شناسایی الگو-کلاسبندهای پارامتری(فصل1و2)

۵۰,۰۰۰ تومان

توضیحات

سرفصل مطالب فصل اول و دوم

  1. مقدمه‌ای بر شناسایی آماری الگو(پترن)

  • مفهوم شناسایی الگو
  • مراحل شناسایی الگو
  • پیش پردازش
  • استخراج ویژگی
  • انتخاب ویژگی
  • تفاوت انتخاب ویژگی و روشهای کاهش بعد
  • کلاسبندی
  • مفهوم یادگیری ماشین
  • انواع الگوریتمهای یادگیری ماشین
  • یادگیری نظارتی
  • یادگیری غیرنظارتی
  • تفاوت کلاسبندی و خوشه‌بندی
  • متغیر تصادفی
  • تابع چگالی احتمال
  • هیستوگرام
  • توزیع نرمال
  1. کلاسبندهای پارامتری

  • تفاوت کلاسبندهای پارامتری و غیرپارامتری
  • تئوری و پیاده‌سازی ماکزیمم شباهت( maximum likelihood estimation) جهت تخمین پارامترهای توزیع نرمال داده
  • تئوری و پیاده‌سازی کلاسبند ماکزیمم شباهت
  • تئوری و پیاده‌سازی کلاسبند بیزین
  • معرفی توابع آماده متلب کلاسبند بیزین
  • تئوری و پیاده‌سازی کلاسبند حداقل فاصله اقلیدسی
  • تئوری و پیاده‌سازی کلاسبند حداقل فاصله ماهالانوبیس
  • توضیح مراحل انجام یک پروژه کلاسبندی
  • نحوه محاسبه پارامتریهای ارزیابی ( ماتریس کانفیوژن ،دقت کلاسبندی، حساسیت و اختصاصیت )

 

پروژه‌های انجام شده در این فصل:

  • تشخیص سرطان سینه با استفاده از کلاسبندهای پارامتری (بیزین، ماکزیمم شباهت، حداقل فاصله اقلیدسی و حداقل فاصله ماهالانوبیس(داده UCI)
  • تشخیص نوع گل زنبق(iris) با استفاده از کلاسبندهای پارامتری (بیزین، ماکزیمم شباهت، حداقل فاصله اقلیدسی و حداقل فاصله ماهالانوبیس(داده UCI)
  • تشخیص بیماری پارکینسون از روی راه رفتن افراد با استفاده از کلاسبندهای پارامتری (بیزین، ماکزیمم شباهت، حداقل فاصله اقلیدسی و حداقل فاصله ماهالانوبیس (داده فیزیونت)

نکته: لازم به ذکر است که برای پروژه‌های انجام شده در این فصل یک گزارش کامل به صورت word نوشته شده در کنار فایلهای آموزشی قرار گرفته است و میتوانید از این پروژه‌ها به عنوان پروژه‌های درسی خود استفاده کنید.


روال آموزشی مدرس دوره:

  • در ابتدا تئوری تمامی مباحث طبق یک مرجع معتبر آموزش داده می‌شود.
  • سپس یک الگوریتم خلاصه شده برای پیاده‌سازی الگوریتم مورد نظر نوشته می شود.
  • سپس به صورت مرحله به مرحله در متلب الگوریتم ها پیاده‌سازی می شوند.
  • و سپس یک مثال عملی بسیار ساده جهت درک بهتر عملکرد الگوریتم انجام می شود
  • و در نهایت چندین پروژه‌ی عملی با کمک الگوریتمهای پیاده سازی شده انجام می‌شود تا کاربر چالش واقعی انجام پروژه آشنا شود و همچنین بتواند از پروژه‌های انجام شده برای پروژه‌های درسی و پایان نامه استفاده کند.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.

تمام حقوق مادی و معنوی این سایت مربوط به آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی می باشد
X