برای چندین روز بود که با خطای High CPU مواجه شدم. بعد از جستجوی مسیر های سایت متوجه حضور تعدادی کدهای غیرعادی در هاستم شدم. هر چی گشتم نتوانستم همه این کدها را پیدا کنم چون بسیار حرفه ای در بین فایلهای دیگر قرار گرفه بودند. بعد از کلی جستجو در اینترنت راههای زیر به […]
یک روش حذف malware و spam از روی سایت وردپرس بیشتر بخوانید »
اگر تمایل ندارید که وارد فاز برنامه نویسی بشوید و قصد پیاده سازی مدلهای یادگیری ماشین را دارید، ابزار دسته بندی متلب برای شما می باشد. با این ابزار می توانید به سادگی داده های خود را وارد متلب کنید و هر مدل یادگیری ماشینی که تمایل داشتید را بر روی آن اعمال کنید و
دسته بندی کننده بیز ساده مجموعه ای از الگوریتم های دسته بندی است که بر اساس تئوری بیز کار می کند. دسته بندی کننده بیز یک مثال خوب از دسته بندی کننده های قوی و ساده هستند. علی رغم سادگی، دسته بندی کننده بیز، کاربردهای بسیار زیادی در یادگیری ماشین برای آن پیدا شده است.
این آموزش قسمت پنجم بسته آموزشی جامع یادگیری ماشین می باشد. به کاربران عزیز توصیه می شود قسمت های اول و دوم این بسته را مشاهده کنند تا با مفاهیم و پیش پردازش داده و معیارهای ارزیابی در یادگیری ماشین آشنا شوند. الگوریتم نزدیکترین همسایه یکی از روشهای یادگیری ماشین غیرپارامتری می باشد که برای
یک کد متلب تهیه شده است که چهار دسته بندی کننده بیز ساده آنالیز تمایز درخت دسته بندی کننده نردیکترین همسایه برای تشخیص نفوذ استفاده می کند. دیتاست ورودی این کد متلب NSL KDD می باشد. لینک دانلود
یکی از دیتاست های معروف در تشخیص نفوذ دیتاست NSL KDD می باشد. ما برای شما کد متلب تشخیص نفوذ بر روی این دیتاست را با مدل یادگیری عمیق LSTM آماده کرده ایم. این کد برای دو کلاس حمله و نرمال (بدون حمله) می باشد و بر اساس متلب 2020 نوشته شده است. این کد
مشکل اصلی در تفريق طيفی اعوجاج غيرخطی پردازش ناشی از تغييرات تصادفی طيف نويز ميباشد. از رابطة (3-10) و اين شرط که اندازة طيف بايد مقدار غيرمنفی داشته باشد، ميتوان سه منبع اعوجاج ناشی از تخمين طيف اندازه يا توان تشخيص داد: الف- تغييرات طيف توان لحظهای نويز نسبت به مقدار ميانگين عبارات ضرب متقاطع[1]
اصولاً تفريق طيفی روشی است برای بازيافت طيف توان يا طيف اندازة يک سيگنال که با نويز نوع جمع شونده[1] آغشته شده است. اصول کار بر مبنای تخمين اندازة طيف فرکانسی سيگنال صحبت خالص، ميباشد. اين تخمين بوسيله تفريق اندازة طيف نويز از اندازة طيف سيگنال صحبت آغشته به نويز بدست ميآيد. اطلاعات مربوط به
بهبود صحبت با روش تفريق طيفي- شرح روش، فرضها و محدوديتها بیشتر بخوانید »
در ارزيابی الگوريتمهای بهبود صحبت لازم است که شباهتها و تفاوتهای کيفيت صحبت و ميزان فهم آن قابل اندازهگيری و تشخيص باشد. کيفيت صحبت شاخصی است برای “طبيعی بودن” سيگنال صحبت پردازش شده. قابليت فهم سيگنال صحبت، در واقع ميزان اطلاعات گفتاری موجود در سيگنال که حامل پيام گوينده است را نشان ميدهد. كيفيت سيگنال
نويزهای پهن باند از مهمترين نويزهايی هستند که در مبحث حذف نويز محيطی مطرح هستند و حذف آنها به طور کلّی بسيار دشوارتر از نويزهای متناوب و ضربه‌ای ميباشد[7]. در دهه‌های گذشته روشهای بسياری برای کاهش نويز محيطی از سيگنال صحبت ارائه شده و توسعه يافته‌اند[8][14]. بسياری از اين روشها مبتنی بر آرايه‌های وفقی
دسته‌بندی روشهای حذف نويز پهن باند از سيگنال صحبت بیشتر بخوانید »