<?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 هوش مصنوعی - ايران متلب</title>
	<atom:link href="https://matlab1.ir/category/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/feed/" rel="self" type="application/rss+xml" />
	<link>https://matlab1.ir/category/هوش-مصنوعی/</link>
	<description>مرجع فیلم های آموزشی فارسی دانشگاهی و مهندسی</description>
	<lastBuildDate>Sun, 30 Aug 2026 11:03:08 +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 هوش مصنوعی - ايران متلب</title>
	<link>https://matlab1.ir/category/هوش-مصنوعی/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>فیلم جامع آموزش فارسی الگوریتم ژنتیک در MATLAB</title>
		<link>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af-2/</link>
					<comments>https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af-2/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 30 Aug 2026 11:03:08 +0000</pubDate>
				<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[Artificial intelligence]]></category>
		<category><![CDATA[آموزش الگوریتم ژنتیک]]></category>
		<category><![CDATA[آموزش الگوریتم ژنتیک MATLAB]]></category>
		<category><![CDATA[آموزش GA در متلب]]></category>
		<category><![CDATA[آموزش GENETIC ALGORITHM]]></category>
		<category><![CDATA[آموزش MATLAB]]></category>
		<category><![CDATA[آموزش متلب]]></category>
		<category><![CDATA[آمیختگی الگوریتم ژنتیک]]></category>
		<category><![CDATA[الگوریتم تکاملی]]></category>
		<category><![CDATA[الگوریتم ژنتیک]]></category>
		<category><![CDATA[الگوریتم ژنتیک باینری]]></category>
		<category><![CDATA[الگوریتم ژنتیک برای پایان نامه]]></category>
		<category><![CDATA[الگوریتم ژنتیک در متلب]]></category>
		<category><![CDATA[الگوریتم فراابتکاری]]></category>
		<category><![CDATA[انتخاب تورنومنت]]></category>
		<category><![CDATA[انتخاب در الگوریتم ژنتیک]]></category>
		<category><![CDATA[انتخاب ویژگی با الگوریتم ژنتیک]]></category>
		<category><![CDATA[Binary Encoding]]></category>
		<category><![CDATA[binary genetic algorithm]]></category>
		<category><![CDATA[Chromosome Encoding]]></category>
		<category><![CDATA[Chromosome GA]]></category>
		<category><![CDATA[Computational Intelligence]]></category>
		<category><![CDATA[Convergence Curve]]></category>
		<category><![CDATA[Cost Function]]></category>
		<category><![CDATA[Crossover]]></category>
		<category><![CDATA[Crossover Probability]]></category>
		<category><![CDATA[Elitism]]></category>
		<category><![CDATA[Elitist Selection]]></category>
		<category><![CDATA[Evolutionary Algorithm]]></category>
		<category><![CDATA[Evolutionary Computation]]></category>
		<category><![CDATA[Feature Selection GA]]></category>
		<category><![CDATA[Fitness Function]]></category>
		<category><![CDATA[GA]]></category>
		<category><![CDATA[GA Convergence]]></category>
		<category><![CDATA[GA MATLAB]]></category>
		<category><![CDATA[Gene GA]]></category>
		<category><![CDATA[Generation]]></category>
		<category><![CDATA[genetic algorithm]]></category>
		<category><![CDATA[Genetic Algorithm Code]]></category>
		<category><![CDATA[Genetic Algorithm Control]]></category>
		<category><![CDATA[Genetic Algorithm Feature Selection]]></category>
		<category><![CDATA[Genetic Algorithm MATLAB]]></category>
		<category><![CDATA[Genetic Algorithm Scheduling]]></category>
		<category><![CDATA[Genetic Algorithm Tutorial]]></category>
		<category><![CDATA[Global Minimum]]></category>
		<category><![CDATA[Global Optimization]]></category>
		<category><![CDATA[Hyperparameter Optimization GA]]></category>
		<category><![CDATA[Initial Population]]></category>
		<category><![CDATA[Local Minimum]]></category>
		<category><![CDATA[MATLAB Genetic Algorithm Code]]></category>
		<category><![CDATA[MATLAB Optimization]]></category>
		<category><![CDATA[MATLAB Optimization Tutorial]]></category>
		<category><![CDATA[Metaheuristic]]></category>
		<category><![CDATA[Metaheuristic Algorithm]]></category>
		<category><![CDATA[Multi Point Crossover]]></category>
		<category><![CDATA[Mutation]]></category>
		<category><![CDATA[Mutation Operator]]></category>
		<category><![CDATA[Mutation Probability]]></category>
		<category><![CDATA[Neural Network Genetic Algorithm]]></category>
		<category><![CDATA[Objective Function]]></category>
		<category><![CDATA[Optimization]]></category>
		<category><![CDATA[Optimization Algorithm]]></category>
		<category><![CDATA[Population]]></category>
		<category><![CDATA[Power System GA]]></category>
		<category><![CDATA[Premature Convergence]]></category>
		<category><![CDATA[Random Population]]></category>
		<category><![CDATA[Real Coded Genetic Algorithm]]></category>
		<category><![CDATA[Real Encoding]]></category>
		<category><![CDATA[Real Valued GA]]></category>
		<category><![CDATA[Roulette Wheel Selection]]></category>
		<category><![CDATA[Selection]]></category>
		<category><![CDATA[Single Point Crossover]]></category>
		<category><![CDATA[Tournament Selection]]></category>
		<category><![CDATA[Two Point Crossover]]></category>
		<category><![CDATA[Uniform Crossover]]></category>
		<category><![CDATA[بهینه سازی]]></category>
		<category><![CDATA[بهینه سازی در متلب]]></category>
		<category><![CDATA[بهینه سازی سراسری]]></category>
		<category><![CDATA[پایان نامه الگوریتم ژنتیک]]></category>
		<category><![CDATA[پروژه الگوریتم ژنتیک]]></category>
		<category><![CDATA[پروژه GA]]></category>
		<category><![CDATA[تابع برازندگی]]></category>
		<category><![CDATA[تابع هدف]]></category>
		<category><![CDATA[تنظیم پارامتر با الگوریتم ژنتیک]]></category>
		<category><![CDATA[تولید جمعیت اولیه]]></category>
		<category><![CDATA[جمعیت الگوریتم ژنتیک]]></category>
		<category><![CDATA[جهش الگوریتم ژنتیک]]></category>
		<category><![CDATA[چرخ رولت]]></category>
		<category><![CDATA[زمان بندی با الگوریتم ژنتیک]]></category>
		<category><![CDATA[ژن الگوریتم ژنتیک]]></category>
		<category><![CDATA[سیستم قدرت الگوریتم ژنتیک]]></category>
		<category><![CDATA[شبکه عصبی و الگوریتم ژنتیک]]></category>
		<category><![CDATA[عملگر Crossover]]></category>
		<category><![CDATA[کدگذاری کروموزوم]]></category>
		<category><![CDATA[کدنویسی الگوریتم ژنتیک]]></category>
		<category><![CDATA[کروموزوم الگوریتم ژنتیک]]></category>
		<category><![CDATA[کنترل با الگوریتم ژنتیک]]></category>
		<category><![CDATA[محاسبات تکاملی]]></category>
		<category><![CDATA[مقاله الگوریتم ژنتیک]]></category>
		<category><![CDATA[نخبه گرایی]]></category>
		<category><![CDATA[نسل الگوریتم ژنتیک]]></category>
		<category><![CDATA[نمودار همگرایی]]></category>
		<category><![CDATA[همگرایی زودرس]]></category>
		<category><![CDATA[هوش محاسباتی]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14871</guid>

					<description><![CDATA[<p>الگوریتم ژنتیک یا Genetic Algorithm (GA) یکی از شناخته‌شده‌ترین روش‌های بهینه‌سازی تکاملی است که از مفاهیم انتخاب طبیعی و ژنتیک الهام گرفته شده است. این الگوریتم به جای بررسی مستقیم همه جواب‌های [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af-2/">فیلم جامع آموزش فارسی الگوریتم ژنتیک در MATLAB</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><strong>الگوریتم ژنتیک یا Genetic Algorithm (GA)</strong> یکی از شناخته‌شده‌ترین روش‌های بهینه‌سازی تکاملی است که از مفاهیم انتخاب طبیعی و ژنتیک الهام گرفته شده است. این الگوریتم به جای بررسی مستقیم همه جواب‌های ممکن، با یک جمعیت از جواب‌های اولیه شروع می‌کند و با استفاده از عملگرهایی مانند انتخاب، آمیختگی و جهش، نسل‌های جدیدی از جواب‌ها را تولید می‌کند.</p>
<p>الگوریتم ژنتیک در بسیاری از مسائل بهینه‌سازی که فضای جستجوی بزرگ، غیرخطی یا پیچیده دارند قابل استفاده است و به همین دلیل در حوزه‌های مختلف مهندسی، هوش مصنوعی و علوم کاربرد فراوانی پیدا کرده است.</p>
<h3>الگوریتم ژنتیک چگونه کار می‌کند؟</h3>
<p>در یک مسئله بهینه‌سازی، ابتدا باید متغیرهای تصمیم مشخص شوند. سپس هر جواب ممکن به شکلی قابل استفاده برای الگوریتم نمایش داده می‌شود.</p>
<p>الگوریتم ژنتیک معمولاً با مراحل زیر اجرا می‌شود:</p>
<ol>
<li>تولید جمعیت اولیه</li>
<li>محاسبه مقدار تابع برازندگی</li>
<li>انتخاب والدین مناسب</li>
<li>انجام Crossover</li>
<li>اعمال Mutation</li>
<li>تولید نسل جدید</li>
<li>ارزیابی نسل جدید</li>
<li>تکرار مراحل تا رسیدن به شرط توقف</li>
</ol>
<p>هدف این فرایند آن است که با گذشت نسل‌ها، کیفیت جواب‌های موجود در جمعیت افزایش پیدا کند.</p>
<h3>کروموزوم در الگوریتم ژنتیک</h3>
<p>در GA هر جواب ممکن برای مسئله با یک <strong>Chromosome</strong> نمایش داده می‌شود.</p>
<p>کروموزوم شامل مجموعه‌ای از ژن‌ها است و هر ژن می‌تواند نماینده یکی از متغیرهای مسئله باشد.</p>
<p>برای مثال اگر مسئله دارای سه متغیر تصمیم باشد، یک کروموزوم می‌تواند اطلاعات مربوط به این سه متغیر را در خود نگه دارد.</p>
<p>نحوه نمایش کروموزوم اهمیت زیادی دارد، زیرا ساختار آن باید متناسب با مسئله بهینه‌سازی انتخاب شود.</p>
<h3>کدگذاری باینری و حقیقی</h3>
<p>یکی از روش‌های کلاسیک نمایش کروموزوم‌ها، <strong>Binary Encoding</strong> است. در این روش متغیرها به رشته‌های صفر و یک تبدیل می‌شوند.</p>
<p>با این حال برای بسیاری از مسائل مهندسی استفاده از <strong>Real-Valued Encoding</strong> مناسب‌تر است، زیرا متغیرها مستقیماً به صورت اعداد حقیقی نمایش داده می‌شوند.</p>
<p>انتخاب نوع کدگذاری به ساختار مسئله، نوع متغیرها و روش اعمال عملگرهای ژنتیکی بستگی دارد.</p>
<h3>Population یا جمعیت</h3>
<p>مجموعه‌ای از چند کروموزوم یک <strong>Population</strong> را تشکیل می‌دهد.</p>
<p>هر عضو جمعیت یک جواب احتمالی برای مسئله است. در ابتدای اجرای الگوریتم، جمعیت اولیه معمولاً به صورت تصادفی ایجاد می‌شود.</p>
<p>سپس در هر Generation جمعیت جدیدی تولید می‌شود که انتظار داریم نسبت به نسل‌های قبلی جواب‌های مناسب‌تری در آن وجود داشته باشد.</p>
<p>تعداد اعضای جمعیت یکی از پارامترهای مهم الگوریتم ژنتیک است.</p>
<h3>تابع هدف و Fitness Function</h3>
<p>یکی از مهم‌ترین مراحل استفاده از الگوریتم ژنتیک، تعریف صحیح <strong>Objective Function یا تابع هدف</strong> است.</p>
<p>الگوریتم باید بتواند کیفیت هر جواب را اندازه‌گیری کند. این کار از طریق Fitness Function انجام می‌شود.</p>
<p>برای مثال ممکن است هدف مسئله یکی از موارد زیر باشد:</p>
<ul>
<li>کمینه کردن هزینه</li>
<li>کمینه کردن خطا</li>
<li>بیشینه کردن سود</li>
<li>بیشینه کردن راندمان</li>
<li>کاهش مصرف انرژی</li>
<li>پیدا کردن بهترین پارامترهای یک مدل</li>
</ul>
<p>اگر تابع هدف به درستی تعریف نشود، حتی یک الگوریتم ژنتیک خوب نیز نمی‌تواند جواب مناسبی برای مسئله پیدا کند.</p>
<h3>Selection یا انتخاب</h3>
<p>بعد از محاسبه Fitness، باید مشخص شود کدام اعضای جمعیت برای تولید نسل بعد انتخاب شوند.</p>
<p>به این مرحله <strong>Selection</strong> گفته می‌شود.</p>
<p>در حالت کلی جواب‌هایی که Fitness بهتری دارند، شانس بیشتری برای انتقال ویژگی‌های خود به نسل بعد خواهند داشت.</p>
<p>روش‌های مختلفی برای Selection وجود دارد.</p>
<h3>Roulette Wheel Selection</h3>
<p>یکی از روش‌های معروف انتخاب در GA، <strong>Roulette Wheel Selection</strong> است.</p>
<p>در این روش احتمال انتخاب هر عضو با کیفیت یا Fitness آن ارتباط دارد.</p>
<p>به صورت مفهومی می‌توان یک چرخ رولت را تصور کرد که اعضای بهتر سهم بیشتری از آن را در اختیار دارند؛ بنابراین احتمال انتخاب آن‌ها بیشتر است.</p>
<p>با این حال اعضای ضعیف‌تر نیز احتمال صفر ندارند و همین موضوع به حفظ تنوع جمعیت کمک می‌کند.</p>
<h3>Tournament Selection</h3>
<p>روش <strong>Tournament Selection</strong> نیز یکی از روش‌های پرکاربرد انتخاب است.</p>
<p>در این روش چند عضو از جمعیت انتخاب شده و با یکدیگر مقایسه می‌شوند. سپس عضو مناسب‌تر به عنوان والد انتخاب می‌شود.</p>
<p>این عملیات چندین بار تکرار می‌شود تا تعداد کافی والد برای تولید نسل بعد در اختیار الگوریتم قرار گیرد.</p>
<h3>Elitism</h3>
<p>در الگوریتم ژنتیک ممکن است بهترین جواب یک نسل در هنگام Crossover و Mutation از بین برود.</p>
<p>برای جلوگیری از این اتفاق می‌توان از <strong>Elitism</strong> استفاده کرد.</p>
<p>در روش نخبه‌گرایی، تعدادی از بهترین اعضای جمعیت بدون تغییر مستقیماً به نسل بعد منتقل می‌شوند.</p>
<p>این کار کمک می‌کند بهترین جواب پیدا شده تا آن لحظه از دست نرود.</p>
<h3>Crossover یا آمیختگی</h3>
<p>یکی از اصلی‌ترین عملگرهای الگوریتم ژنتیک <strong>Crossover</strong> است.</p>
<p>در این مرحله دو کروموزوم والد انتخاب می‌شوند و بخش‌هایی از اطلاعات آن‌ها با یکدیگر ترکیب می‌شوند تا فرزندان جدیدی ایجاد شوند.</p>
<p>ایده اصلی این است که شاید ترکیب ویژگی‌های خوب دو والد بتواند یک جواب بهتر تولید کند.</p>
<h3>Single Point Crossover</h3>
<p>در <strong>Single Point Crossover</strong> یک نقطه روی کروموزوم انتخاب می‌شود.</p>
<p>قسمتی از ژن‌های بعد از این نقطه میان والدها جابه‌جا می‌شوند و به این ترتیب دو فرزند جدید ایجاد می‌شوند.</p>
<p>این روش یکی از ساده‌ترین روش‌های آمیختگی در الگوریتم ژنتیک است.</p>
<h3>Two-Point و Multi-Point Crossover</h3>
<p>در Two-Point Crossover دو نقطه روی کروموزوم مشخص می‌شود و بخش قرار گرفته بین این دو نقطه میان والدها جابه‌جا می‌شود.</p>
<p>اگر تعداد بیشتری نقطه Crossover داشته باشیم، با یک روش <strong>Multi-Point Crossover</strong> مواجه هستیم.</p>
<p>انتخاب روش مناسب Crossover می‌تواند روی سرعت و کیفیت جستجو تأثیر بگذارد.</p>
<h3>Uniform Crossover</h3>
<p>در <strong>Uniform Crossover</strong> انتخاب ژن‌های فرزند می‌تواند برای هر موقعیت به صورت جداگانه انجام شود.</p>
<p>در نتیجه ترکیب ژن‌های والدین انعطاف بیشتری نسبت به روش‌های تک‌نقطه‌ای دارد.</p>
<p>نوع Crossover باید با نوع کدگذاری کروموزوم و ساختار مسئله هماهنگ باشد.</p>
<h3>Mutation یا جهش</h3>
<p>اگر تنها از Selection و Crossover استفاده شود، احتمال دارد جمعیت به تدریج تنوع خود را از دست بدهد.</p>
<p><strong>Mutation</strong> برای ایجاد تغییرات تصادفی کوچک در کروموزوم‌ها استفاده می‌شود.</p>
<p>در کدگذاری باینری، Mutation می‌تواند یک بیت صفر را به یک یا برعکس تبدیل کند.</p>
<p>در کدگذاری حقیقی نیز می‌توان مقدار یکی از متغیرها را با یک تغییر تصادفی اصلاح کرد.</p>
<p>هدف Mutation حفظ تنوع ژنتیکی و کمک به الگوریتم برای جستجوی نواحی جدید فضای جواب است.</p>
<h3>تعادل Exploration و Exploitation</h3>
<p>یکی از موضوعات مهم در الگوریتم‌های بهینه‌سازی، ایجاد تعادل میان:</p>
<ul>
<li><strong>Exploration</strong>: جستجوی نواحی جدید</li>
<li><strong>Exploitation</strong>: بهبود جواب‌های خوب موجود</li>
</ul>
<p>است.</p>
<p>Selection و Elitism معمولاً الگوریتم را به سمت جواب‌های خوب هدایت می‌کنند، در حالی که Mutation و تنوع جمعیت کمک می‌کنند فضای بیشتری از جواب‌های ممکن بررسی شود.</p>
<p>تنظیم مناسب پارامترها برای ایجاد این تعادل اهمیت زیادی دارد.</p>
<h3>احتمال Crossover و Mutation</h3>
<p>دو پارامتر مهم GA عبارتند از:</p>
<ul>
<li>Crossover Probability</li>
<li>Mutation Probability</li>
</ul>
<p>اگر Mutation بسیار کم باشد ممکن است الگوریتم تنوع کافی نداشته باشد. اگر بیش از حد زیاد باشد، رفتار الگوریتم می‌تواند بیش از اندازه تصادفی شود.</p>
<p>همین موضوع درباره نرخ Crossover نیز وجود دارد.</p>
<p>در پروژه‌های عملی ممکن است لازم باشد چند مقدار مختلف برای این پارامترها آزمایش شود.</p>
<h3>شرط توقف الگوریتم</h3>
<p>الگوریتم ژنتیک نمی‌تواند برای همیشه اجرا شود و باید یک معیار برای پایان عملیات تعریف کنیم.</p>
<p>شرط توقف می‌تواند بر اساس یکی از موارد زیر باشد:</p>
<ul>
<li>رسیدن به تعداد مشخصی Generation</li>
<li>رسیدن Fitness به مقدار مورد نظر</li>
<li>عدم بهبود جواب طی چند نسل</li>
<li>رسیدن به محدودیت زمانی</li>
<li>رسیدن تغییرات Fitness به مقدار بسیار کم</li>
</ul>
<p>پس از تحقق شرط توقف، بهترین جواب موجود در جمعیت به عنوان جواب الگوریتم گزارش می‌شود.</p>
<h3>همگرایی زودرس</h3>
<p>یکی از مشکلات احتمالی الگوریتم ژنتیک، <strong>Premature Convergence</strong> است.</p>
<p>در این حالت اعضای جمعیت خیلی زود شبیه یکدیگر می‌شوند و الگوریتم در یک ناحیه از فضای جستجو متوقف می‌شود.</p>
<p>این مسئله می‌تواند باعث شود الگوریتم به یک جواب محلی برسد و جواب بهتر موجود در فضای جستجو را پیدا نکند.</p>
<p>تنظیم Mutation، اندازه Population و روش Selection در کاهش این مشکل اهمیت دارند.</p>
<h3>پیاده‌سازی الگوریتم ژنتیک در MATLAB</h3>
<p>تمرکز اصلی این دوره بر <strong>پیاده‌سازی عملی Genetic Algorithm در MATLAB</strong> است.</p>
<p>MATLAB محیط مناسبی برای پیاده‌سازی الگوریتم‌های بهینه‌سازی است، زیرا کار با بردارها، ماتریس‌ها، اعداد تصادفی، توابع و نمودارها در آن ساده است.</p>
<p>در یک پیاده‌سازی GA معمولاً بخش‌هایی برای موارد زیر نوشته می‌شوند:</p>
<ul>
<li>تعریف مسئله</li>
<li>تولید Population</li>
<li>محاسبه Cost</li>
<li>Selection</li>
<li>Crossover</li>
<li>Mutation</li>
<li>ذخیره بهترین جواب</li>
<li>رسم روند همگرایی</li>
</ul>
<p>درک این اجزا به کاربر اجازه می‌دهد الگوریتم را برای پروژه‌های متفاوت تغییر دهد.</p>
<h3>رسم نمودار همگرایی</h3>
<p>برای بررسی عملکرد GA معمولاً بهترین مقدار تابع هدف در هر نسل ذخیره می‌شود.</p>
<p>سپس می‌توان <strong>Convergence Curve</strong> را رسم کرد.</p>
<p>این نمودار نشان می‌دهد الگوریتم در طول نسل‌ها چگونه جواب مسئله را بهبود داده است.</p>
<p>با مشاهده نمودار همگرایی می‌توان درباره سرعت بهبود الگوریتم و نیاز احتمالی به تغییر پارامترها تصمیم‌گیری کرد.</p>
<h3>الگوریتم ژنتیک برای مسائل مهندسی</h3>
<p>Genetic Algorithm محدود به یک رشته خاص نیست و می‌توان آن را در بسیاری از مسائل مهندسی استفاده کرد.</p>
<p>نمونه‌هایی از کاربردهای آن عبارتند از:</p>
<ul>
<li>بهینه‌سازی طراحی</li>
<li>سیستم‌های قدرت</li>
<li>کنترل</li>
<li>مکان‌یابی</li>
<li>زمان‌بندی</li>
<li>مهندسی صنایع</li>
<li>انتخاب ویژگی</li>
<li>تنظیم پارامترهای مدل</li>
<li>طراحی شبکه عصبی</li>
<li>مدیریت انرژی</li>
<li>بهینه‌سازی سازه</li>
<li>مسائل اقتصادی</li>
</ul>
<p>نکته اصلی این است که مسئله باید به شکلی تعریف شود که متغیرهای تصمیم، تابع هدف و در صورت وجود قیود آن مشخص باشند.</p>
<h3>استفاده از GA در یادگیری ماشین</h3>
<p>الگوریتم ژنتیک می‌تواند در مسائل Machine Learning نیز استفاده شود.</p>
<p>برای مثال می‌توان از GA برای:</p>
<ul>
<li>Feature Selection</li>
<li>Hyperparameter Optimization</li>
<li>انتخاب ساختار مدل</li>
<li>تنظیم پارامترهای شبکه عصبی</li>
<li>انتخاب متغیرهای ورودی</li>
<li>کمینه کردن خطای مدل</li>
</ul>
<p>استفاده کرد.</p>
<p>در این حالت عملکرد مدل یادگیری ماشین می‌تواند در داخل تابع هدف محاسبه شود و GA به دنبال ترکیبی از پارامترها باشد که عملکرد بهتری ایجاد کند.</p>
<h3>این آموزش برای چه افرادی مناسب است؟</h3>
<p>این دوره برای افراد زیر می‌تواند مفید باشد:</p>
<ul>
<li>دانشجویان مهندسی برق</li>
<li>دانشجویان کامپیوتر و هوش مصنوعی</li>
<li>دانشجویان صنایع</li>
<li>دانشجویان مکانیک و عمران</li>
<li>پژوهشگران بهینه‌سازی</li>
<li>دانشجویان کارشناسی ارشد و دکتری</li>
<li>افرادی که در پایان‌نامه از GA استفاده می‌کنند</li>
<li>افرادی که قصد کدنویسی الگوریتم‌های تکاملی در MATLAB را دارند</li>
</ul>
<h3>پیش‌نیاز دوره</h3>
<p>پیش‌نیاز معرفی‌شده برای این محصول، آشنایی با مبانی <strong>بهینه‌سازی</strong> است.</p>
<p>قبل از پیاده‌سازی یک الگوریتم ژنتیک باید بتوانید متغیرهای تصمیم، تابع هدف، محدوده متغیرها و در صورت نیاز قیود مسئله را به درستی تعریف کنید.</p>
<p>همچنین آشنایی مقدماتی با MATLAB برای استفاده بهتر از بخش کدنویسی توصیه می‌شود.</p>
<h3>هدف این آموزش</h3>
<p>هدف این دوره آن است که مخاطب ابتدا اجزای اصلی Genetic Algorithm را به صورت مفهومی درک کرده و سپس نحوه تبدیل این اجزا به کد MATLAB را یاد بگیرد.</p>
<p>پس از مشاهده آموزش، کاربر باید دید روشن‌تری نسبت به Population، Chromosome، Fitness Function، Selection، Crossover، Mutation و Generation داشته باشد و بتواند ساختار الگوریتم را برای مسئله بهینه‌سازی خود توسعه دهد.</p>
<blockquote class="wp-embedded-content" data-secret="gXPX4nS9yd"><p><a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af/">فیلم جامع آموزش فارسی الگوریتم ژنتیک در متلب MATLAB</a></p></blockquote>
<p><iframe class="wp-embedded-content" sandbox="allow-scripts" security="restricted"  title="“فیلم جامع آموزش فارسی الگوریتم ژنتیک در متلب MATLAB” — ایران متلب" src="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af/embed/#?secret=tH3MtkLJOB#?secret=gXPX4nS9yd" data-secret="gXPX4nS9yd" width="600" height="338" frameborder="0" marginwidth="0" marginheight="0" scrolling="no"></iframe></p>
<p>نوشته <a href="https://matlab1.ir/%d9%81%db%8c%d9%84%d9%85-%d8%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af-2/">فیلم جامع آموزش فارسی الگوریتم ژنتیک در 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%ac%d8%a7%d9%85%d8%b9-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c%da%a9-%d8%af-2/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آموزش Simulink Copilot؛ طراحی و توسعه هوشمند مدل‌های سیمولینک</title>
		<link>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/</link>
					<comments>https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 23 Aug 2026 17:13:32 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14832</guid>

					<description><![CDATA[<p>در این دوره با Simulink Copilot آشنا می‌شوید و یاد می‌گیرید چگونه از قابلیت‌های هوش مصنوعی برای ساده‌تر و سریع‌تر کردن فرایند مدل‌سازی در محیط Simulink استفاده کنید. در طول آموزش، نحوه [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/">آموزش Simulink Copilot؛ طراحی و توسعه هوشمند مدل‌های سیمولینک</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2>در این دوره با Simulink Copilot آشنا می‌شوید و یاد می‌گیرید چگونه از قابلیت‌های هوش مصنوعی برای ساده‌تر و سریع‌تر کردن فرایند مدل‌سازی در محیط Simulink استفاده کنید.</h2>
<p>در طول آموزش، نحوه تبدیل توضیحات متنی به ایده‌های قابل‌پیاده‌سازی، ساخت و تکمیل مدل‌ها، دریافت پیشنهاد برای انتخاب بلوک‌ها، بررسی ساختار سیستم و رفع خطاهای رایج را به‌صورت کاربردی تمرین خواهید کرد. مثال‌های دوره به شکلی طراحی شده‌اند که بتوانید آموخته‌های خود را در پروژه‌های مهندسی، دانشگاهی و صنعتی به کار بگیرید.</p>
<h2>در این دوره چه می‌آموزید؟</h2>
<p>آشنایی با مفهوم و کاربردهای Simulink Copilot<br />
استفاده از دستورات متنی برای توسعه مدل‌های Simulink<br />
انتخاب و تنظیم بلوک‌های مناسب با کمک هوش مصنوعی<br />
تحلیل، اصلاح و تکمیل مدل‌های موجود<br />
شناسایی خطاها و بهبود ساختار مدل<br />
استفاده مؤثر از Copilot در پروژه‌های کنترلی و شبیه‌سازی<br />
نکات مهم برای نوشتن درخواست‌های دقیق و دریافت نتایج بهتر<br />
این آموزش برای چه کسانی مناسب است؟</p>
<p>&nbsp;</p>
<p>این دوره برای دانشجویان، پژوهشگران و مهندسان رشته‌های برق، کنترل، مکانیک، مکاترونیک، خودرو و سایر حوزه‌هایی مناسب است که با MATLAB و Simulink کار می‌کنند و می‌خواهند از هوش مصنوعی برای افزایش سرعت و کیفیت مدل‌سازی خود بهره ببرند.</p>
<p>با یادگیری <a href="https://www.mathworks.com/products/simulink-copilot.html" target="_blank" rel="noopener">Simulink Copilot</a>، به‌جای صرف زمان زیاد برای جست‌وجوی بلوک‌ها و انجام مراحل تکراری، می‌توانید تمرکز خود را بر تحلیل سیستم، طراحی راه‌حل و توسعه پروژه قرار دهید.</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/" target="_blank" rel="noopener"><strong><span style="font-size: 36pt;">لینک دانلود آموزش</span></strong></a></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/">آموزش Simulink Copilot؛ طراحی و توسعه هوشمند مدل‌های سیمولینک</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-simulink-copilot%d8%9b-%d8%b7%d8%b1%d8%a7%d8%ad%db%8c-%d9%88-%d8%aa%d9%88%d8%b3%d8%b9%d9%87-%d9%87%d9%88%d8%b4%d9%85%d9%86%d8%af-%d9%85%d8%af%d9%84%d9%87%d8%a7/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</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-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/</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-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Wed, 29 Jul 2020 06:20:47 +0000</pubDate>
				<category><![CDATA[آموزش python]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری عمیق]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<category><![CDATA[بورس تهران]]></category>
		<category><![CDATA[پیش بینی بورس]]></category>
		<category><![CDATA[خرید بهترین سهام]]></category>
		<category><![CDATA[سهام بورس هوش مصنوعی]]></category>
		<category><![CDATA[شبکه عصبی و بورس]]></category>
		<category><![CDATA[فرابورس]]></category>
		<category><![CDATA[کارگزاری هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری ماشین بورس]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14418</guid>

					<description><![CDATA[<p>چرا این آموزش ؟ در سالهای اخیر سیل علاقه مندان بسیار زیادی وارد بورس شده اند و برخی از آنها سودهای میلیاردی نصیب خود کرده اند. برخی از آنها به تحلیل 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-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/">بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2></h2>
<h2></h2>
<h2><strong><span style="color: #ff6600;">چرا این آموزش ؟</span></strong></h2>
<p style="text-align: justify;"><span style="font-size: 16pt;">در سالهای اخیر سیل علاقه مندان بسیار زیادی وارد <a href="https://tse.ir/" target="_blank" rel="noopener noreferrer">بورس</a> شده اند و برخی از آنها سودهای میلیاردی نصیب خود کرده اند. برخی از آنها به تحلیل های اقتصادی و تکنیکال بورس آشنایی دارند و می توانند روند تغییر قیمت در بورس را پیش بینی کنند. اما همه این دانش و توانایی را ندارند.</span></p>
<p style="text-align: justify;"><span style="font-size: 16pt;"><a href="https://edition.cnn.com/2019/02/17/investing/artificial-intelligence-investors-machine-learning/index.html" target="_blank" rel="noopener noreferrer">خبری در سایت CNN</a> امده است که غول فناوری دنیا IBM ، یک سخت‌افزار ویژه برای استفاده از هوش مصنوعی در علم اقتصاد طراحی کرده است که نشان می دهد هوش مصنوعی چقدر می تواند به فعالین بورس کمک کند. </span></p>
<p><img fetchpriority="high" decoding="async" class="aligncenter size-full" src="https://media.lesechos.com/api/v1/images/view/5d14737c8fe56f63c2439d9d/1280x720/2206844-bourse-de-premiers-fonds-dedies-a-lintelligence-artificielle-web-tete-0302276666667.jpg" width="1280" height="720" /></p>
<p style="text-align: justify;"><span style="font-size: 16pt;">یکی از ابزارهای بسیار پرکاربرد و مفید در جهان، <a href="https://iran-matlab.ir/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/" target="_blank" rel="noopener noreferrer">هوش مصنوعی</a> می باشد. هم اکنون ماشین های بدون راننده با کمک الگوریتم های هوش مصنوعی در خیابان های تعدادی از کشورهای دنیا در حال رفت و آمد هستند که نشان دهنده قدرت و کاربردی بودن <a href="https://iran-matlab.ir/product-category/%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/" target="_blank" rel="noopener noreferrer">هوش مصنوعی</a> دارد. گروه ایران متلب بنا به تجربه طولانی خود با مدلهای مختلف هوش مصنوعی، تصمیم گرفت این آموزش منحصربفرد را تهیه و عرضه کند. برای تهیه این آموزش چندین پایان‌نامه ارشد و دکتری در رشته های اقتصاد و مهندسی و کامپیوتر مطالعه شده است.</span></p>
<p><img decoding="async" class="aligncenter size-full wp-image-25589" src="https://iran-matlab.ir/wp-content/uploads/2020/07/learning.jpg" alt="" width="900" height="555" /></p>
<h2><span style="color: #ff6600;">سرفصل های آموزش :</span></h2>
<p>(با توجه به انحصاری بودن این آموزش، سرفصل ها حذف شد، در آموزش اصلی که برای شما ارسال می شود، سرفصل ها کامل وجود دارند)</p>
<p>&nbsp;</p>
<p><span style="font-size: 16pt;">ما در قسمت برنامه نویسی هم از متلب و هم از پایتون استفاده کرده ایم.</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><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%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/" target="_blank" rel="noopener noreferrer"><span style="font-size: 36pt;">لینک سفارش</span></a></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-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/">بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</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-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/feed/</wfw:commentRss>
			<slash:comments>1</slash:comments>
		
		
			</item>
		<item>
		<title>برنامه نویسی متلب ماشین بردار پشتیبان</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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86/</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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 01 May 2020 08:13:47 +0000</pubDate>
				<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></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=14143</guid>

					<description><![CDATA[<p>این آموزش قسمت سوم بسته آموزش جامع یادگیری ماشین می باشد. در این آموزش شما با نحوه برنامه نویسی ماشین بردار پشتیبان در متلب آشنا خواهید شد. این آموزش بر مبنای آخرین [&#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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86/">برنامه نویسی متلب ماشین بردار پشتیبان</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 آموزش قسمت سوم <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" target="_blank" rel="noopener noreferrer">بسته آموزش جامع یادگیری ماشین</a> می باشد. در این آموزش شما با نحوه برنامه نویسی ماشین بردار پشتیبان در متلب آشنا خواهید شد. این آموزش بر مبنای آخرین نسخه متلب می باشد و به جرات می توان گفت یکی از بهترین آموزش های برنامه نویسی ماشین برار پشتیان در متلب می باشد.</span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15198" src="https://iran-matlab.ir/wp-content/uploads/2020/04/SVM_margin.jpg" alt="" width="310" height="300" /></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">ما در این آموزش از تجربه 15 ساله خود در برنامه نویسی متلب در پروژه های مختلف استفاده کردیم و سعی کردیم تمامی مباحث مهم که یک برنامه نویس لازم دارد تا ماشین بردار پشتیان را استفاده کند را پوشش بدهیم.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اگر شما برنامه نویسی متلب ضعیفی هم دارید می توانید از کدهای آماده ای که در کنار این آموزش قرار دارد استفاده کنید و تنها دیتاست ورودی برنامه را تغییر دهید و برای دیتاست پروژه خود استفاده کنید.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">نرم افزار متلب در سالهای خیلی قبل تابع <a href="http://svm.sourceforge.net/docs/3.00/api/SVMTrain.html" target="_blank" rel="noopener noreferrer">svmtrain</a> را معرفی کرد ولی این تابع مشکلات زیادی داشت و خیلی از کاربران مجبور بودند از کتابخانه های دیگر مثل libsvm استفاده کنند. اما متلب در سالهای اخیر یک تابع جدید معرفی کرد (<a href="https://www.mathworks.com/help/stats/fitcsvm.html" target="_blank" rel="noopener noreferrer">fitcsvm</a>) که مشکل تابع قبلی را نداشت و دارای قابلیت های بسیار زیادی است که کار برنامه نویسی متلب ماشین بردار پشتیبان SVM را ساده می کند. ما در این آموزش قصد داریم شما را با این ابزار آشنا کنیم. مثالهای بسیار زیادی در کنار این آموزش گنجانده شده است که به شما در درک نحوه کار با SVM بسیار کمک می کند. همه مثالها در این فیلم آموزشی خط به خط توضیح داده شده است.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">هزینه ای که شما برای این آموزش پرداخت می کنید، در کنار ساعات بسیار زیادی که صرف خواندن مراجع مختلف و تست کدهای مختلف متلب شده ، بسیار ناچیز است. امیدواریم این آموزش هم بتواند مانند آموزش های قبلی راهگشای شما دوستان گرامی باشد.</span></p>
<p>&nbsp;</p>
<h3><span style="color: #ff6600;">تعداد مثال بالا و نمونه کد:</span></h3>
<p style="text-align: justify;"><span style="font-size: 14pt;">تعداد بیست و یک نمونه کد متلب در کنار این فیلم آموزشی قرار دارد که در هیچ جایی در اینترنت و کتاب قابل دسترسی نیست.</span></p>
<p>&nbsp;</p>
<h2><span style="color: #ff6600;">سرفصل :</span></h2>
<p><span style="font-size: 14pt;">خلاصه ای از تاریخچه ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">برخی از کاربردهای SVM</span></p>
<p><span style="font-size: 14pt;">مفهوم های کلیدی در ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">مفهوم margin</span></p>
<p><span style="font-size: 14pt;">ماشین بردار چیست؟</span></p>
<p><span style="font-size: 14pt;">مفهوم کرنل مفهوم کرنل kernel</span></p>
<p><span style="font-size: 14pt;">بهترین hyperplane</span></p>
<p><span style="font-size: 14pt;">Binary classification</span></p>
<p><span style="font-size: 14pt;">خصوصیات مهم SVM</span></p>
<p><span style="font-size: 14pt;">سرعت SVM</span></p>
<p><span style="font-size: 14pt;">مقدار فضای اشغال شده از حافظه</span></p>
<p><span style="font-size: 14pt;">دیتاست های بعد کم و بعد متوسط</span></p>
<p><span style="font-size: 14pt;">معرفی fitcsvm</span></p>
<p><span style="font-size: 14pt;">معرفی نوع solver</span></p>
<p><span style="font-size: 14pt;">کرنل های مورد استفاده در متلب</span></p>
<p><span style="font-size: 14pt;">فرمول هر کرنل</span></p>
<p><span style="font-size: 14pt;">فرایند بهینه سازی</span></p>
<p><span style="font-size: 14pt;">الگوریتم ISDA و L1QP  و SMO</span></p>
<p><span style="font-size: 14pt;">داده های ورودی آموزش</span></p>
<p><span style="font-size: 14pt;">سطر و ستون در داده ها</span></p>
<p><span style="font-size: 14pt;">مثال یک فایل excel</span></p>
<p><span style="font-size: 14pt;">گرفتن خروجی در مدل SVM</span></p>
<p><span style="font-size: 14pt;">خروجی score</span></p>
<p><span style="font-size: 14pt;">مثال تشخیص سرطان سینه با ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">تحلیل <a href="https://www.mathworks.com/help/stats/classificationsvm.html" target="_blank" rel="noopener noreferrer">classificationSVM</a></span></p>
<p><span style="font-size: 14pt;">مشخص کردن داده های پشتیبان</span></p>
<p><span style="font-size: 14pt;">توضیح فیلدهای خروجی SVM object</span></p>
<p><span style="font-size: 14pt;">گزینه <a href="https://stackoverflow.com/questions/39636898/box-constraint-in-libsvm-package-compare-matlab-fitcsvm-and-libsvm-options" target="_blank" rel="noopener noreferrer">BoxConstraint</a></span></p>
<p><span style="font-size: 14pt;">تاثیر BoxConstraint بر راندمان مدل</span></p>
<p><span style="font-size: 14pt;">گزینه KernelScale</span></p>
<p><span style="font-size: 14pt;">افزایش سرعت آموزش</span></p>
<p><span style="font-size: 14pt;">گزینه PolynomialOrder</span></p>
<p><span style="font-size: 14pt;">گزینه KernelOffset</span></p>
<p><span style="font-size: 14pt;">گزینه Alpha</span></p>
<p><span style="font-size: 14pt;">گزینه CacheSize</span></p>
<p><span style="font-size: 14pt;">Nu</span></p>
<p><span style="font-size: 14pt;">کنترل تعداد تکرارها در آموزش</span></p>
<p><span style="font-size: 14pt;">دستور resume</span></p>
<p><span style="font-size: 14pt;">گزینه verbose</span></p>
<p><span style="font-size: 14pt;">ClassNames</span></p>
<p><span style="font-size: 14pt;">استفاده از cross validation</span></p>
<p><span style="font-size: 14pt;">Holdout</span></p>
<p><span style="font-size: 14pt;">محاسبه ماتریس confusion</span></p>
<p><span style="font-size: 14pt;">رسم performance curve</span></p>
<p><span style="font-size: 14pt;">ResponseName</span></p>
<p><span style="font-size: 14pt;">ScoreTransform</span></p>
<p><span style="font-size: 14pt;">CrossVal</span></p>
<p><span style="font-size: 14pt;">kFoldPredict</span></p>
<p><span style="font-size: 14pt;">تفاوت ماشین بردار پشتیبان خروجی cross validation و fitcsvm</span></p>
<p><span style="font-size: 14pt;">Kfold</span></p>
<p><span style="font-size: 14pt;">گزینه Holdout</span></p>
<p><span style="font-size: 14pt;">کنترل همگرامی</span></p>
<p><span style="font-size: 14pt;">DeltaGradientTolerance</span></p>
<p><span style="font-size: 14pt;">GapTolerance</span></p>
<p><span style="font-size: 14pt;">IterationLimit</span></p>
<p><span style="font-size: 14pt;">حداکثر تعداد تکرار بهینه سازی عددی</span></p>
<p><span style="font-size: 14pt;">KKTTolerance</span></p>
<p><span style="font-size: 14pt;">ShrinkagePeriod</span></p>
<p><span style="font-size: 14pt;">گزینه های بهینه سازی Hyperparameter</span></p>
<p><span style="font-size: 14pt;">&#8216;none&#8217; و &#8216;auto&#8217; و &#8216;all&#8217;</span></p>
<p><span style="font-size: 14pt;">بهینه سازی پارامترهای ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">چه پارامترهایی را در SVM میتوان بهینه کرد؟</span></p>
<p><span style="font-size: 14pt;">مدل فشرده</span></p>
<p><span style="font-size: 14pt;">تفاوت مدل compact و معمولی</span></p>
<p><span style="font-size: 14pt;">محدودیت های ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">برای داده های با ویژگی زیاد از کدام تابع برای ماشین بردار پشتیبان استفاده کنیم؟</span></p>
<p><span style="font-size: 14pt;">کاهش وابستگی داده ها به بازه تغییرات داده ها</span></p>
<p><span style="font-size: 14pt;">بهترین روش محاسبه راندمان SVM چیست؟</span></p>
<p><span style="font-size: 14pt;">کاهش زمان یادگیری با چه پارامتری متناسب است؟</span></p>
<p><span style="font-size: 14pt;">افزایش سرعت همگرایی با چه پارامتری متناسب است؟</span></p>
<p><span style="font-size: 14pt;">داده های تکراری</span></p>
<p><span style="font-size: 14pt;">مثال برنامه نویسی ماشین بردار پشتیان چند کلاسه</span></p>
<p><span style="font-size: 14pt;">تابع <a href="https://www.mathworks.com/help/stats/fitcecoc.html" target="_blank" rel="noopener noreferrer">fitcecoc</a></span></p>
<p><span style="font-size: 14pt;">ساخت قالب <a href="https://www.mathworks.com/help/stats/templatesvm.html" target="_blank" rel="noopener noreferrer">Template SVM</a></span></p>
<p><span style="font-size: 14pt;">مثال برنامه نویسی برای نشان دادن تاثیر استاندارد کردن داده ها</span></p>
<p><span style="font-size: 14pt;">مثال برنامه نویسی k-fold</span></p>
<p><span style="font-size: 14pt;">مثال برنامه نویسی کرنل سفارشی برای ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">misclassification</span></p>
<p><span style="font-size: 14pt;">مثال برنامه نویسی بهینه سازی پارامترهای ماشین بردار پشتیبان</span></p>
<p><span style="font-size: 14pt;">گزینه optimizer</span></p>
<p><span style="font-size: 14pt;">نقاط best observed</span></p>
<p><span style="font-size: 14pt;">نقاط best estimated</span></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;">پیش نمایش اول</p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=9310499602" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/file/znxkn3g3oyirc50/demo1_MATLAB_SVM.rar/file" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش اول</a></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;">پیش نمایش دوم</p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=455661760237" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/file/964vb223g922ms5/demo2_MATLAB_SVM.rar/file" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش دوم</a></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;">پیش نمایش سوم</p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=656954662033" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><a href="http://www.mediafire.com/file/hcvk8oycsg0yy2j/demo3_MATLAB_SVM.rar/file" target="_blank" rel="noopener noreferrer">لینک دانلود پیش نمایش سوم</a></p>
<hr />
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 16pt;"><span style="color: #800080;"><strong>مدت زمان</strong></span> : <strong><span style="color: #008000;">172 دقیقه</span></strong></span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 72pt;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86" target="_blank" rel="noopener noreferrer">لینک سفارش</a></span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<h4><span style="color: #ff6600;">توصیه :</span></h4>
<p style="text-align: justify;"><span style="font-size: 14pt;">جهت درک بهتر ماشین بردار پشتیان به علاقه مندان توصیه می شود <a href="https://iran-matlab.ir/?product=%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%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1-%D9%BE%D8%B4%D8%AA%DB%8C%D8%A8%D8%A7%D9%86" target="_blank" rel="noopener noreferrer">فیلم آموزشی تئوری ماشین بردار پشتیبان</a> را ابتدا تهیه کنند تا با مفاهیم آن به طور کامل آشنا شوند. این فیلم آموزشی توسط سه نفر از دانشجویان <a href="https://www.iut.ac.ir/fa/isfahan-university-of-technology" target="_blank" rel="noopener noreferrer">دانشگاه صنعتی اصفهان</a> تهیه شده است. جهت مشاهده این فیلم آموزشی بر روی تصویر زیر کلیک کنید:</span></p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/?product=%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%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1-%D9%BE%D8%B4%D8%AA%DB%8C%D8%A8%D8%A7%D9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter" src="https://iran-matlab.ir/wp-content/uploads/2015/10/Support-Vector-Machines-training-video-class-slide.png" alt="" width="182" height="182" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86/">برنامه نویسی متلب ماشین بردار پشتیبان</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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>پیش پردازش داده و معیارهای ارزیابی در MATLAB</title>
		<link>https://matlab1.ir/%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b1%d8%b2%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab/</link>
					<comments>https://matlab1.ir/%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b1%d8%b2%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 01 May 2020 08:08:32 +0000</pubDate>
				<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14137</guid>

					<description><![CDATA[<p>این آموزش قسمت دوم بسته آموزش جامع یادگیری ماشین می باشد. ما در این آموزش شما با ابزارهای و تابع های متلب در پیش پردازش داده و معیارهای ارزیابی مدل های یادگیری [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b1%d8%b2%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab/">پیش پردازش داده و معیارهای ارزیابی در 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;">این آموزش قسمت دوم <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" target="_blank" rel="noopener noreferrer">بسته آموزش جامع یادگیری ماشین</a> می باشد. ما در این آموزش شما با ابزارهای و تابع های متلب در پیش پردازش داده و معیارهای ارزیابی مدل های یادگیری ماشین آشنا می کنیم.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">در هر کار یادگیری ماشین ما با داده (data) در ارتباط هستیم. این داده ها می توانند از منابع مختلفی گردآوری شده باشند. اکثر متخصصان یادگیری ماشین داده های ورودی به مدل یادگیری ماشین را ابتدا مورد پردازش قرار می دهند تا بتوانند هر گونه اشکال یا ایراد در داده ها را پیدا و رفع کنند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">هنگامی که حجم داده های ورودی به سیستم کم می باشد، می توان از روشهای دستی برای پیش پردازش داده استفاده کرد اما هنگامی که تعداد داده ها بیش از چند میلیون می باشد، روش دستی دیگر جوابگو نیست و لازم است ، ابزارهای اتوماتیکی برای پیش پردازش داده بکار گرفته شود. متلب ابزارهای بسیار حرفه ای و خوبی برای این کار دارد و از آنجایی که متلب خودش ماتریس مبنا می باشد یعنی تمامی متغییرها به صورت ماتریس در نظر گرفته می شوند و یک جعبه ابزار حرفه ای آمار دارد، به کاربران یادگیری ماشین می تواند در پیش پردازش داده بسیار کمک کند. بخش اول این آموزش به تابع و نمودارهای پیش پردازش داده در متلب اختصاص دارد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">بخش دوم این آموزش مخنص معیارهای ارزیابی در یادگیری ماشین می باشد. منظور از معیارهای ارزیابی ، همان معیارهای است که در بیشتر مواقع بعد از یک کار یادگیری ماشین مورد استفاده قرار می گیرد تا مدل نهایی مورد ارزیابی قرار گیرد. در یک کار یادگیری ماشین، ما مدل خود را با داده های آموزش ، آموزش می دهیم و با داده های تست ، تست می کنیم تا بفهمیم مدل آموزش یافته ما چقدر خوب آموزش یافته است و خاصیت عمومیت پذیری آن چقدر است؟ راندمان آن چقدر است؟ در هر کلاس، یک مدل دسته بندی چقدر درست عمل کرده است؟ دو مدل رگرسیون را چطور باید مقایسه کنیم؟ معیار چیست؟ و خیلی سوالات دیگر مربوط به همین مبحث معیارهای ارزیابی می شود.</span></p>
<p>&nbsp;</p>
<h3><span style="color: #ff6600;">سرفصل :</span></h3>
<p><span style="font-size: 14pt;">متغییرهای گروهی</span></p>
<p><span style="font-size: 14pt;">تقسیم داده ها بر اساس گروه</span></p>
<p><span style="font-size: 14pt;">یافتن تعداد کلاس ها</span></p>
<p><span style="font-size: 14pt;">تابع <a href="https://mathworks.com/help/matlab/ref/splitapply.html">splitapply</a></span></p>
<p><span style="font-size: 14pt;">رسم گروه بندی شده داده ها</span></p>
<p><span style="font-size: 14pt;">حذف یک کلاس از داده ها</span></p>
<p><span style="font-size: 14pt;">محاسبه درصد و تعداد هر گروه در داده</span></p>
<p><span style="font-size: 14pt;">رسم نمودار پراکندگی بر اساس گروه</span></p>
<p><span style="font-size: 14pt;">مزیت droplevels</span></p>
<p><span style="font-size: 14pt;">رسم نمودار ماتریس گروه</span></p>
<p><span style="font-size: 14pt;">محاسبه معیارهای آماری هر گروه</span></p>
<p><span style="font-size: 14pt;">چه داده هایی در متلب به عنوان missing در نظر گرفته می شوند؟</span></p>
<p><span style="font-size: 14pt;">عملیات یا داده های شامل NaN</span></p>
<p><span style="font-size: 14pt;">چطور داده های ما شامل NaN می شوند؟</span></p>
<p><span style="font-size: 14pt;">محاسبات آماری با داده هایی که شامل مقادیر missing هستند</span></p>
<p><span style="font-size: 14pt;">آشنایی با دیتاست های آماده متلب</span></p>
<p><span style="font-size: 14pt;">خواندن داده از فایل اکسل <a href="https://en.wikipedia.org/wiki/Microsoft_Excel" target="_blank" rel="noopener noreferrer">excel</a></span></p>
<p><span style="font-size: 14pt;">خواندن داده های یک sheet</span></p>
<p><span style="font-size: 14pt;">خواندن داده های یک range</span></p>
<p><span style="font-size: 14pt;">یافتن اتوماتیک داده های missing</span></p>
<p><span style="font-size: 14pt;">حذف داده های missing از داده های ورودی</span></p>
<p><span style="font-size: 14pt;">جایگزینی داده های missing</span></p>
<p><span style="font-size: 14pt;">ایجاد داده های missing</span></p>
<p><span style="font-size: 14pt;">یافتن outliers در داده ها</span></p>
<p><span style="font-size: 14pt;">شناسایی و جایگزینی outliers</span></p>
<p><span style="font-size: 14pt;">حذف outliers از داده ها</span></p>
<p><span style="font-size: 14pt;">انواع روش های جایگزینی داده های missing</span></p>
<p><span style="font-size: 14pt;">تعیین جهت عملگر بر روی داده های 2 بعدی</span></p>
<p><span style="font-size: 14pt;">مفهوم outliers</span></p>
<p><span style="font-size: 14pt;">معیار MAD یا <a href="https://en.wikipedia.org/wiki/Median_absolute_deviation" target="_blank" rel="noopener noreferrer">median absolute deviation</a></span></p>
<p><span style="font-size: 14pt;">یافتن تغییرات شدید در داده ها</span></p>
<p><span style="font-size: 14pt;">یافتن مینیمم های محلی</span></p>
<p><span style="font-size: 14pt;">یافتن ماکزیمم های محلی</span></p>
<p><span style="font-size: 14pt;">هموار کردن داده smoothing</span></p>
<p><span style="font-size: 14pt;">معیار میانگین حرکتی</span></p>
<p><span style="font-size: 14pt;">معیار میانه حرکتی</span></p>
<p><span style="font-size: 14pt;">پنجره در هموار کردن و معیارهای حرکتی</span></p>
<p><span style="font-size: 14pt;">نرمالیزه کردن داده</span></p>
<p><span style="font-size: 14pt;">روش zscore</span></p>
<p><span style="font-size: 14pt;">روش norm</span></p>
<p><span style="font-size: 14pt;">روش scale</span></p>
<p><span style="font-size: 14pt;">روش range</span></p>
<p><span style="font-size: 14pt;">روش center</span></p>
<p><span style="font-size: 14pt;">تابع rescale</span></p>
<p><span style="font-size: 14pt;">معیار cross validation در متلب</span></p>
<p><span style="font-size: 14pt;">مفهوم <a href="http://statweb.stanford.edu/~tibs/sta306bfiles/cvwrong.pdf" target="_blank" rel="noopener noreferrer">k-fold</a></span></p>
<p><span style="font-size: 14pt;">یک مثال برنامه نویسی پیچیده</span></p>
<p><span style="font-size: 14pt;">تابع crossval</span></p>
<p><span style="font-size: 14pt;">ماتریس confusion</span></p>
<p><span style="font-size: 14pt;">چارت ماتریسی confusion</span></p>
<p><span style="font-size: 14pt;">نمودار ROC</span></p>
<p><span style="font-size: 14pt;">هدف از ROC چیست؟</span></p>
<p><span style="font-size: 14pt;">معیار Number of true positive</span></p>
<p><span style="font-size: 14pt;">معیار Number of false negative</span></p>
<p><span style="font-size: 14pt;">معیار Number of false positive</span></p>
<p><span style="font-size: 14pt;">معیار Number of true negative</span></p>
<p><span style="font-size: 14pt;">معیار Rate of positive predictions</span></p>
<p><span style="font-size: 14pt;">معیار Rate of negative predictions</span></p>
<p><span style="font-size: 14pt;">معیار Accuracy</span></p>
<p><span style="font-size: 14pt;">معیار True positive rate یا sensitivity یا recall</span></p>
<p><span style="font-size: 14pt;">معیار False negative rate</span></p>
<p><span style="font-size: 14pt;">معیار False positive rate یا fallout یا 1 – specificity</span></p>
<p><span style="font-size: 14pt;">معیار True negative rate یا specificity</span></p>
<p><span style="font-size: 14pt;">معیار Positive predictive value یا precision</span></p>
<p><span style="font-size: 14pt;">معیار Negative predictive value</span></p>
<p><span style="font-size: 14pt;">مقایسه نمودار های <a href="https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc" target="_blank" rel="noopener noreferrer">ROC</a></span></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/?product=%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b2%d8%b1%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab" target="_blank" rel="noopener noreferrer"><span style="font-size: 30pt;">لینک سفارش</span></a></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">پیش نمایش اول </span></strong></span></p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=957130736725" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"><span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start">﻿</span></iframe></p>
<p style="text-align: center;"><span style="font-size: 18pt;"><a href="http://www.mediafire.com/file/i4ybyhsyks3o0lh/demo1_prerocess.rar/file" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش اول (کیفیت بالا)</a></span></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">پیش نمایش دوم</span></strong></span></p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=378891415791" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"><span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start">﻿</span></iframe></p>
<p style="text-align: center;"><span style="font-size: 18pt;"><a href="http://www.mediafire.com/file/2gw171ve2fth0lc/demo2_prerocess.rar/file" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش دوم (کیفیت بالا)</a></span></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">پیش نمایش سوم</span></strong></span></p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=850569462867" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"><span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start">﻿</span></iframe></p>
<p style="text-align: center;"><span style="font-size: 18pt;"><a href="http://www.mediafire.com/file/20ggqbm8fq7l3k8/demo3_prerocess.rar/file" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش سوم (کیفیت بالا)</a></span></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><span style="font-size: 16pt;"><span style="color: #800080;"><strong>مدت زمان</strong></span> : <strong><span style="color: #008000;">224 دقیقه</span></strong></span></p>
<p>نوشته <a href="https://matlab1.ir/%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b1%d8%b2%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab/">پیش پردازش داده و معیارهای ارزیابی در 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%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b1%d8%b2%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>مبانی و مقدمات یادگیری ماشین</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-%d9%85%d8%a7%d8%b4%db%8c%d9%86/</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-%d9%85%d8%a7%d8%b4%db%8c%d9%86/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 30 Apr 2020 20:31:21 +0000</pubDate>
				<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14133</guid>

					<description><![CDATA[<p>این آموزش قسمت اول بسته جامع یادگیری ماشین می باشد که اختصاص به مبانی و مقدمات یادگیری ماشین دارد. هر شخصی که بخواهد از یادگیری ماشین در یک پروژه استفاده کند، لازم [&#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-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">مبانی و مقدمات یادگیری 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;">این آموزش قسمت اول <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" target="_blank" rel="noopener noreferrer">بسته جامع یادگیری ماشین</a> می باشد که اختصاص به مبانی و مقدمات یادگیری ماشین دارد. هر شخصی که بخواهد از یادگیری ماشین در یک پروژه استفاده کند، لازم است که با تئوری یادگیری ماشین آشنایی کامل داشته باشد تا بتواند یک مدل خوب و با راندمان بالا طراحی کند. بنابراین یادگیری مبانی و مقدمات یادگیری ماشین ، اولین کاری است که یک علاقه مند به یادگیری ماشین باید انجام دهد.</span></p>
<p><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15161" src="https://iran-matlab.ir/wp-content/uploads/2020/04/AI-machine-learning.jpg" alt="" width="850" height="267" /></p>
<p>&nbsp;</p>
<h3><span style="color: #ff6600;">برخی از سرفصل های این آموزش :</span></h3>
<p style="text-align: justify;"><span style="font-size: 14pt;">تعریف <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" target="_blank" rel="noopener noreferrer">یادگیری ماشین</a></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">تاریخچه یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">برنامه نویسی با مثال</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مثالهای کاربردی یادگیری ماشین</span></p>
<p style="text-align: justify;"><a href="https://spectrum.ieee.org/robotics/home-robots" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">ربات خانگی</span></a></p>
<p style="text-align: justify;"><a href="https://robonaut.jsc.nasa.gov/R2/" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">ربات فضانورد ناسا</span></a></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">تعریف عمل یادگیری</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">دستیار صوتی گوگل و <a href="https://www.apple.com/siri/" target="_blank" rel="noopener noreferrer">اپل</a></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">یادگیری با داده</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">یادگیری با ناظر</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">یادگیری بدون ناظر</span></p>
<p style="text-align: justify;"><a href="https://en.wikipedia.org/wiki/Statistical_classification" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">دسته بندی classification</span></a></p>
<p style="text-align: justify;"><a href="https://en.wikipedia.org/wiki/Regression_analysis" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">رگرسیون regression</span></a></p>
<p style="text-align: justify;"><a href="https://developers.google.com/machine-learning/clustering/clustering-algorithms" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">خوشه بندی clustering</span></a></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">بعد dimension از یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مثالهای کاربردی یادگیری بدون ناظر</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">آنالیز شبکه های اجتماعی</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">بخش بندی بازار</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">آنالیز داده های کهکشانی</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">آنالیز عناصر غیر وابسته</span></p>
<p style="text-align: justify;"><a href="http://rail.eecs.berkeley.edu/deeprlcourse/" target="_blank" rel="noopener noreferrer"><span style="font-size: 14pt;">Deep reinforcement learning</span></a></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">انجام بازی با یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">چگونه بفهمیم که مدل یادگیری ماشین نهایی خوب کار می کند ؟</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">تست عمومیت پذیری مدل</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم Underfit و Overfit</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">تاثیر تعداد داده های آموزش در راندمان مدل یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مدل ساده یا مدل پیچیده</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم نمودارهای خروجی یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">یک مثال دسته بندی spam</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مراحل پیشنهادی برای طراحی یک مدل یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">آنالیز خطا</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">ماتریس confusion</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم precision</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم recall</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم true positiveو true negative و false positive و false negative</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">Trade off بین precision و recall</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">تعیین حد آستانه در یک مدل یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">چگونه به یک مدل یادگیری ماشین بهینه برسیم؟</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">معیار <a href="https://en.wikipedia.org/wiki/F1_score" target="_blank" rel="noopener noreferrer">F1 score</a></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">آیا در یک مدل یادگیری ماشین نوع مدل مهم است؟</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اهمیت داده در مدل یادگیری ماشین چیست؟</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">محاسبه accuracy و recall و precision و f-measure بر اساس TP, FP, TN,FN</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">معیارهای ازریابی رگرسیون AIC و BIC و Mallow’s cp و R2 بهبود بافته</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم <a href="https://www.cs.cmu.edu/~schneide/tut5/node42.html" target="_blank" rel="noopener noreferrer">cross validation</a></span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم k-fold</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">سیستم یادگیری ماشین offline</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">سیستم یادگیری ماشین online</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">نکات مهم در داده های ورودی در یک سیستم یادگیری ماشین</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مفهوم clear و obvious</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">مقایسه بین Keras و MATLAB و Tensorflow و Scikit-learn </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اگر مدل یادگیری ماشین شما خوب جواب نمی دهد، چه کار کنیم؟</span></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%a7%d8%b4%db%8c%d9%86" target="_blank" rel="noopener noreferrer"><span style="font-size: 30pt;">لینک سفارش</span></a></p>
<p>&nbsp;</p>
<hr />
<p style="text-align: center;"><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">پیش نمایش اول </span></strong></span></p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=2786207349" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><span style="font-size: 18pt;"><a href="http://www.mediafire.com/file/1phkgj1gcs5ugvt/demo1_basic.rar/file" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش اول (کیفیت بالا)</a></span></p>
<hr />
<p style="text-align: center;"><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">پیش نمایش دوم</span></strong></span></p>
<p><iframe loading="lazy" src="https://takhtesefid.org/embed?v=43369665675" width="806" height="392" frameborder="0" scrolling="no" allowfullscreen="allowfullscreen"></iframe></p>
<p style="text-align: center;"><span style="font-size: 18pt;"><a href="http://www.mediafire.com/file/cqucss8zxvkg6n3/demo2_basic.rar/file" target="_blank" rel="noopener noreferrer">دانلود پیش نمایش دوم (کیفیت بالا)</a></span></p>
<p style="text-align: center;"><span style="font-size: 16pt;"><span style="color: #800080;"><strong>مدت زمان</strong></span> : <strong><span style="color: #008000;">228 دقیقه</span></strong></span></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-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">مبانی و مقدمات یادگیری ماشین</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-%d9%85%d8%a7%d8%b4%db%8c%d9%86/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>بسته آموزش جامع یادگیری ماشین machine learning</title>
		<link>https://matlab1.ir/%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/</link>
					<comments>https://matlab1.ir/%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/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 30 Apr 2020 20:25:48 +0000</pubDate>
				<category><![CDATA[داده كاوي]]></category>
		<category><![CDATA[دسته بندی کننده درختی]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[ماشین بردار پشتیبان]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14128</guid>

					<description><![CDATA[<p>یادگیری ماشین دانش استفاده از کامیپوتر بدون برنامه نویسی آن به صورت مشخص می باشد. شما در سیستم های embedded لازم است تا با یک زبان برنامه نویسی مثل C++ یا VHDL [&#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-%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/">بسته آموزش جامع یادگیری ماشین machine learning</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;">یادگیری ماشین دانش استفاده از کامیپوتر بدون برنامه نویسی آن به صورت مشخص می باشد. </span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter wp-image-15184" src="https://iran-matlab.ir/wp-content/uploads/2020/04/Robots-machine-learning.jpg" alt="" width="487" height="649" /></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">شما در سیستم های embedded لازم است تا با یک زبان برنامه نویسی مثل C++ یا VHDL برنامه ای بنویسید و داخل حافظه میکروکنترلر یا FPGA بارگذاری کنید تا سیستم شما بتواند کار مورد نظرشما را انجام دهد. مثلا فرض کنید یک سیستم دارید که قرار است با دستورهای صوتی یک موتور را روشن و خاموش کند. در این سیستم لازم است که شما برنامه مشخصی بنویسید که اگر فرمان شروع گفته شد ، موتور را روشن و اگر فرمان خاموش گفته شد، موتور را خاموش کند. این برنامه شما هیچ قسمت هوشمندی ندارد که قادر به یادگیری باشد، بلکه یک برنامه شرطی هست که متناسب با ورودی آن یک خروجی دارد. اما در یک سیستم یادگیری ماشین ما هیچ برنامه مشخصی برای سیستم نمی نویسیم بلکه ما یک مدل هوشمند داریم که قابلیت یادگیری دارد. مدل ما در یک فرایند آموزش یاد می گیرد که متناسب با هر فرمانی چه عکس العملی را باید نشان دهد. آموزش قسمت اصلی یک مدل یادگیری ماشین ML می باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">اکنون یادگیری ماشین توانسته کاربردهای بسیار زیادی پیدا کند مثل ماشین های بدون راننده، شناسایی صوت، جستجوی وب ، تشخیص بیماری و درک بهتر ژن انسان.</span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15159" src="https://iran-matlab.ir/wp-content/uploads/2020/04/what_is_machine_learning_image.jpg" alt="" width="800" height="554" /></p>
<p style="text-align: justify;"><span style="font-size: 14pt;"> یادگیری ماشین اکنون اینقدر گسترده شده است که شما به احتمال زیاد در طول روز از یک سیستم بر مبنای یادگیری ماشین دارید استفاده می کنید اما دقیقا نمی دانید که یادگیری ماشین است. مثلا بسیاری از ابزارهای داخل یک گوشی هوشمند که بیشتر آنها با یک مدل یادگیری ماشین عمل می کنند.</span></p>
<p>&nbsp;</p>
<p style="text-align: justify;"><span style="font-size: 14pt;">ما در این آموزش سعی کردیم که در کنار تئوری ، مثالهای عملی زیادی هم بزنیم تا شما بتوانید درک بهتری از کاربردهای یادگیری ماشین در دنیای واقعی پیدا کنید و بتوانید از یادگیری ماشین در پروژه های عملی خود استفاده کنید.</span></p>
<p>&nbsp;</p>
<p style="text-align: center;"><span style="font-size: 30pt;"><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" target="_blank" rel="noopener noreferrer">لینک دانلود</a></span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p><span style="font-size: 14pt;"><strong>مرجع های این آموزش :</strong></span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter wp-image-15153" src="https://iran-matlab.ir/wp-content/uploads/2020/04/standford-university.jpg" alt="" width="260" height="89" /><br />
<span style="font-size: 14pt;"><a href="http://cs229.stanford.edu" target="_blank" rel="noopener noreferrer">درس یادگیری ماشین دانشگاه استنفورد</a></span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter wp-image-15154" src="https://iran-matlab.ir/wp-content/uploads/2020/04/MIT-university.jpg" alt="" width="425" height="107" /><br />
<span style="font-size: 14pt;"><a href="http://machinelearning.mit.edu" target="_blank" rel="noopener noreferrer">درس یادگیری ماشین دانشگاه MIT </a></span></p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter wp-image-15155" src="https://iran-matlab.ir/wp-content/uploads/2020/04/google-developer.jpg" alt="" width="461" height="131" /><br />
<span style="font-size: 14pt;"><a href="https://developers.google.com/machine-learning/crash-course/ml-intro" target="_blank" rel="noopener noreferrer">آموزش از پایه یادگیری ماشین ارائه شده در توسعه دهندگان گوگل Google Developer</a></span></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 ماشین</strong></p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%a7%d8%b4%db%8c%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-15151 size-medium" src="https://iran-matlab.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png" alt="" width="300" height="300" /></a></p>
<hr />
<p style="text-align: center;"><strong>قسمت دوم</strong></p>
<p style="text-align: center;"><strong>پیش پردازش داده و معیارهای ارزیابی در MATLAB</strong></p>
<p><a href="https://iran-matlab.ir/?product=%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b2%d8%b1%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-15234 size-medium" src="https://iran-matlab.ir/wp-content/uploads/2020/04/machine-learning-MATLAB-data-preprocessing2-300x300.png" alt="" width="300" height="300" /></a></p>
<hr />
<p style="text-align: center;"><strong>قسمت سوم</strong></p>
<p style="text-align: center;"><strong>برنامه نویسی متلب ماشین بردار پشتیبان</strong></p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-15193 size-medium" src="https://iran-matlab.ir/wp-content/uploads/2020/04/Support-vector-machine-SVM-300x300.png" alt="" width="300" height="300" /></a></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-%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/">بسته آموزش جامع یادگیری ماشین machine 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-%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/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		
			</item>
		<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 loading="lazy" 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 loading="lazy" 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 loading="lazy" 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>تقسیم داده به آموزش و تست در یادگیری ماشین</title>
		<link>https://matlab1.ir/%d8%aa%d9%82%d8%b3%db%8c%d9%85-%d8%af%d8%a7%d8%af%d9%87-%d8%a8%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88-%d8%aa%d8%b3%d8%aa-%d8%af%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4/</link>
					<comments>https://matlab1.ir/%d8%aa%d9%82%d8%b3%db%8c%d9%85-%d8%af%d8%a7%d8%af%d9%87-%d8%a8%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88-%d8%aa%d8%b3%d8%aa-%d8%af%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sat, 11 Jan 2020 13:57:17 +0000</pubDate>
				<category><![CDATA[هوش مصنوعی]]></category>
		<category><![CDATA[یادگیری ماشین در پایتون]]></category>
		<guid isPermaLink="false">https://matlab1.ir/?p=14096</guid>

					<description><![CDATA[<p>یکی از کارهای پایه در یادگیری ماشین تقسیم داده به دو قسمت آموزش و تست می باشد. با داده های آموزش ، مدل را آموزش می دهیم و با داده های تست [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%aa%d9%82%d8%b3%db%8c%d9%85-%d8%af%d8%a7%d8%af%d9%87-%d8%a8%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88-%d8%aa%d8%b3%d8%aa-%d8%af%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4/">تقسیم داده به آموزش و تست در یادگیری ماشین</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">یکی از کارهای پایه 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/" target="_blank" rel="noopener noreferrer">یادگیری ماشین</a> تقسیم داده به دو قسمت آموزش و تست می باشد.</p>



<p class="wp-block-paragraph">با داده های آموزش ، مدل را آموزش می دهیم و با داده های تست ، مدل آموزش یافته را تست می کنیم.</p>



<p class="wp-block-paragraph">&nbsp;</p>



<p class="wp-block-paragraph">&nbsp;</p>



<p class="wp-block-paragraph">% Split train and test data</p>





<p class="wp-block-paragraph" dir="ltr">[train, test]<code> = dividerand(length(Y), 0.7, 0.3);<br /> X_train = X(train, :);<br /> Y_train = Y(train);<br /> X_test = X(test, :);<br /> Y_test = Y(test);</code></p>






&nbsp;

&nbsp;
<p style="text-align: center;"><strong><span style="font-size: 18pt;">بر روی هر تصویر کلیک کنید تا توضیحات کامل هر قسمت را مشاهده فرمایید</span></strong></p>
&nbsp;

&nbsp;
<p style="text-align: center;"><a href="https://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-%d9%85%d8%a7%d8%b4%db%8c%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="wp-image-14134 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
&nbsp;
<p style="text-align: center;"><a href="https://iran-matlab.ir/?product=%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b2%d8%b1%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-14138 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
&nbsp;
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14144" src="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
&nbsp;

&nbsp;
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b1%d8%ae%d8%aa-%d8%aa%d8%b5%d9%85%db%8c%d9%85/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14149" src="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
&nbsp;

&nbsp;

&nbsp;
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%86%d8%b2%d8%af%db%8c%da%a9%d8%aa%d8%b1%db%8c%d9%86-%d9%87%d9%85%d8%b3%d8%a7%db%8c%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14378" src="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
&nbsp;

&nbsp;

<a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%db%8c%d8%b2-%d8%b3%d8%a7%d8%af%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14382" src="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a>

&nbsp;

&nbsp;
<p style="text-align: center;"><a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%da%a9%d9%86%d9%86%d8%af%d9%87-%d8%af%d8%b1/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14386" src="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p><p>نوشته <a href="https://matlab1.ir/%d8%aa%d9%82%d8%b3%db%8c%d9%85-%d8%af%d8%a7%d8%af%d9%87-%d8%a8%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88-%d8%aa%d8%b3%d8%aa-%d8%af%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4/">تقسیم داده به آموزش و تست در یادگیری ماشین</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%aa%d9%82%d8%b3%db%8c%d9%85-%d8%af%d8%a7%d8%af%d9%87-%d8%a8%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88-%d8%aa%d8%b3%d8%aa-%d8%af%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4/feed/</wfw:commentRss>
			<slash:comments>2</slash:comments>
		
		
			</item>
		<item>
		<title>آشکارسازی بر اساس یادگیری ماشین</title>
		<link>https://matlab1.ir/%d8%a2%d8%b4%da%a9%d8%a7%d8%b1%d8%b3%d8%a7%d8%b2%db%8c-%d8%a8%d8%b1-%d8%a7%d8%b3%d8%a7%d8%b3-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/</link>
					<comments>https://matlab1.ir/%d8%a2%d8%b4%da%a9%d8%a7%d8%b1%d8%b3%d8%a7%d8%b2%db%8c-%d8%a8%d8%b1-%d8%a7%d8%b3%d8%a7%d8%b3-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 11 Apr 2017 14:14:24 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=5131</guid>

					<description><![CDATA[<p>در این رویکرد، مشکلاتی از قبیل رنگ و شکل علامت ترافیکی با استفاده از کدگذاری دستی حل شده است. این دانش با استفاده از یادگیری ماشین ، عمل اکتشاف را انجام میدهد.پژوهشی [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d8%b4%da%a9%d8%a7%d8%b1%d8%b3%d8%a7%d8%b2%db%8c-%d8%a8%d8%b1-%d8%a7%d8%b3%d8%a7%d8%b3-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">آشکارسازی بر اساس یادگیری 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: 12pt;">در این رویکرد، مشکلاتی از قبیل رنگ و شکل علامت ترافیکی با استفاده از کدگذاری دستی حل شده است. این دانش با استفاده از <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/" target="_blank" rel="noopener noreferrer">یادگیری ماشین</a> ، عمل اکتشاف را انجام میدهد.پژوهشی که توسط ویولا وجونز انجام گرفت، نقصه عطفی در بینایی ماشین است. آنها الگوریتمی ارایه دادند که قادر به آشکارسازی اشیا بصورت بلادرنگ بود، این آشکارسازی با دقت وهمینطور قابلیت اعتماد بالایی انجام می گرفت. آشکار ساز با استفاده از مثالهای مثبت ومنفی ، تمرین داده می شد. از سوی دیگر، سایر محققین ؛ این الگوریتم را برای شناسایی اشیا در کلاس های مختلف دیگر به کار بردند و به موفقیتهایی دست یافتند. در این بین کلاس مربوط به علایم ترافیکی هم با موفقیت تشخیص داده شد]67[.</span><br />
<span style="font-size: 12pt;"> آشکار ساز ویولا و جونز، توجه خاصی به تقویت، کلاس بندی از طریقHaar-likeدارد.این آشکار ساز باترکیب دو مفهوم , AdaBoost Haar-like این کار را انجام میدهد. طبقه بندی کننده Haar-likeها با استفاده از مستطیل های ساده ای که، نشان دهنده تفاوت مقادیر پیکسلها در یک تصویر است، ساخته می شوند .هر ویژگی با دو خصوصیت، آستانه وتصمیمی که طبقه بندی کننده میگیرد؛ساخته می شود. این تصمیم با مقایسه مقدار ویژگی های تعیین شده و آستانه گرفته می شود.در تصویر(3-13) چند نوع از مورد استفاده در مقاله اصلی نشان داده شده است.</span></p>
<p style="text-align: justify;"><span style="font-size: 12pt;">شکل ‏3 13: نمونه های از Haar-like هایی که در آموزش آشکارسازی بکار برده می شوند]11[</span></p>
<p style="text-align: justify;"><span style="font-size: 12pt;">AdaBoost یک روش برای ترکیب تعدادی از طبقه بندی کننده های ضعیف است، این ترکیب طوری انجام میگیرد که یک طبقه بندی کننده قوی را ایجاد کند. گروه ویولا وجونز ، چند طبقه بندی کننده قوی ساخته اند که با توجه به خصوصیت آبشاری، سرعت بالایی هم دارند. طبقه بندی قوی در مرحله اول آبشار انجام می گیرد، بطوری که تعدادی از نمونه های مثبت غیر واقعی را دور می اندازد ونمونه های مثبت واقعی را از مجموعه آموزش نگه می دارد. روند آشکارسازی بدین صورت است که یک پنجره آشکارسازی در سرتاسر تصویر لغزش پیدا میکند، در داخل این پنجره واکنش وپاسخ آن نسبت به آبشار محاسبه می شود. اندازه پنجره تا وقتیکه به اندازه های از پیش از تعیین شده برسد،افزایش پیدا میکند]11[.</span><br />
<span style="font-size: 12pt;"> رشد این پنجره را با فاکتورمقیاسی نسبت به تصویر مشخص میکنند. بنابراین تغییر مقیاس، بر کیفیت آشکارسازی وسرعت آشکارسازی تاثیر میگذارد، یعنی با کاهش اندازه آن احتمال آشکارسازی علامت بیشتر میشود ولی اینکار منجر به افزایش زمان برای اتمام کار الگوریتم خواهد شد]16[.</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><strong><span style="font-size: 18pt;">بر روی هر تصویر کلیک کنید تا توضیحات کامل هر قسمت را مشاهده فرمایید</span></strong></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%a7%d8%b4%db%8c%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="wp-image-14134 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/?product=%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b2%d8%b1%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-14138 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14144" src="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b1%d8%ae%d8%aa-%d8%aa%d8%b5%d9%85%db%8c%d9%85/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14149" src="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%86%d8%b2%d8%af%db%8c%da%a9%d8%aa%d8%b1%db%8c%d9%86-%d9%87%d9%85%d8%b3%d8%a7%db%8c%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14378" src="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%db%8c%d8%b2-%d8%b3%d8%a7%d8%af%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14382" src="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%da%a9%d9%86%d9%86%d8%af%d9%87-%d8%af%d8%b1/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14386" src="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a2%d8%b4%da%a9%d8%a7%d8%b1%d8%b3%d8%a7%d8%b2%db%8c-%d8%a8%d8%b1-%d8%a7%d8%b3%d8%a7%d8%b3-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/">آشکارسازی بر اساس یادگیری ماشین</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a2%d8%b4%da%a9%d8%a7%d8%b1%d8%b3%d8%a7%d8%b2%db%8c-%d8%a8%d8%b1-%d8%a7%d8%b3%d8%a7%d8%b3-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>الگوریتم های یادگیری جمعی</title>
		<link>https://matlab1.ir/%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%ac%d9%85%d8%b9%db%8c/</link>
					<comments>https://matlab1.ir/%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%ac%d9%85%d8%b9%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Wed, 22 Mar 2017 13:09:14 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[هوش مصنوعی]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=4756</guid>

					<description><![CDATA[<p>القای دسته‌بندی‌کننده ها هنگامی که تعداد داده‌های آموزشی به طرز چشمگیری زیاد باشد با مشکل رو‌به‌رو خواهد شد. این پدیده باعث به وجود آمدن مرزهای کلاس[1]  پیچیده می‌شود؛ یادگیری دقیق این مرز‌ها، [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%ac%d9%85%d8%b9%db%8c/">الگوریتم های یادگیری جمعی</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; color: #000000;">القای دسته‌بندی‌کننده ها هنگامی که تعداد داده‌های آموزشی به طرز چشمگیری زیاد باشد با مشکل رو‌به‌رو خواهد شد. این پدیده باعث به وجود آمدن مرزهای کلاس<a style="color: #000000;" href="#_ftn1" name="_ftnref1">[1]</a>  پیچیده می‌شود؛ یادگیری دقیق این مرز‌ها، برای دسته‌بندی‌کننده‌هایی که سعی در تولید یک قانون برای توصیف داده دارند، به چالشی عظیم تبدیل می شود. پیچیدگی این وضعیت زمانی به اوج خود می رسد که بردار خصیصه داده‌ها، دارای ابعاد بالا<a style="color: #000000;" href="#_ftn2" name="_ftnref2">[2]</a> باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;">رواج خانواده خاصی از الگوریتم‌های <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>، تحت عنوان الگوریتم‌های یادگیری جمعی که سعی در مواجهه و برطرف نمودن چالش‌های موجود دارند، طی سال‌های اخیر بسیار چشمگیر بوده است. این دسته از الگوریتم‌ها، موفقیت خود را مرهون عملکرد محافظه‌کارانه خود می‌باشند. در حالی که اکثر الگوریتم‌های یادگیری از القای یک دسته‌بندی‌کننده برای توصیف داده استفاده می‌کنند، الگوریتم‌های یادگیری جمعی از تعداد زیادی یادگیر‌های ضعیف<a style="color: #000000;" href="#_ftn3" name="_ftnref3">[3]</a>، که قدرت پیش بینی آنها اندکی بهتر از حدس تصادفی<a style="color: #000000;" href="#_ftn4" name="_ftnref4">[4]</a> است، بهره می برند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"> به بیان دیگر، ایده اصلی الگوریتم­های یادگیری جمعی، به‌کارگیری چندین یادگیر و ترکیب نتیجه پیش­بینی آن­ها به عنوان یک گروه از دسته‌بندی‌کننده‌ها و بالا بردن دقت کلی<a style="color: #000000;" href="#_ftn5" name="_ftnref5">[5]</a> یادگیری است. به هر یک از اعضای موجود در این گروه از یادگیر­ها، یادگیر پایه<a style="color: #000000;" href="#_ftn6" name="_ftnref6">[6]</a> گفته می­شود. در مسائل دسته­بندی، الگوریتم یادگیری جمعی به عنوان سیستم دسته ­بندی چندگانه<a style="color: #000000;" href="#_ftn7" name="_ftnref7">[7]</a>، ائتلاف دسته‌­بندی‌کننده ­ها<a style="color: #000000;" href="#_ftn8" name="_ftnref8">[8]</a>، کمیته­ای از دسته‌­بندی‌کننده­ ها<a style="color: #000000;" href="#_ftn9" name="_ftnref9">[9]</a> و یا ترکیب دسته‌بندی‌کننده­ ها<a style="color: #000000;" href="#_ftn10" name="_ftnref10">[10]</a> نیز خوانده می­شود. پیش­ بینی هر یک از اعضا ممکن است به صورت یک عدد حقیقی<a style="color: #000000;" href="#_ftn11" name="_ftnref11">[11]</a>، برچسب کلاس، احتمال پسین<a style="color: #000000;" href="#_ftn12" name="_ftnref12">[12]</a> و یا هر چیز دیگری باشد. چگونگی ترکیب رأی اعضای الگوریتم، در نتیجه­ گیری نهایی بسیار مهم است که شامل میانگین‌گیری، رأی به اکثریت<a style="color: #000000;" href="#_ftn13" name="_ftnref13">[13]</a> و روش‌های احتمالی می­شود.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref1" name="_ftn1">[1]</a> Class boundaries  </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref2" name="_ftn2">[2]</a> High dimensional </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref3" name="_ftn3">[3]</a> Weak learners </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref4" name="_ftn4">[4]</a> Random guess </span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref5" name="_ftn5">[5]</a> Overall accuracy</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref6" name="_ftn6">[6]</a> Base learner</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref7" name="_ftn7">[7]</a> Multiple classifier system</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref8" name="_ftn8">[8]</a> Classifier fusion</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref9" name="_ftn9">[9]</a> Committee of classifiers</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref10" name="_ftn10">[10]</a> Classifier combination</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref11" name="_ftn11">[11]</a> Real number</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref12" name="_ftn12">[12]</a> Posterior probability</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt; color: #000000;"><a style="color: #000000;" href="#_ftnref13" name="_ftn13">[13]</a> Majority vote</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><strong><span style="font-size: 18pt;">بر روی هر تصویر کلیک کنید تا توضیحات کامل هر قسمت را مشاهده فرمایید</span></strong></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%a7%d8%b4%db%8c%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="wp-image-14134 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/04/machine-learning-basic.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/?product=%d9%be%db%8c%d8%b4-%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%88-%d9%85%d8%b9%db%8c%d8%a7%d8%b1%d9%87%d8%a7%db%8c-%d8%a7%d8%b2%d8%b1%db%8c%d8%a7%d8%a8%db%8c-%d8%af%d8%b1-matlab" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter wp-image-14138 size-medium" src="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/machine-learning-MATLAB-data-preprocessing2.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%b1%d8%af%d8%a7%d8%b1-%d9%be%d8%b4%d8%aa%db%8c%d8%a8%d8%a7%d9%86" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14144" src="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/Support-vector-machine-SVM.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b1%d8%ae%d8%aa-%d8%aa%d8%b5%d9%85%db%8c%d9%85/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14149" src="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/05/deciosn-Tree-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d9%86%d8%b2%d8%af%db%8c%da%a9%d8%aa%d8%b1%db%8c%d9%86-%d9%87%d9%85%d8%b3%d8%a7%db%8c%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14378" src="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/k-Nearest-Neighbors-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p><a href="https://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-%d9%85%d8%aa%d9%84%d8%a8-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d8%a8%db%8c%d8%b2-%d8%b3%d8%a7%d8%af%d9%87/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14382" src="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Naive-Bayes-classifier-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p style="text-align: center;"><a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%af%d8%b3%d8%aa%d9%87-%d8%a8%d9%86%d8%af%db%8c-%da%a9%d9%86%d9%86%d8%af%d9%87-%d8%af%d8%b1/" target="_blank" rel="noopener noreferrer"><img loading="lazy" decoding="async" class="aligncenter size-medium wp-image-14386" src="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png" alt="" width="300" height="300" srcset="https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB-768x768.png 768w, https://matlab1.ir/wp-content/uploads/2020/06/Classification-Learner-App-MATLAB.png 800w" sizes="auto, (max-width: 300px) 100vw, 300px" /></a></p>
<p>نوشته <a href="https://matlab1.ir/%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%ac%d9%85%d8%b9%db%8c/">الگوریتم های یادگیری جمعی</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%ac%d9%85%d8%b9%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
