.

.

.

.

.

.

بعد از مدتها ایران متلب تصمیم گرفت فیلم آموزشی تهیه شده توسط مهندس قیصری مدیر گروه ایران متلب را برای استفاده کاربران ایران متلب جهت دانلود قرار دهد.

این فیلم آموزشی یک محصول منحصربفرد از ایران متلب می باشد که هیچ جای دیگری مشابه آن را پیدا نخواهید کرد. آموزش های متلب زیاد هستند اما آموزشی که توسط متخصص با تجربه و با سابقه متلب تهیه شده است ، کمیاب است.

مهندس قیصری دارای سابقه نه ساله در کدنویسی متلب در پروژه های مختلف دانشجویی و صنعتی می باشد. ایشان تاکنون بیش از چند میلیون خط کد متلب را نوشته است و با بیشتر قسمت ها و دستورات متلب آشنایی دارند.

این مجموعه فیلم آموزشی بیش از 100 قسمت یا 200 قسمت شاید هم بیشتر خواهد بود که به مرور برای خریداران این محصول ایمیل خواهد شد. کاربران محترمی که می خواهند بقیه قسمت ها را به مرور دریافت کنند ، می توانند هزینه این آموزش را پرداخت کنند.

مهندس قیصری قصد دارند در این محموعه بزرگ فیلم آموزشی ، همه چیزهایی که از متلب بلد هستند را به دیگران یاد بدهند. 

چرا این آموزش به مرور برای کاربران ایمیل می شود؟

یادگیری یک نرم افزار برنامه نویسی مانند متلب یک شبه اتفاق نمی افتد و نیاز به تمرین و ممارست دارد. لذا ایران متلب تصمیم گرفت قسمت های آموزش را به مرور برای کاربران خود ارسال کند تا زمان داشته باشند با تمرین های مختلف آموزش را در ذهن خود نهادینه کنند.

هر چند مدت یک بار قسمتی از این آموزش ایمیل خواهد شد؟

به طور متوسط هر هفته ، سه تا چهار قسمت ایمیل خواهد شد.

لینک دانلود

نوشته سیر تا پیاز متلب MATLAB اولین بار در ايران متلب. پدیدار شد.

معرفی آخرین نسخه نرم افزار متلب ۲۰۱۵ از شرکت mathworks

دانلود فیلم بالا

مشاهده در یوتیوب

https://www.youtube.com/watch?v=OJTI_e5I21o

نوشته دانلود معرفی جدیدترین نسخه متلب MATLAB 2015 با زیرنویس فارسی اولین بار در ايران متلب. پدیدار شد.

اگر هزینه شرکت در کلاس متلب را ندارید

اگر نمی تونید در کلاسهای برنامه نویسی ما شرکت کنید

ما برای شما مجموعه ای از بهترین اسلایدهای فارسی آموزش متلب را تهیه کردیم که می تونید در اینجا دانلود کرده و لذت ببرید.

ویژگیهای اصلی متلب

oآشنایی با محیط متلب

oعملیات ریاضی ساده

oعملگرهای ریاضی متلب

oفضای کاری متلب (Workspace)

oفرمت نمایش اعداد

oانواع متغیرها

oنامگذاری متغیرها

o متغیرهای ویژه

o علائم نقطه گذاری و جملات توضیحی

o اعداد مختلط

oبعضی از توابع ریاضی در متلب

oراهنمای متلب

oفایلهای متنی یا m-فایلها

oمدیریت فایل در متلب

MFasl01_matlab1.ir

آرایه ها در متلب

MFasl02_matlab1.ir

توابع و عملیات ماتریسی

MFasl03_matlab1.ir

عملیات منطقی و رابطه ای

MFasl04_matlab1.ir

رشته های کارکتری

MFasl05_matlab1.ir

تصمیم گیری و کنترل روند و حلقه ها و دستورات شرطی

MFasl06_matlab1.ir

ایجاد توابع یا تابع در متلب

MFasl07_matlab1.ir

تجریه و تحلیل فوریه

MFasl08_matlab1.ir

نمودارهای دو بعدی

MFasl09_matlab1.ir

چند جمله ای ها در متلب MATLAB

MFasl10_matlab1.ir

برازش منحنی و درونیابی

MFasl11_matlab1.ir

نمودار های سه بعدی در متلب MATLAB

MFasl12_matlab1.ir

نوشته مجموعه ای از بهترین اسلایدهای آموزش فارسی متلب MATLAB اولین بار در ايران متلب. پدیدار شد.

ANFIS(adaptive network-based fuzzy inference system) شبکه تطبيق پذير و قابل آموزشی است که به لحاظ عملکرد کاملا مشابه سيستم استنتاج فازی است.

برای سادگی کار فرض می کنيم که سيستم فازی ما دو ورودی x و y دارد و خروجی آن z است. حال اگر قوانين به صورت زير باشند :

و اگر برای غير فازی ساز از غير فازی ساز ميانگين مراکز استفاده کنيم خروجی به صورت زير خواهد بود:

ساختار معادل ANFIS به صورت زير خواهد بود:

لايه 1: در اين لايه ورودي ها از توابع عضويت عبور(membership functions) می کنند.

توابع عضويت هر تابع پارامتری مناسبی می تواند باشد که در اکثر موارد توابع گاوسين انتخاب می شوند. مثل تابع زنگی شکل عمومی:

که  aو b وc مجموعه پارامترها هستند. پارامتر های اين لايه به پارامتر های اوليه       (premise parameters) معروف هستند.

لايه 2: خروجی اين لايه ضرب سيگنال های ورودی است که در واقع معادل قسمت اگر قوانين هستند.

لايه 3: خروجی اين لايه نرماليزه شده لايه قبلی است:

لايه 4:

لايه 5: خروجی اين لايه خروجی کلی سيستم است:

اکنون يک شبکه توليد شده است که معادل سيستم استنتاج فازی سوگنو است.

حال قرار است روش های آموزش چنين شبکه ای بررسی شود.

برای اين کار ابتدا در لايه 1 تمام قوانين موجود را تشکيل می دهيم.به طور مثال اگر 2 ورودی داشته باشيم که هر کدام 3 تابع عضويت داشته باشد 9 قانون بايد تشکيل دهيم.

که به صورت زير خواهد بود.

روشهای مختلف آموزش ANFIS

1-  Gradient Descent

2- ترکيبی (hybrid)

3- Levenberg-Marquardt

روش ترکيبی(hybrid)

در اين روش از ترکيب روش گراديان نزولی و حداقل مربعات خطا (LSE) استفاده می شود.

روش ديگری نيز برای محاسبه پارامتر ها وجود دارد که يک روش بازگشتی است (RLSE) اين روش به دو دليل به وجود آمده است.

1-   گاهی ممکن است که ماتريس  معکوس پذيز نباشد.

2-   فرض کنيد  را حساب کرده ايم اگر يک جفت داده ورودی خروجی جديد به سيسیتم اضافه شود در روش قبل دوباره بايد کل پارامتر ها محاسبه شوند ولی در اين روش فقط مقدار پارامتر جديد به دست می آيد.

طريقه آموزش ANFIS با روش ترکيبی

در هر تکرار feedforward  می رويم تا وقتی که ماتريس A که در روش LSE گفته شد به دست آيد. خروجی ها را هم که داريم . سپس توسط روش ترکيبی پارامتر ها را به دست می آوريم. لازم به ذکر است که همه داده های آموزشي بايد اعمال شوند و همجنين پارامتر های اوليه(premise patameters)  ثابت نگه داشته می شوند. سپس پارامترهای تالی (conclusion parameters) ثابت نگه داشته می شوند و پارامترهای اوليه توسط گراديان نزولی تنظيم می شوند.

دانلود فایل کامل

محصولات مرتبط

نوشته سيستم های فازی بررسی روشهای مختلف آموزش ANFIS اولین بار در ايران متلب. پدیدار شد.

جزوه ای که در این مطلب برای دانلود آماده شده است در ۲۰۰ صفحه و در قالب فایل pdf به آموزش کامل نرم افزار متلب (matlab) می پردازد. این جزوه آموزشی حاصل تلاش جناب آقای برمکی میباشد که از مبتدی ترین قدم ها برای آموزش نرم افزار متلب شامل آموزش نصب متلب ، آموزش پنجره های متلب ، تا آموزش پیشرفته که شامل انواع برنامه نویسی در محیط نرم افزار متلب را شامل میشود.

جزوه آموزشی کار با نرم افزار متلب که در این مطلب آماده شده در وهله اول برای افراد مبتدی و کسانی که تمایل به برنامه نویسی در محیط نرم افزار متلب را دارند تهیه شده است و در طول جزوه سعی شده است ، همه مطالب پله به پله از ابتدایی ترین دستورات شروع شود و جای سوالی برای خواننده نماند.

از مهمترین مطالب آموزشی در این جزوه میتوان به الگوریتم و آموزش الگوریتم برنامه نویسی ،نحوه نصب نرم افزار متلب ، آموزش پنجره های نرم افزار متلب ، شناخت عملگرها در متلب ، شناخت دستورات ابتدایی ، برنامه نویسی و تابع نویسی matlab ، آموزش توابع کاربردی متلب ، آموزش ماتریس ، ترسیم دو بعدی و سه بعدی اشکال به کمک نرم افزار متلب ، ترسیم توابع مختلف ، کار با چند جمله ای ها در متلب ، gui و … اشاره کرد.

لینک دانلود

نوشته دانلود جزوه آموزش کامل نرم افزار متلب matlab (برمکی ) اولین بار در ايران متلب. پدیدار شد.

در اين بخش از يادداشت فقط بر نحوه برنامه نويسي و اجراي برنامه هـا تـاكيد شـده اسـت و نتـايج اجراي برنامه هاي مورد بحث نشان داده نشده اند.  به خواننده توصيه مي گردد كه خود برنامه ها را اجرا كرده و نتايج آنها را مشاهده نمايد.

برنامه اصلي

m-file ها مي توانند به دو شكل برنامه اصلي و تابع باشند.  برنامه اصلي عبارتست از مجموعـه اي از دستورها كه مي توان آنها را بطور جداگانه در محيط كار MATLAB اجرا نمود.  هنگــامي كـه نـام برنامه اصلي را در محيط كار MATLAB  بنويسيد اين دستورها به ترتيــب اجـرا مـي گردنـد.  بـه عنوان مثال براي محاسبه حجم گاز كامل، در دماهاي مختلف و فشــار معلـوم، دسـتورات زيـر را در ويرايشگر MATLAB بنويسيد و سپس تحت عنوان pvt.m ذخيره كنيد :

% A sample scritp file: pvt.m

disp(‘ Calculating the volume of an ideal gas.’)

R = 8314; % Gas constant (J/kmol.K)

t =   input(‘ Vector of temperature (K) = ‘);

p = input(‘ Pressure (bar) = ‘)*1e5;

v = R*t/p;   % Ideal gas law

% Plotting the results

plot(t,v)

xlabel(‘T (K)’)

ylabel(‘V (m^3/kmol)’)

title(‘Ideal gas volume vs temperature’)

علامت % نشانگر وجـود توضيحات در بـرنامه است.  علامت % و آنچه بدنبـــال آن در همـان ســطر مي آيد به هنگام اجراي برنامه ناديده گرفته مي شود.  همچنيــن علامـت . . . بيـانگر آن اسـت كـه دستور مورد نظر در اين سطر تمام نشده و در سطر بعدي ادامه مي يابد.  مورد استفاده اين علامــت بيشتر در مورد دستورهاي محاسباتي طولاني است كه براي مطالعه راحت تر ايــن قسـمت از برنامـه بهتر است در دو يا سه خط نوشته شود.

پس از ايجاد پرونده pvt.m، براي اجراي آن كافي اس ت كـه نـام آن را در محيـط كـار MATLAB بنويسيد و نتايج را مشاهده كنيد

استفاده از diary براي ايجاد برنامه

يك روش ايجاد برنامه براي مبتديان بكار بردن دستور diary است.  در صورت استفاده از دستور زير

» diary xyz

تمامي نوشته هاي محيط كار MATLAB پس از آن در پرونده xyz حك مي گردنــد.  پرونـده xyz بدون دنباله خواهد بود مگر آنكه خودتان براي آن دنباله مشخص كنيد.  در اين حــالت مـي توانيـد شروع به نوشتن دستورات مورد نظر در محيط كار MATLAB كنيد، نتايج را همان جا ببينيد و در صورت لزوم تصحيحات لازم را انجام دهيد.  هنگامي كه به پايان محاسبات و نتيجه دلخواه رسيديد، پرونده xyz را به كمك دستور زير ببنديد:

» diary off

اکنون مي توانيد پرونده xyz را باز كرده، خطوط و دستورهاي اضافي را از آن پاك كنيد و سپس بــا دنباله .m آن را ذخيره نمائيد.  به اين ترتيب يك m-file ايجاد كرده اي د كـه بـه نتـايج اجـراي آن اطمينان داريد.

تابع

علاوه بر توابعي كه همراه MATLAB هستند، شما مي توانيد توابعي را كه محاسبات مورد نيازتــان را انجام بدهد نيز ايجاد كنيد.  يك تابع يك يا چنـد داده را در ورودي دريـافت مـي كنـد و پـس از انجام محاسبات لازم نتايج را در قالب يك يا چند متغير خروجي به شما برمي گرداند.  خط اول يك تابع كه خط تعريف تابع نيز ناميده مي شود بايد از ترتيب زير پيروي نمايد:

–      function كلمه

–     نام متغير يا متغيرهاي خروجي.  در صورت وجود بيش از يك متغــير خروجـي بـايد آنـها را در كروشه گذاشته و با ويرگول از هم جدا كنيد.

–     علامت =

–     نام تابع.  پرونده اي كه تابع در آن ذخيره مي گردد بايد داراي همين نام با دنباله .m باشد.

–     آرگومان يا آرگومانهاي ورودي (كه با ويرگول از هم جدا شده باشند) در داخل پرانتز.

براي مثال تابع زير، كه بـايد در پرونـده ideal.m ذخـيره گـردد، حجـم گـاز كـامل را در فشـارها و دماهاي مختلف محاسبه مي نمايد:

function v = ideal(t,p)

% ideal: Calculation of ideal gas specific volume

% v=ideal(t,p) takes the vector of temperature (t) in K

% and the vector of pressure (p) in Pa and returns the % matrix of specific volume (v) in m3/kmol.

% Start of calculations

R = 8314; % Gas constant (J/kmol.K)

for k = 1:length(p)   

    v(k,:) = R*t/p(k); % Ideal gas law

end

حال اين تابع را مي توانيد در محيط كار MATLAB، در يك برنامه اصلي و يا در تابع ديگري بكــار ببريد.  مثلا”

» p=1:10; t=300:10:400;

» vol=ideal(t,p);

» surf(t,p,vol)

» view(135,45), colorbar

توصيه مي شود در توابعي كه مي نويسيد، پس از خط تعريف تابع، كار تابع و نحــوه بكـاربردن آن را در چند خط توضيح دهيد.  خطوط توضيح پيوسته اي كه در ابتداي تــابع مـي آينـد را مـي توانيـد همانند ديگر توابع و دستورهاي موجود در MATLAB با استفاده از دستور help مرور كنيد.

كنترل جريان محاسبات

MATLAB داراي چندين تركيب كنترل جريان محاسبات است كه به برنامه امكان مي دهد كه در حين اجرا تصميمات لازم را اتخاذ كرده و ترتيب اجراي دستورات را كنترل كند.  ايــن دسـتورها در زير شرح داده مي شوند.

if . . . (else . . .) end– دستور if برنامه را قادر مي سازد كه تصميم بگيرد كه چه دستورهايي بايد اجرا گردند.  مثال:

x = input(‘ x = ‘);

if x >= 0   

     y=x^2

end

عبارتي كه به دنبال كلمه if مي آيد بايد يك عبارت منطقي باشــد.  در صـورت درسـت بـودن ايـنعبارت منطقي، دستورهايي كه در سطرهاي بين if و end قرار دارند بترتيب اجــرا مـي گردنـد و در صورت نادرست بودن اين عبارت منطقي، دستورهاي گفته شده ناديده گرفته مي شوند.

شما همچنين مي توانيد از دستور else استفاده كنيد.  مثال:

x = input(‘ x = ‘);

if x >= 0   

   y=x^2

else   

   y=-x^2

end

در اين حـالت اگر عبارت منطقي مورد نظر درست باشد، مجموعه دسـتورهاي بيـن if و else اجــرا مي گردند و در غير اين صورت دستورهاي بين else و end قابل اجرا مي باشند.

for . . . end– دستور for به برنامه اجازه مي دهد كه دستورهاي درج شــده بيـن for و end را بـه دفعات معيني تكرار نمايد.  مثال:

k = 0;

for x = 0:0.2:1   

     k = k + 1   

     y = exp(-x)

end

while . . . end– در مواردي كه لازم باشد كه در حين اجراي برنامه مجموعه اي از دستورات تكرار گردند ولي تعداد دفعات تكرار معلوم نباشد بلكه اين عمليات تا ارضا شدن شرط يــا شـروط معينـي ادامه يابند، مي توان از دستور while استفاده نمود.  مثال:

x = 0;

while x < 1   

    y = sin(x)   

    x = x + 0.1;

end

همانند آنچه در مورد دستور if گفته شد، عبارتي كه به دنبال كلمه while مي آيد بايد يك عبــارت منطقي باشد كه در واقع همان شرط مورد نظر است.  در صورت صادق بودن ايــن عبـارت منطقـي، دستورهايي كه در سطرهاي بين while و end قرار دارند بترتيب اجرا مي گردند تا آنجايي كه شرط مورد نظر ديگر برقرار نباشد.

switch . . . case . . . (otherwise . . .) end – وقتي كه لازم باشــد كـه برنامـه بـر حسـب مقـاديرمختلف يك متغيـر، متناظرا” دستورهاي متفـاوتي را اجـرا كنـد، بكـار بـردن تركيـب switch-case راحت تر از بكار بردن چندين دستور if متداخل است.  مثال:

a = input(‘a =’);

switch a

case 1   

    disp(‘One’)

case 2   

    disp(‘Two’)

case 3   

    disp(‘Three’)

end

break و pause – دو دستور مفيد ديگر كه در برنامه نويسي مي توانند مــورد اسـتفاده قـرار گـيرند عبارتند از break و pause.  شما مي توانيد در صورت لزوم قبل از كامل شدن حلقه به كمك دستور break از آن خارج شويد.  هنگامي كه برنامه در حين اجرا به دستور pause برسد متوقف مــي مـاند تا اينكه شما كليدي را روي صفحه كليد فشار دهيد و سپس اجراي برنامه از دســتور بعـد از pause ادامه مي يابد.  مثال:

k = 0;

for x = 0:0.2:1   

    if k > 5      

       disp(‘k > 5’)      

       break   

    end   

    k = k + 1;   

    y = exp(-x);   

    disp([‘ k = ‘,num2str(k),’  y = ‘,num2str(y)])

    pause

end

در مثال فوق، برنامه هر بار پس از نشان دادن مقادير k و y متوقف مي ماند تــا اينكـه كليـدي روي صفحه كليد فشرده شود.  سپس حلقه for بار ديگر تكرار مي گردد و اين عمل آنقدر ادامه مي يــابد تا اينكه مقدار k از ٥ بيشتر شود.  در اين موقع دستور break باعث خروج برنامه از حلقــه for (و در اين مثال پايان اجراي برنامه) مي شود.

نوشته برنامه نويسي (m-files) در متلب اولین بار در ايران متلب. پدیدار شد.

٤-١    مقايسه منطقي

در MATLAB علامتهاي زير براي مقايسه مقادير عددي و حرفي بكار مي روند.

كوچكتر از              <

كوچكتر از يا مساوي با     =<                                                                                                       بزرگتر از      >

بزرگتر از يا مساوي با        =>                               مساوي با     ==                                            مخالف با      =~

چنين مقايسه اي را مي توان بين دو اسكالر، دو آرايه يا اسكالر و اعضاي آرايه انجــام داد.  مثالـهايي براي نحوه عمل اين عملگرها در زيـر آورده مـي شوند.  توجـــه كنيـد كـه حــاصل همـه عمليـات منطقـي مي تواند ٠ به معني نادرست يا ١ به معني درست باشد .

» 3<5

ans =

     1

» [1 2]>=[0 3]

ans =

1        0

» a=[1 2 3

2        3 4];

» b=[-1 2 1

0          2 4];

» a~=b

ans =

1          0     1

     1     1     0

بردار زير را در نظر بگيريد:

» x=[1  2  -1  0  -5  4  -1.5  3  2.5  -.5];

عبارت زير مولفه هاي مثبت اين بردار را نمايش مي دهد:

» x(x>0)

ans =     1.0000    2.0000    4.0000    3.0000    2.5000

و اين عبارت تعداد مولفه هايي را كه بين صفر و ٣ هستند تعيين مي كند:

» length(x((x>=0)&(x<=3)))

ans =

     5

٤-٢   عملگرهاي منطقي

روابط منطقي را مي توان با استفاده از عملگرهاي منطقي با هم تركيب كرد.  اين عملگرها عبــارتند از:

و (تركيب عطفي)                                               &

يا (تركيب فصلي)                                                |

يا (مانع جمع)xor

نقيض                                                                ~

مثالهايي از طرز عمل اين عملگرها در زير آورده شده اند:

» m=[1  2  4;  -2  3  -1];

» ~(m>0) ans =

0          0     0

1          0     1

» (m>0)|(m<=2)

ans =

     1     1     1

     1     1     1

» (m>0)&(m<=2)

ans =

     1     1     0

     0     0     0

» xor([0 0 1 1],[0 1 0 1])

ans =

     0     1     1     0

توجه كنيد كه xor يك تابع است و دو بردار ورودي به آن بايد هم اندازه باشند.

٤-٣  توابع منطقي all ،any و find

تابع any معين مي كند كه آيا مولفه غير صفر در يك بردار وجود دارد يا خير.

» v=[-2  1  3  5];

» any(v<1) ans =

     1

» any(v>6) ans =

     0

تابع all معين مي كند كه آيا همه مقايسه ها درست هستند يا خير.

» all(v<1) ans =

     0

» all(v<6) ans =

     1

توابع فوق را مي توانيد براي ماتريسها نيز بكار ببريد.  در اين صورت خروجي اين توابع عبارت اســت از حاصل مقايسه هاي گفته شده براي هر ستون ماتريس.

تابع find مكان مولفه هاي غير صفر را در يك آرايه نشان مي دهد.

» find(v>3)

ans =

     4

٤-٤   اعداد ويژه

علاوه بر اعداد حقيقي، MATLAB قادر است حاصل عباراتي را كه از نظر جبري انجام پذير نيستند را نيز پوشش دهد.  تقسيم يك عدد بر صفر بــي نـهايت (Inf) و تقسـيم صفـر بـر صفـر غـير قـابل

.(Not a Number ياNaN) محاسبه است

» x=[1  2  0]./[2  0  0] Warning: Divide by zero.

x =     0.5000       Inf       NaN

همچنين اعداد موهومي را به سادگي اعداد حقيقي مي توانيد در محاسبات استفاده كنيد.

» y=sqrt(-1)

y =         0 + 1.0000i

توابع isnan ،isinf ،finite و isreal به شما امكان مي دهد كه اين اعداد را شناسايي كنيد:

» finite(x) ans =

     1     0     0

» isinf(x) ans =

     0     1     0

» isnan(x) ans =

     0     0     1

» isreal(x) ans =

     1

» isreal(y) ans =

     0

نوشته عمليات و توابع منطقي در متلب matlab اولین بار در ايران متلب. پدیدار شد.

اگر مقدار يك متغير را بخواهيد بدانيد مي توانيد آن را با نوشتن نام متغير مشـاهده كنيـد.  در ايـن صورت MATLAB نام متغير و به دنبال آن علامت تساوي را نشان داده و سپس مقدار را در ســطر يا سطور بعد مي نويسد.  براي ديدن مقدار متغير بــدون آنكـه لازم باشـد دوبـاره نـام آن و علامـت تساوي را مشاهده كنيد مي توانيد دستور disp را بكار ببريد.

» x=[2 4 5];

» disp(x)

     2     4     5

» y=’That is better’;

» disp(y)

That is better

پنجره MATLAB را مي توانيد با دستور clc پاك كنيد:

» clc

همانطور كه قبلا” ديديد دستور format compact باعث مي شود ك ه خطـوط اضـافي هنگـام ارائـه نتايـج حذف گردنـد.  دستور format داراي كاربردهاي فراوان ديگري نيز هست.  فــرض كنيـد كـه مي خواهيد مولفه هاي بردار زير را روي صفحه نمايش ببينيد :

» v=exp(-10*(1:5))

v =   1.0e-004 *

    0.4540    0.0000    0.0000    0.0000    0.0000

واضح است كه در حالت فعلي نمي توانيد مقادير مولفه ها را بخوانيد.  در اين وضعيت مي توانيــد بـا كمك دستور format نحوه نمايش اعداد را تغيير دهيد:

» format long

» v v =   1.0e-004 *   Columns 1 through 4

   0.45399929762485   0.00002061153622   0.00000000093576   0.00000000000004

  Column 5

   0.00000000000000

مشاهده مي كنيد با وجود اينـكه اين دستـور تعداد اعداد نشـان داده شده بعــد از ممـيز را افزايـش مي دهد ولي هنوز قادر نيست كه همه مولفه هاي بردار مورد نظر را بطور مناسبي نمايش ده د.  در چنين حالتي بهتر است اعداد را با استفاده از نماد علمي به نمايش بگذاريد:

» format short e

» v v =   4.5400e-005  2.0612e-009  9.3576e-014  4.2484e-018  1.9287e-022

براي اطلاع بيشتر از امكانات دستور format توصيه مي شود كه توضيحات مربوط به اي ن دستـور را در help مطالعه كنيد.

نوشته نظيم خروجيها روي صفحه نمايش با دستورات disp و format در متلب matlab اولین بار در ايران متلب. پدیدار شد.

X(n,m)

برای مقدار دهی درایه و یا تغییر مقدار آن:

Ex:

 Ones(3)

Ans=

1 1 1

1 1 1

1 1 1

Ans(1,3)=4

Ans=

1 1 4

1 1 1

1 1 1

برای اینکه یک قسمت از یک ماتریس را برداریم :

A(1:2,3:6)

یعنی سطر اول تا دوم و ستون سوم تا ششم

A(:)

همه ی عناصر را ستونی نشان می دهد .

برای حذف یک قسمت از ستون ها یا سطر ها آن ها را برای تهی قرار می دهیم :

A(1:3,4)=[]

اعداد تصادفی: rand

Rand بین صفر و یک است.

Rand(n,m)

یک ماتریس تصادفی n*m می دهد.

اگر مثلا بخواهیم اعداد تصادفی بین صفر تا نه باشند:

9*rand(n,m)

اگر بخواهیم اعشار نداشته باشد :

Round

مثلا:

Round(rand(5,9))

اگر بخواهیم اعداد تصادفی بین range دلخواه خودمان باشد ،

Min<rand<max

Min+(max-min)*rand

جایگشت های تصادفی اعداد: permutation

Randperm(n)

از یک تا n به صورت تصادفی جایگشت مینویسد:

Ex:
( randperm(13

Ans=

     1    12     9     6     3     5     8    10    13     2    11     7     4

اعداد تصادفی با توزیع نرمال:

randn(x)

ماتریس x*x میدهد که با توزیع نرمال همه ی اعداد در اطراف 1 هستند اعداد خیلی بزرگ یا خیلی کوچک ندارد.

اگر بخواهیم اعداد تصادفی با میانگین و واریانس دلخواه داشته باشیم:

M+s^2(randn(x))

که s^2 همان واریانس و m میانگین است.

Sum(a)

از ماترس a از هر ستون جمع میگیرد.

Sum(a(:))

جمع همه ی درایه ها

Prod(a) از هر ستون همه ی درایه ها را ضرب می کند.

ضرب همه ی درایه ها:

prod(a(:))

اگر بخواهیم از هر سطری بگیرد و جمع  یا ضرب کند، از A’ استفاده میکنیم.

Sqrt جذر میگیرد.

Nth امین ریشه ی x را میگیرد.

root(x,n)  n

نوشته آدرس دهی ماتریس در متلب matlab اولین بار در ايران متلب. پدیدار شد.

ما به عنوان یک عامل هوشمند، در مسائل روزمره ای که برایمان پیش می آید با اسفاده از تکنیک های جستجو اقدام به یافتن راه حلی برای مسئله می کنیم. به عنوان مثال خانه ای را فرض کنید که در آن  به دنبال شی خاصی هستیم. همچنین فرض کنید هیچ اطلاعی در مورد خانه و محل قرارگیری اشیا در خانه نداریم. در چنین مواردی برای یافتن شی موردنظر ، خانه را اتاق به اتاق و در هر اتاق همه بخش های آن اتاق را جستجو می کنیم. نتیجه جستجو تنها در صورتی می تواند به دست آید که جواب مسئله در فضایی که آن را جستجو می کنیم، موجود باشد.

به عنوان یک مثال دیگر فرض کنید می خواهیم از تبریز به سمت شیراز حرکت کنیم. هدف ما نیز رسیدن به شهر شیراز در کمترین زمان ممکن می باشد. اینجا نیز ما به عنوان یک عامل هوشمند، با در دست داشتن نقشه راه های کشور براحتی مسیر حرکت خود را مشخص می کنیم. به طور حتم هنگام جستحو بر روی نقشه برای یافتن کوتاهرین مسیر حرکت از تبریز به شیراز، از جستجوی مسیر حرکت تبریز-ارومیه-شیراز صرف نظر می کنیم. البته ممکن است بسته به هدف ما این مسیر نیز انتخاب گردد. در واقع آنچه که مسیر حرکت ما را از تبریز به سمت شیراز مشخص می کند هدف ما از این حرکت می باشد. اگر هدف رسیدن به شیراز در کمترین زمان باشد، از انتخاب مسیر تبریز – ارومیه – شیراز صرف نظر می کنیم. اما اگر هدف بازدید از اماکن باستانی باشد، ممکن است مسیر تبریز- ارومیه – همدان – اصفهان شیراز را انتخاب کنیم!

مهمترین تفاوت دو مثال ذکر شده را ناآگاهانه بودن جستجو در مثال اول و آگاهانه بودن جستجو در مثال دوم می باشد. بدین معنی که در مثال اول ما از ابتدا کل فضای جستجو را برای یافتن جواب مسئله جستجو می کنیم و در واقع برای حرکت سریع تر در فضای جستجو ( حرک بین اتاق ها و بخش های مختلف هر اتاق ) از آگاهی خاصی بهره مند نیستیم. در نقطه مقابل و در مثال دوم برای حرکت در فضای جستجو به منظور یافتن کوتاهترین مسیر از تبریزبه شیراز، از روش خاصی برای انتخاب شهر بعدی استفاده می کنیم. به عبارت دیگر در مثال دوم علاوه بر اینکه مسیری از مبدا به مقصد پیدا می کنیم، همچنین کوتاهی مسیر نیز برایمان از اهمیت ویژه ای برخوردار می باشد. در واقع عملی که برای سنجش کوتاهی مسیر انجام می دهیم موجب آگاهانه بودن جستجوی ما در فضای جستجو می شود. در مثال دوم از تابعی استفاده می کنیم که فاصله شهر انتخابی تا مقصد را برایمان تخمین می زند که به آن تابع هیوریستیک یا تابع مکاشفه خواهیم گفت.

حال ممکن است این تصویر به وجود آید که جستجوی آگاهانه بهتر از جستجوی نا آگاهانه می باشد. اما چنین تصوری را نمی توان قطعا درست تلقی کرد. چراکه در صورت ناآگاهانه بودن ماهیت مسئله چاره ای جز جستجوی ناآگاهانه نخواهیم داشت. همچنین سریعتر بودن جستجوی آگاهانه نسبت به جستجوی ناآگاهانه نیز بستگی به شرایط مسئله خواهد داشت و موارد بسیاز زیادی می توان یافت که در آن جستجوی ناآگاهانه سریعتر از جستجوی آگاهانه ما را به جواب مسئله می رساند. نکته مهم اینست که در هوش مصنوعی هیچ چیز را نمی توان قطعی تصور کرد.

نوشته مقدمه هوش مصنوعی اولین بار در ايران متلب. پدیدار شد.