به منظور طبقه بندي يا پيش بيني (تخمين):</span></li>
<li><span style="font-size: 12pt; color: #000000;">مزاياي شبکه‌ هاي عصبي</span></li>
<li><span style="font-size: 12pt; color: #000000;">معايب شبکه‌ هاي عصبي</span></li>
<li><span style="font-size: 12pt; color: #000000;">ویژگیهای شبکه‌های عصبی</span></li>
<li><span style="font-size: 12pt; color: #000000;">چند کلیپ آموزشی</span></li>
<li><span style="font-size: 12pt; color: #000000;">انتخاب توپولوژی شبکه عصبی</span></li>
<li><span style="font-size: 12pt; color: #000000;">خاصیت عمومیت پذیری شبکه</span></li>
</ul>
<p><span style="color: #ffffff;">.</span></p>
<p><span style="color: #ffffff;">.</span></p>
<p>&nbsp;</p>
<p><span style="color: #ff6600;"><strong><span style="font-size: 12pt;">مدت زمان :   <span style="color: #000000;">240 دقیقه</span></span></strong></span></p>
<p><span style="font-size: 12pt; color: #ff6600;"><strong>حجم فایل‌ها :  <span style="color: #000000;">450 مگابایت</span></strong></span></p>
<p>&nbsp;</p>
<p><span style="color: #ffffff;">.</span></p>
<p><span style="color: #ffffff;">.</span></p>
<p><strong><span style="color: #ff6600; font-size: 12pt;">پیش نمایش قسمت اول :</span></strong></p>
<p><iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/ENbSh/vt/frame" width="768" height="432" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><span style="font-size: 12pt; color: #800080;"><a href="http://www.mediafire.com/download/tjfeljel0hsaobx/part1_ANN%28iran-matlab.ir%29.rar" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش قسمت اول</a> (کیفیت اصلی)</span></p>
<p style="text-align: center;">pass : iran-matlab.ir</p>
<p><strong><span style="color: #ff6600; font-size: 12pt;">پیش نمایش قسمت دوم:</span></strong></p>
<p><iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/2TFkD/vt/frame" width="768" height="432" allowfullscreen="allowfullscreen"></iframe></p>
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 12pt; color: #800080;"><a href="http://www.mediafire.com/download/79akzwhhx6hwct9/part2_ANN%28iran-matlab.ir%29.rar" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش قسمت دوم</a> (کیفیت اصلی)</span></p>
<p style="text-align: center;">pass : iran-matlab.ir</p>
<p>&nbsp;</p>
<p><strong><span style="color: #ff6600; font-size: 12pt;">پیش نمایش قسمت سوم:</span></strong></p>
<p><iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/j5DqQ/vt/frame" width="768" height="432" allowfullscreen="allowfullscreen"></iframe></p>
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 12pt; color: #800080;"><a href="http://www.mediafire.com/download/5omxgxqrcaaeyq5/part3_ANN%28iran-matlab.ir%29.rar" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش قسمت سوم</a> (کیفیت اصلی)</span></p>
<p style="text-align: center;">pass : iran-matlab.ir</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p><strong><span style="color: #ff6600; font-size: 12pt;">پیش نمایش قسمت چهارم:</span></strong></p>
<p><iframe loading="lazy" src="http://www.aparat.com/video/video/embed/videohash/2V9nx/vt/frame" width="768" height="432" allowfullscreen="allowfullscreen"></iframe></p>
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 12pt; color: #800080;"><a href="http://www.mediafire.com/download/aq2vmbvkz2b79kq/part4_ANN%28iran-matlab.ir%29.rar" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش قسمت چهارم</a> (کیفیت اصلی)</span></p>
<p style="text-align: center;">pass : iran-matlab.ir</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">فیلم  آموزشی  مبانی  شبکه های عصبی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		
			</item>
		<item>
		<title>مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي</title>
		<link>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%d9%8a-%d8%b4%d8%a8%d9%83%d9%87-%d9%87%d8%a7%d9%8a-%d8%b9%d8%b5%d8%a8%d9%8a/</link>
					<comments>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%d9%8a-%d8%b4%d8%a8%d9%83%d9%87-%d9%87%d8%a7%d9%8a-%d8%b9%d8%b5%d8%a8%d9%8a/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 08 Oct 2015 06:56:29 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[weka]]></category>
		<category><![CDATA[پیش بینی بورس]]></category>
		<category><![CDATA[تشخیص امضا]]></category>
		<category><![CDATA[تشخیص جعل]]></category>
		<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[دسته بندی کننده درختی]]></category>
		<category><![CDATA[سیگنال ECG]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شناسایی حروف]]></category>
		<category><![CDATA[فیلتر تطبیقی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[مهندسی مکانیک در سیمولینک]]></category>
		<category><![CDATA[مهندسي مكانيك]]></category>
		<category><![CDATA[شبكه هاي عصبي در MATLAB]]></category>
		<category><![CDATA[فيلم آموزش فارسي شبكه هاي عصبي]]></category>
		<category><![CDATA[فيلم آموزش فارسي شبكه هاي عصبي در متلب]]></category>
		<category><![CDATA[كدنويسي شبكه عصبي MLP در MATLAB]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=2739</guid>

					<description><![CDATA[<p>شبكه هاي عصبي نوعي مد لسازي ساده انگارانه از سيستمهاي عصبي واقعي هستند كه كاربرد فراواني در حل مسائل مختلف در علوم دارند. حوزه كاربرد اين شبكه ها آنچنان گسترده است كه [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%d9%8a-%d8%b4%d8%a8%d9%83%d9%87-%d9%87%d8%a7%d9%8a-%d8%b9%d8%b5%d8%a8%d9%8a/">مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">شبكه هاي عصبي نوعي مد لسازي ساده انگارانه از سيستمهاي عصبي واقعي هستند كه كاربرد فراواني در حل مسائل مختلف در علوم دارند. حوزه كاربرد اين شبكه ها آنچنان گسترده است كه از كاربردهاي طبقه بندي گرفته تا كاربردهايي نظير درون يابي، تخمين، آشكارسازي و &#8230; را شامل مي شود. شايد مهمترين مزيت اين شبكه ها، توانايي وافر آنها در كنار سهولت استفاده از آنها باشد.</span></p>
<p style="text-align: justify;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1240" src="http://iran-matlab.ir/wp-content/uploads/2015/10/simple-mathematical-model-of-neuron-in-MATLAB.png" alt="simple mathematical model of neuron in MATLAB" width="686" height="239" /></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> به موازات گسترش كاربردهاي شبكه عصبي، نياز به فراگيري آن و آشنايي با تواناييها و قابليتهاي آن رخ مي نمايد. در اين راستا، تأليفات زيادي وجود دارد كه مي توان به آن ها استناد نمود اما در اكثر قريب به اتفاق اين خودآموزها، مباني اين شبكه ها با تفاصيل و جزئيات بسيار بيان شده است و کمتر به جنبه کاربردی بودن آن توجه شده است.</span></p>
<p style="text-align: justify;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1241" src="http://iran-matlab.ir/wp-content/uploads/2015/10/full-connected-3-layer-perceptron-nerual-netwrok.png" alt="full connected 3 layer perceptron nerual netwrok" width="461" height="389" /></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">لذا گروه برنامه نويسي ايران متلب تصميم گرفت تا يك فيلم آموزشي جامع براي شبكه هاي عصبي تهيه كند تا هم مفاهيم آن به طور كامل توضيح داده شود و هم <span style="color: #ff6600;">برنامه نويسي مقدماتي تا پيشرفته شبكه هاي عصبي در متلب MATLAB</span> با مثالهاي گوناگوني آورده شود.</span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;">اين فيلم آموزشي حاصل تجربه هاي مختلف ما در پروژه هاي گوناگون شبكه عصبي مي باشد. بيشتر تمركز ما در اين فيلم آموزشي بر روي كدنويسي و پياده سازي در متلب MATLAB ميباشد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 14pt; line-height: 2.5em; color: #000000;">در قسمت هايي هم كه لازم باشد ما كدهاي متلب جديدي معرفي مي كنيم كه در نرم افزار متلب وجود ندارد و به كار پياده سازي شبكه هاي عصبي در متلب كمك بسيار زيادي مي كند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ff6600;"><strong><span style="font-size: 14pt;">آشنایی با خطاهای رایج :</span></strong></span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> در هر قسمت خطاهاي رايج در هنگام كدنويسي هم به طور كامل تشريح مي شود تا كاربران گرامي بتوانند در هنگام كد نويسي به مشكلي برنخورند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ff6600;"><strong><span style="font-size: 14pt;">تعداد بالای مثال و نمونه کد :</span></strong></span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> به جرات ميتوان ادعا كرد كه اين سطح از كدنويسي شبكه هاي عصبي و اين تعداد مثالها در هيچ كتابي قابل دسترس نيست.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="color: #ff6600;"><strong><span style="font-size: 14pt;">مخاطبین :</span></strong></span><br />
<span style="font-size: 14pt; line-height: 2.5em; color: #000000;"> اين فيلم آموزشي توسط هر فردي كه دوست دارد تا با مفاهیم شبكه هاي عصبي آشنا بشود قابل استفاده است و نياز به هيچ پيش نيازي ندارد و مخاطب آن عموم مي باشد و توسط دانشجويان تمامي رشته ها قابل استفاده است.</span></p>
<p>&nbsp;</p>
<p class="Yekan"><span style="color: #ff6600;"><strong><span style="font-size: 14pt;">بخش های مختلف این مجموعه فیلم آموزشی :</span></strong></span></p>
<p>
<table id="tablepress-11" class="tablepress tablepress-id-11">
<thead>
<tr class="row-1">
	<th class="column-1">ردیف</th><th class="column-2">عنوان</th><th class="column-3">مدت زمان</th><th class="column-4">لینک</th>
</tr>
</thead>
<tbody class="row-striping row-hover">
<tr class="row-2">
	<td class="column-1">1</td><td class="column-2">فیلم آموزشی مبانی و مقدمات تئوری و عملی شبکه‌های عصبی ( چهار قسمت )</td><td class="column-3">240 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%85%D8%A8%D8%A7%D9%86%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-3">
	<td class="column-1">2</td><td class="column-2">برنامه نویسی شبکه عصبی در متلب (قسمت 5 و قسمت 6)</td><td class="column-3">60 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-4">
	<td class="column-1">3</td><td class="column-2">پیش بینی با شبکه های عصبی (قسمت 7 )</td><td class="column-3">50 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D9%86%D9%88%DB%8C%D8%B3%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-2" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-5">
	<td class="column-1">4</td><td class="column-2">دسته بندی با شبکه های عصبی (تشخیص بیماری سرطان)</td><td class="column-3">40 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AF%D8%B3%D8%AA%D9%87-%D8%A8%D9%86%D8%AF%DB%8C-%D8%A8%D8%A7-%D8%B4%D8%A8%DA%A9%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-6">
	<td class="column-1">5</td><td class="column-2">پیش بینی سریهای زمانی با شبکه های عصبی (مثال پیش بینی بارش باران سالانه و ماهانه و هفتگی و روزانه)</td><td class="column-3">90 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-%D8%B3%D8%B1%DB%8C%D9%87%D8%A7%DB%8C-%D8%B2%D9%85%D8%A7%D9%86%DB%8C-%D8%A8%D8%A7-%D8%B4%D8%A8" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-7">
	<td class="column-1">6</td><td class="column-2">شناسایی چهره با شبکه های عصبی (کاربرد شبکه عصبی در پردازش تصویر)</td><td class="column-3">70 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-%D8%AF%D8%B1-%D9%BE%D8%B1%D8%AF" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
<tr class="row-8">
	<td class="column-1">7</td><td class="column-2">تنظیمات پیشرفته شبکه های عصبی در متلب</td><td class="column-3">60 دقیقه</td><td class="column-4"><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AA%D9%86%D8%B8%DB%8C%D9%85%D8%A7%D8%AA-%D9%BE%DB%8C%D8%B4%D8%B1%D9%81%D8%AA%D9%87-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9" target="_blank">لینک دریافت (کلیک کنید) </a></td>
</tr>
</tbody>
</table>
<!-- #tablepress-11 from cache --></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%85%D8%A8%D8%A7%D9%86%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1256" src="http://iran-matlab.ir/wp-content/uploads/2015/10/Artifical-Neural-Network-tutorial-introduction-training-movie.png" alt="Artifical Neural Network tutorial introduction training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1260" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-programming-for-Artifical-Neural-Network-tutorial-training-movie.png" alt="MATLAB programming for Artifical Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-2" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1278" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-price-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB price prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8%da%a9%d9%87%e2%80%8c%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1289" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-classification-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB classification for Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1291" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-times-series-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB times series prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%da%a9%d8%a7%d8%b1%d8%a8%d8%b1%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-%d9%be%d8%b1%d8%af" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1293" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-face-detection-Neural-Network-tutorial-training-movie.png" alt="MATLAB face detection Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%aa%d9%86%d8%b8%db%8c%d9%85%d8%a7%d8%aa-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1296" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-advanced-setting-Neural-Network-tutorial-training-movie.png" alt="MATLAB advanced setting Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td></td>
</tr>
</tbody>
</table>
<p>نوشته <a href="https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%d9%8a-%d8%b4%d8%a8%d9%83%d9%87-%d9%87%d8%a7%d9%8a-%d8%b9%d8%b5%d8%a8%d9%8a/">مجموعه فيلم های آموزش فارسي جامع شبكه هاي عصبي</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%81%d9%8a%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%d9%8a-%d8%b4%d8%a8%d9%83%d9%87-%d9%87%d8%a7%d9%8a-%d8%b9%d8%b5%d8%a8%d9%8a/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>کد شبکه عصبی CNN</title>
		<link>https://matlab1.ir/%da%a9%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/</link>
					<comments>https://matlab1.ir/%da%a9%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 05 Jun 2015 07:09:19 +0000</pubDate>
				<category><![CDATA[تشخیص لبه]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی سلولی (CNN)]]></category>
		<category><![CDATA[شناسایی لبه]]></category>
		<category><![CDATA[شناسایی لبه با شبکه عصبی سلولی.]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=2369</guid>

					<description><![CDATA[<p>لینک دانلود شناسایی لبه با شبکه عصبی سلولی (CNN)  لبه يکي از ويژگي هاي برجسته تصوير است، لبه ها حامل اطلاعات مهمي از تصوير ميباشند و به خوبي بیانگر ويژگي شکل اجسام [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/">کد شبکه عصبی CNN</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p class="Yekan" style="text-align: center;"><strong><span style="font-size: 14pt;"><a href="http://iran-matlab.ir/?product=%DA%A9%D8%AF-%D8%B4%D8%A8%DA%A9%D9%87-%D8%B9%D8%B5%D8%A8%DB%8C-cnn" target="_blank" rel="noopener noreferrer">لینک دانلود</a></span></strong></p>
<p class="Yekan"><span style="font-size: 12pt;">شناسایی لبه با شبکه عصبی سلولی (CNN)</span></p>
<p class="Yekan"><span style="font-size: 12pt;"> </span><span style="font-size: 12pt;">لبه يکي از ويژگي هاي برجسته تصوير است، لبه ها حامل اطلاعات مهمي از تصوير ميباشند و به خوبي بیانگر ويژگي شکل اجسام هستند . اهمیت لبه ها در تصوير تا به آنجا است که سیستم بینايي انسان نیز از يك مرحله پیش پردازش براي آشکارسازي لبه استفاده ميکند. بسیاري از روشهاي رياضي کلاسیك براي تشخیص لبه بر اساس مشتق پیکسلهاي تصوير اصلي ميباشند، مانند اپراتورهاي گراديان، لاپلاسین و لاپلاسین از اپراتور گاوسي.</span></p>
<p>&nbsp;</p>
<p>تصویر ورودی :</p>
<p style="text-align: center;"><a href="http://iran-matlab.ir/wp-content/uploads/in1.jpg"><img loading="lazy" decoding="async" class=" size-full wp-image-665 aligncenter" src="http://iran-matlab.ir/wp-content/uploads/in1.jpg" alt="in1" width="177" height="242" /></a></p>
<p style="text-align: right;">تصویر خروجی :</p>
<p style="text-align: right;"><a href="http://iran-matlab.ir/wp-content/uploads/out1.jpg"><img loading="lazy" decoding="async" class=" size-full wp-image-666 aligncenter" src="http://iran-matlab.ir/wp-content/uploads/out1.jpg" alt="out1" width="293" height="301" /></a></p>
<p style="text-align: right;">تصویر ورودی :</p>
<p style="text-align: right;"><a href="http://iran-matlab.ir/wp-content/uploads/in2.jpg"><img loading="lazy" decoding="async" class=" size-full wp-image-667 aligncenter" src="http://iran-matlab.ir/wp-content/uploads/in2.jpg" alt="in2" width="245" height="190" /></a></p>
<p style="text-align: right;">تصویر خروجی :</p>
<p style="text-align: right;"><a href="http://iran-matlab.ir/wp-content/uploads/out2.jpg"><img loading="lazy" decoding="async" class=" size-full wp-image-668 aligncenter" src="http://iran-matlab.ir/wp-content/uploads/out2.jpg" alt="out2" width="319" height="229" /></a></p>
<p style="text-align: right;">این کد به همراه یک فایل متنی نه صفحه می باشد.</p>
<p>نوشته <a href="https://matlab1.ir/%da%a9%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/">کد شبکه عصبی CNN</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%da%a9%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-cnn/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>شبکه عصبی هاپفیلد</title>
		<link>https://matlab1.ir/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%87%d8%a7%d9%be%d9%81%db%8c%d9%84%d8%af/</link>
					<comments>https://matlab1.ir/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%87%d8%a7%d9%be%d9%81%db%8c%d9%84%d8%af/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 25 Dec 2014 17:18:42 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه عصبی در پایتون]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[آموزش شبکه عصبی]]></category>
		<category><![CDATA[Hamming]]></category>
		<category><![CDATA[HOPFIELD]]></category>
		<category><![CDATA[شبکه عصبی هاپفیلد]]></category>
		<category><![CDATA[شناسایی کاراکتر با شبکه عصبی هاپفیلد در متلب]]></category>
		<category><![CDATA[هاپفیلد]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=1173</guid>

					<description><![CDATA[<p>شبكه عصبي مصنوعي در شبكهي Hamming مقدار «ناصفر» در خروجي كلاس را مشخص ميكند، در حالي كه در شبكهي Hopfiled بردار الگوي كلاس به عنوان خروجي داده ميشود. مثال سيب و پرتقال! [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%87%d8%a7%d9%be%d9%81%db%8c%d9%84%d8%af/">شبکه عصبی هاپفیلد</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop1.jpg"><br />
</a>شبكه عصبي مصنوعي</p>
<p>در شبكهي Hamming مقدار «ناصفر» در خروجي كلاس را مشخص ميكند، در حالي كه در شبكهي Hopfiled بردار الگوي كلاس به عنوان خروجي داده ميشود.</p>
<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop2.jpg"><img loading="lazy" decoding="async" class="aligncenter wp-image-1176" src="https://matlab1.ir/wp-content/uploads/2014/12/hop2.jpg" alt="hop2" width="630" height="270" srcset="https://matlab1.ir/wp-content/uploads/2014/12/hop2.jpg 1007w, https://matlab1.ir/wp-content/uploads/2014/12/hop2-300x128.jpg 300w, https://matlab1.ir/wp-content/uploads/2014/12/hop2-980x419.jpg 980w, https://matlab1.ir/wp-content/uploads/2014/12/hop2-530x226.jpg 530w" sizes="auto, (max-width: 630px) 100vw, 630px" /></a></p>
<p>مثال سيب و پرتقال!</p>
<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop1.jpg"><img loading="lazy" decoding="async" class="aligncenter wp-image-1175" src="https://matlab1.ir/wp-content/uploads/2014/12/hop1.jpg" alt="hop1" width="588" height="459" srcset="https://matlab1.ir/wp-content/uploads/2014/12/hop1.jpg 866w, https://matlab1.ir/wp-content/uploads/2014/12/hop1-300x233.jpg 300w, https://matlab1.ir/wp-content/uploads/2014/12/hop1-280x220.jpg 280w, https://matlab1.ir/wp-content/uploads/2014/12/hop1-530x413.jpg 530w" sizes="auto, (max-width: 588px) 100vw, 588px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>اين شبكه ها قابليت به خاطر سپردن يك سري الگو را دارا هستند.</p>
<p>اين الگوها در اتصالات بين نرون ها ذخيره مي شود، درست مانند آنچه در مغز انسان رخ مي دهد..</p>
<p>بردارهاي ورودي و خروجي در دو فضاي متفاوت هستند. (ترجمه يك لغت از يك زبان به زبان ديگر)</p>
<p>بردارهاي ورودي و خروجي هر دو در يك فضا هستند.  (كاربرد: شناسايي كاراكتر)</p>
<p>&nbsp;</p>
<p>شناسایی کاراکتر با شبکه عصبی هاپفیلد در متلب</p>
<p>برای درک این مفهوم شکل زیر را در نظر بگیرید. شبکه سه الگوی 3 و 8 و 1 را در مرحله آموزش یاد گرفته است. این یادگیری در وزنهای شبکه دخیره شده است.</p>
<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop3.jpg"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1180" src="https://matlab1.ir/wp-content/uploads/2014/12/hop3.jpg" alt="hop3" width="250" height="269" /></a></p>
<p>حال اگر الگوی 3 نویزی شده وارد شود، شبکه  با الگوهای ذخیره شده در خود مقایسه می کند و الگویی که نزدیک تر است را انتخاب می کند.</p>
<p>&nbsp;</p>
<p>ساختار شبکه عصبی هاپفیلد از نردیک در شکل زیر نشان داده شده است.</p>
<p>&nbsp;</p>
<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop4.jpg"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1182" src="https://matlab1.ir/wp-content/uploads/2014/12/hop4.jpg" alt="hop4" width="461" height="454" srcset="https://matlab1.ir/wp-content/uploads/2014/12/hop4.jpg 461w, https://matlab1.ir/wp-content/uploads/2014/12/hop4-300x295.jpg 300w, https://matlab1.ir/wp-content/uploads/2014/12/hop4-50x50.jpg 50w" sizes="auto, (max-width: 461px) 100vw, 461px" /></a></p>
<p>&nbsp;</p>
<p>همانطور که می بینید تمامی ورودیها به خروجی وصل هستند و یک شبکه مثل کلاف در هم تنیده می باشد.</p>
<p>&nbsp;</p>
<p>در صورتي كه بردارهاي ورودي (( متعامد يكه ))  باشند، شبكه ي تك لايه ي معرفي شده به راحتي و حتي بدون آموزش مي تواند به خوبي از عهده ي پياده سازي نقش يك حافظه ي تداعي گر برآيد.</p>
<p>&nbsp;</p>
<p>شبکه هاپفیلد يك شبكه ي بازگشتي تك لايه است .</p>
<p>مانند شبك هي قبلي، به جاي آموزش وزن ها مقداردهي مي شوند.</p>
<p><a href="https://matlab1.ir/wp-content/uploads/2014/12/hop5.jpg"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1183" src="https://matlab1.ir/wp-content/uploads/2014/12/hop5.jpg" alt="hop5" width="471" height="429" srcset="https://matlab1.ir/wp-content/uploads/2014/12/hop5.jpg 471w, https://matlab1.ir/wp-content/uploads/2014/12/hop5-300x273.jpg 300w" sizes="auto, (max-width: 471px) 100vw, 471px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%85%D8%A8%D8%A7%D9%86%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1256" src="http://iran-matlab.ir/wp-content/uploads/2015/10/Artifical-Neural-Network-tutorial-introduction-training-movie.png" alt="Artifical Neural Network tutorial introduction training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1260" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-programming-for-Artifical-Neural-Network-tutorial-training-movie.png" alt="MATLAB programming for Artifical Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-2" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1278" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-price-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB price prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8%da%a9%d9%87%e2%80%8c%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1289" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-classification-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB classification for Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1291" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-times-series-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB times series prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%da%a9%d8%a7%d8%b1%d8%a8%d8%b1%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-%d9%be%d8%b1%d8%af" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1293" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-face-detection-Neural-Network-tutorial-training-movie.png" alt="MATLAB face detection Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%aa%d9%86%d8%b8%db%8c%d9%85%d8%a7%d8%aa-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1296" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-advanced-setting-Neural-Network-tutorial-training-movie.png" alt="MATLAB advanced setting Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td></td>
</tr>
</tbody>
</table>
<p>نوشته <a href="https://matlab1.ir/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%87%d8%a7%d9%be%d9%81%db%8c%d9%84%d8%af/">شبکه عصبی هاپفیلد</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%87%d8%a7%d9%be%d9%81%db%8c%d9%84%d8%af/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آموزش جعبه ابزار شبکه عصبی در MATLAB با مثال</title>
		<link>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%b9%d8%a8%d9%87-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-matlab-%d8%a8%d8%a7-%d9%85%d8%ab%d8%a7%d9%84/</link>
					<comments>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%b9%d8%a8%d9%87-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-matlab-%d8%a8%d8%a7-%d9%85%d8%ab%d8%a7%d9%84/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 16 Nov 2014 12:44:07 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[دانلود]]></category>
		<category><![CDATA[شبکه عصبی CNN]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[آموزش ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش برنامه نویسی در متلب]]></category>
		<category><![CDATA[آموزش تصویری ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش تصویری NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش تصویری شبکه عصبی]]></category>
		<category><![CDATA[آموزش تضمینی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش تضمینی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش تضمینی شبکه عصبی]]></category>
		<category><![CDATA[آموزش شبکه عصبی]]></category>
		<category><![CDATA[آموزش فارسی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش فارسی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش فارسی شبکه عصبی]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش فارسی نرم افزار شبکه عصبی]]></category>
		<category><![CDATA[آموزش کاربردی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزش کاربردی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزش کاربردی شبکه عصبی]]></category>
		<category><![CDATA[آموزشگاه ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموزشگاه NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموزشگاه شبکه عصبی]]></category>
		<category><![CDATA[آموش مالتی مدیا ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[آموش مالتی مدیا NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[آموش مالتی مدیا شبکه عصبی]]></category>
		<category><![CDATA[بهترین فیلم آموزشی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[بهترین فیلم آموزشی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[بهترین فیلم آموزشی شبکه عصبی]]></category>
		<category><![CDATA[تدریس خصوصی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[تدریس خصوصی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[تدریس خصوصی شبکه عصبی]]></category>
		<category><![CDATA[خودآموز ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[خودآموز NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[خودآموز شبکه عصبی]]></category>
		<category><![CDATA[دانلود ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود آموزش ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود آموزش NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دانلود آموزش شبکه عصبی]]></category>
		<category><![CDATA[دانلود آموزش فارسي متلب]]></category>
		<category><![CDATA[دانلود آموزش متلب]]></category>
		<category><![CDATA[دانلود NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دانلود جزوه ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود جزوه آموزش متلب]]></category>
		<category><![CDATA[دانلود جزوه NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دانلود جزوه شبکه عصبی]]></category>
		<category><![CDATA[دانلود شبکه عصبی]]></category>
		<category><![CDATA[دانلود کتاب ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دانلود کتاب NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دانلود کتاب شبکه عصبی]]></category>
		<category><![CDATA[دوره آموزشی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دوره آموزشی تخصصی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی تخصصی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دوره آموزشی تخصصی شبکه عصبی]]></category>
		<category><![CDATA[دوره آموزشی شبکه عصبی]]></category>
		<category><![CDATA[دوره آموزشی مجازی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[دوره آموزشی مجازی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[دوره آموزشی مجازی شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جامع ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی جامع NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جامع شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی جدید رایگان شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی رایگان ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی رایگان NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی رایگان شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی رایگان مولتی مدیا شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی شبکه عصبی]]></category>
		<category><![CDATA[فیلم آموزشی فارسی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم آموزشی فارسی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم آموزشی فارسی شبکه عصبی]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه آزاد شبکه عصبی]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه تهران شبکه عصبی]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[فیلم کلاس دانشگاه صنعتی شریف شبکه عصبی]]></category>
		<category><![CDATA[کارگاه تخصصی ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[کارگاه تخصصی NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[کارگاه تخصصی شبکه عصبی]]></category>
		<category><![CDATA[کتاب راهنما ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[کتاب راهنما NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[کتاب راهنما شبکه عصبی]]></category>
		<category><![CDATA[کلاس آنلاین ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[کلاس آنلاین NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[کلاس آنلاین شبکه عصبی]]></category>
		<category><![CDATA[کلاس دانشگاه ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[کلاس دانشگاه NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[کلاس دانشگاه شبکه عصبی]]></category>
		<category><![CDATA[مدرک معتبر ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[مدرک معتبر NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[مدرک معتبر شبکه عصبی]]></category>
		<category><![CDATA[مرجع آموزش ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[مرجع آموزش NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[مرجع آموزش شبکه عصبی]]></category>
		<category><![CDATA[یادگیری سریع ARTIFICAL NEURAL NETWORK]]></category>
		<category><![CDATA[یادگیری سریع NEURAL NETWORK MATLAB]]></category>
		<category><![CDATA[یادگیری سریع شبکه عصبی]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=1050</guid>

					<description><![CDATA[<p>&#160; در این پست یک جزوه آموزشی مفید در خصوص آموزش جعبه ابزار شبکه عصبی در MATLAB برای دانلود شما قرار گرفته است. جزوه حاضر به شرح ساختار و اجزای یک شبکه عصبی [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%b9%d8%a8%d9%87-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-matlab-%d8%a8%d8%a7-%d9%85%d8%ab%d8%a7%d9%84/">آموزش جعبه ابزار شبکه عصبی در MATLAB با مثال</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p>&nbsp;</p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در این پست یک جزوه آموزشی مفید در خصوص آموزش جعبه ابزار شبکه عصبی در MATLAB برای دانلود شما قرار گرفته است. جزوه حاضر به شرح ساختار و اجزای یک شبکه عصبی و نحوه پیاده سازی آن در محیط نرم افزار MATLAB، با تکیه بر شبکه های عصبی پرسپترون چند لایه (MLP) پرداخته است . در پایان نیز نحوه به کارگیری شبکه عصبی مذکور با ارائه یک مثال مربوط به طبقه بندی اطلاعات بازار بورس توصیف گردیده است.</span></p>
<p>&nbsp;</p>
<p class="Yekan"><span style="font-size: 12pt;"><b>آشنایی با شبکه های عصبی زیستی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>معرفی شبکه های عصبی مصنوعی (</b><b>ANN</b><b>ها)</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>مبانی شبکه های عصبی مصنوعی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>توپولوژی شبکه</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>نرم افزارهای شبکه های عصبی </b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>فرآیند یادگیری شبکه</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>ایده ی اصلی شبکه های عصبی مصنوعی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>شبکه های عصبی در مقابل کامپیوترهای معمولی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>معایب </b><b>شبکه های عصبی مصنوعی</b></span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>کاربردهای شبکه های عصبی مصنوعی</b></span></p>
<p>&nbsp;</p>
<hr />
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">آشنایی با شبکه های عصبی  زیستی</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">این شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">این شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.back propagation of error))</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">یادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.</span></p>
<hr />
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">معرفی <b>ANN</b> ها</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">یک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node  ها و اعمال یک الگوریتم  آموزشی به آ ن،  شبکه را آموزش می دهند .</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در این حافظه یا شبکه ی عصبی node  ها دارای دو حالت <b>فعال</b>(on  یا 1)<b> وغیرفعال</b>(   offیا 0) اند و هر یال (سیناپس یا ارتباط  بین node  ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.</span></p>
<p>&nbsp;</p>
<hr />
<p>&nbsp;</p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">به طور خلاصه یک شبکه عصبی باید خصوصیات زیر را داشته باشد:</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">بتواند الگوها را طبقه بندی کند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">به اندازه کافی کوچک باشد تا از نظر فیزیکی واقع گرایانه باشد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">با به کار گیری آموزش، قابل برنامه ریزی باشد و قدرت یادگیری داشته باشد. یعنی توانایی تنظیم پارامترهای شبکه ( اوزان سیناپتیکی )، در مسیر زمان که محیط شبکه تغییر می کند و شبکه وارد شرایط جدیدی می شود. هدف از این کار این است که اگر شبکه برای یک وضعیت خاص آموزش دید و تغییر کوچکی در شرایط محیطی شبکه رخ داد، شبکه بتواند با آموزش مختصر، برای شرایط جدید نیز کارآمد باشد.    دیگر این که اطلاعات در شبکه های عصبی در سیناپس ها ذخیره و هر نرون در شبکه به صورت بالقوه از کل فعالیت سایر نرون ها تأثیر می پذیرد. در نتیجه اطلاعات از نوع مجزا از هم نبوده و متأثر از کل شبکه می باشد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">توانایی تعمیم را با استفاده از مثال های ارائه شده در فرآیند آموزش، داشته باشد.</span></p>
<hr />
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">نرم افزارهای شبکه های عصبی</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">نرم افزارهایی برای شبیه سازی ،مطالعه و تحقیق سیستمهای عصبی زیستی و گسترش شبکه های عصبی مصنوعی وAdaptive system ها .</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>  شبیه سازها</b>: نرم افزارهایی برای شبیه سازی رفتار شبکه های عصبی زیستی و مصنوعی که به صورت مستقل عمل می کنند و قادرند فرآیند آموزش شبکه ی عصبی را به شکل تصویری نمایش دهند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>  شبیه سازهای تحقیقاتی</b> :برای مطالعه ی الگوریتم ها و ساختارهای شبکه ی عصبی که   به فهم بهتر رفتارها و خصوصیات شبکه ی عصبی کمک می کنند.(مطالعه ی ویژگی   های شیمیایی و زیستی بافتهای عصبی و پالس های الکترومغناطیسی بین نورونها).</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">رایجترین شبیه سازهای ANN ها :</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">SNNS(stuttgart neural network simulator),PDP++(parallel distribution processing),JavaNNS</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">رایجترین شبیه سازهای شبکه های زیستی:</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">XNBC,BNN ToolBox</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b> </b></span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b> </b><b>شبیه سازهای آنالیز داده</b> :علی رغم دسته ی اول ،کاربردهای عملی شبکه های عصبی را مطالعه میکنند.استفا ده از آنها نسبتا ساده است در عوض تواناییهاشان محدود است . بر روی Data miningوپیش بینی ها کار می کنند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">بعضی از آنها عبارتند از:</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">Microsoft Excel,Matlab</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">Development Environment ها:برای گسترش  و آرایش شبکه های عصبی به کار می روند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">رایج ترین نرم افزارهای این دسته عبارتند از:</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">MathWorks NN ToolBox,GBlearn2</span></p>
<hr />
<p class="Yekan"><span style="font-size: 12pt;">توپولوژی شبکه</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">وضعیت نسبی سلولها در شبکه(تعداد و گروه بندی و نوع اتصالات آنها)را توپولوژی شبکه گویند.توپولوژی در واقع سیستم اتصال سخت افزار نورونها به یکدیگر است که توام با نرم افزار مربوطه  (یعنی روش ریاضی جریان اطلاعات و محاسبه ی وزنها)نوع عملکرد شبکه ی عصبی را تعیین می کند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در این توپولوژی یک لایه ی ورودی وجود دارد که اطلاعات را دریافت می کند،تعدادی لایه یمخفی وجود دارد که اطلاعات را از لایه های قبلی می گیرند و در نهایت یک لایه ی خروجی  وجود دارد که نتیجه ی محاسبات به آنجا میرود و جوابها در آن قرار میگیرند.</span></p>
<p>FeedForward topology</p>
<p>Recurrent topology</p>
<hr />
<p>&nbsp;</p>
<p class="Yekan"><span style="font-size: 12pt;">مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی</span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>مدل سازی کلاسیک</b>:</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">این مدل از نخستین قدم خطای بزرگی مرتکب می شود که فقط در سیستمهای ساده (خطی یا نزدیک به خطی )قابل صرفنظر است و آن محاسبه ی شاخصهای تمایل به مرکز و پراکندگی است که به این ترتیب راهمیت فردی تک تک داده ها از بین می رود و در نتیجه سیستم قادر به کشف پیچیدگی ها نخواهد بود.</span></p>
<p class="Yekan"><span style="font-size: 12pt;"><b>مدل سازی شبکه ی عصبی</b> :</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">در این مدل هر یک از کانالهای ورودی دارای یک ضریب عددی هستند که وزن سیناپسی نامیده می شود.شدت تحریک الکتریکی در این ضریب ضرب می شود و به جسم سلولی می رسد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">اگر مجموع تحریکات وارد به جسم سلولی به حد آستانه ی خاصی رسیده باشد،نورون شلیک می کند و در مسیرهای خروجی جریان الکتریکی ثابتی را ایجاد می کند.تحریکات لایه ی ورودی به یک یا چند لایه ی واسط می رود .ادامه ی جریان تحریکات در این لایه ها طوری هدایت میشود  که پیچیدگیهای تاثیرات جریان ورودی را شبیه سازی می کند .سپس تحریکات به لایه ی خروجی می روند که هدف نهایی ماست.</span></p>
<hr />
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">فرآیند یادگیری شبکه</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;">وظیفه ی شبکه های عصبی یادگیری است.تقریبا چیزی شبیه به یادگیری کودک خردسال.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>ا</b><b>نواع آموزش شبکه</b><b>:</b></span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>یادگیری تحت نظارت(یا </b><b>supervised</b><b> )</b> : با تمرکز روی یک موضوع خاص و ارائه ی  مثالهای مختلفی از آن صورت می گیرد .شبکه اطلاعات ورودی و مثال ها را تجزیه و تحلیل خواهد کرد به طوری که پس از مدتی قادر خواهد بود یک نوع جدید از آن دسته مثال ها را که قبلا هرگز ندیده بود شناسایی کند.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>یادگیری بدون نظارت(یا </b><b>unsupervised</b><b> )</b> :یادگیری سطح بالاتری است که کاربرد آن امروزه کمتر است.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>یادگیری تقویتی(یا </b><b> reinforcement</b><b>):</b></span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 12pt;"><b>مدل پنهانی مارکوف(</b><b>MDP</b><b>):</b>اجزای اصلی یک مدل مارکوف عبارتند از :مجموعه ی   حالتها،مجموعه ی عملها،گذرها،ارزش افزوده ی فوری هر عمل</span></p>
<hr />
<p class="Koodak"><span style="font-size: 12pt;">مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر</span></p>
<p class="Koodak" style="text-align: justify;"><span style="font-size: 12pt;">يكی از مهم‌ترين تفاوت‌های حافظه انسان با حافظه كامپيوتر در نوع آدرس دهی اين دو نوع حافظه می‌باشد. در حافظه كامپيوتر اساس كار بر پايه آدرس خانه‌های حافظه يا آدرس اطلاعات بر روی حافظه دائم می‌باشد. به عنوان مثال برای دستيابی به يك تصوير يا متن خاص، بايد آدرس حافظه يا فايل مربوط به آن تصوير يا متن را داشته باشيد. اما با داشتن خودتصوير يا متن نمی‌توانيد به سادگی آدرس حافظه مربوطه را بيابيد (البته به اين معنی كه اين كار با يك قدم قابل انجام نيست، وگرنه می‌توانيد تصوير يا متن مورد نظر را با تمام موارد موجود در حافظه مقايسه كرده و در صورت تطبيق آدرس را بيابيد. ناگفته پيداست كه انجام چنين كاری بسيار زمان بر و پر هزينه می‌باشد).</span></p>
<p class="Koodak" style="text-align: justify;"><span style="font-size: 12pt;">اما به سازوكار همين عمل در ذهن انسان دقت كنيد. با ديدن يك تصوير ناقص اغلب بلافاصله كامل آنرا به خاطر می‌آوريد يا با ديدن تصوير يك شخص سريعا نام او را می‌گوييد، يا با خواندن يك متن سريعا تمامی مطالب مربوط به آن را به ذهن می‌آوريد. در واقع ذهن انسان يك نوع حافظه آدرس‌دهی شده بر اساس محتواست (Content Addressable Memory). همانگونه كه از اين نام مشخص است در اين نوع حافظه، با دادن محتوای يك خانه حافظه، بلافاصله آدرس آن به عنوان خروجی داده می‌شود.</span></p>
<hr />
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p class="Titr" style="text-align: center;"><span style="font-size: 14pt;"><a href="http://www.mediafire.com/download/1566cyybyot5zy9/ANN1[matlab1.ir].rar" target="_blank" rel="noopener noreferrer">دانلود فايل</a></span></p>
<p>&nbsp;</p>
<hr />
<p>&nbsp;</p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 20pt;">یک فیلم آموزشی جامع از شبکه های عصبی تهیه شده است که با کلیک بر روی عکس زیر می توانید آنرا سفارش دهید.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 20pt;">این فیلم آموزشی حاصل <span style="color: #ff0000;">چندین سال تجربه</span> ما در برنامه نویسی متلب شبکه های عصبی می باشد.</span></p>
<p class="Yekan" style="text-align: justify;"><span style="font-size: 20pt;">دانشجویان زیادی از سراسر ایران تقاضای تدریس شبکه های عصبی در متلب MATLAB را داشتند اما ما به دلیل دوری راه و نداشتن زمان خالی نمی توانستیم به این نیاز انها پاسخ درستی بدهیم. لذا ما تصمیم گرفتیم که یک فیلم آموزشی کامل برای شبکه های عصبی مصنوعی تهیه کنیم که تمامی مطالب کلاس خصوصی شبکه عصبی را شامل شود. این فیلم آموزشی هم اکنون آماده سفارش است که می توانید با کلیک بر روی تصویر زیر آنرا سفارش دهید.</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p><a href="http://iran-matlab.ir/?product=%D9%81%D9%8A%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%81%D8%A7%D8%B1%D8%B3%D9%8A-%D8%B4%D8%A8%D9%83%D9%87-%D9%87%D8%A7%D9%8A-%D8%B9%D8%B5%D8%A8%D9%8A" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter" src="http://iran-matlab.ir/wp-content/uploads/2015/10/Neural-netwrok-in-MATLAB-training-movie-download-example.jpg" alt="" width="400" height="400" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%85%D8%A8%D8%A7%D9%86%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87%E2%80%8C%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1256" src="http://iran-matlab.ir/wp-content/uploads/2015/10/Artifical-Neural-Network-tutorial-introduction-training-movie.png" alt="Artifical Neural Network tutorial introduction training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1260" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-programming-for-Artifical-Neural-Network-tutorial-training-movie.png" alt="MATLAB programming for Artifical Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86%d9%88%db%8c%d8%b3%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-2" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1278" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-price-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB price prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8%da%a9%d9%87%e2%80%8c%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1289" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-classification-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB classification for Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%d8%b4%d8%a8" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1291" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-times-series-prediction-for-Neural-Network-tutorial-training-movie.png" alt="MATLAB times series prediction for Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%da%a9%d8%a7%d8%b1%d8%a8%d8%b1%d8%af-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-%d9%be%d8%b1%d8%af" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1293" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-face-detection-Neural-Network-tutorial-training-movie.png" alt="MATLAB face detection Neural Network tutorial training movie" width="300" height="300" /></a></td>
</tr>
</tbody>
</table>
<table style="height: 13px;" width="410">
<tbody>
<tr>
<td><a href="http://iran-matlab.ir/?product=%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%aa%d9%86%d8%b8%db%8c%d9%85%d8%a7%d8%aa-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-1296" src="http://iran-matlab.ir/wp-content/uploads/2015/10/MATLAB-advanced-setting-Neural-Network-tutorial-training-movie.png" alt="MATLAB advanced setting Neural Network tutorial training movie" width="300" height="300" /></a></td>
<td></td>
</tr>
</tbody>
</table>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%b9%d8%a8%d9%87-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-matlab-%d8%a8%d8%a7-%d9%85%d8%ab%d8%a7%d9%84/">آموزش جعبه ابزار شبکه عصبی در MATLAB با مثال</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%ac%d8%b9%d8%a8%d9%87-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%af%d8%b1-matlab-%d8%a8%d8%a7-%d9%85%d8%ab%d8%a7%d9%84/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		
			</item>
	</channel>
</rss>
