دوره ها
شناسایی الگو(فصل هشتم): خوشه بندی (clustering)
در فصل خوشه‌بندی روشهای معروف خوشه‌بندی از قبیل (k-means، fuzzy c-means(fcm و Gaussian means (G-means) را طبق مقالات معتبر آموزش داده و مرحله به مرحله پیاده سازی کرده ایم. سپس برای اینکه با عملکرد الگوریتمها به صورت مفهومی آشنا شویم،…
۲۶۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل هفتم): انتخاب ویژگی (feature selection)
در فصل هفتم دوره پترن و یادگیری ماشین، روشهای انتخاب ویژگی( feature Selection)از قبیل ttest، anova، نرخ تفکیک پذیری فیشر(FDR) ، اطلاعات متقابل(Mutual information) و روش جستجوی سلسله مراتبی روبه جلو (sequential forward feature selection ) را معرفی می کنیم…
۳۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل ششم): تئوری و پیاده سازی الگوریتمهای کاهش بعد PCA و LDA
در یک سیستم شناسایی الگو، کاهش بعد در مرحله چهارم بین طبقه‌بندی و استخراج ویژگی قرار می‌گیرید و هدفش کاهش تعداد ویژگی های استخراج شده می‌باشد تا کار تصمیم گیری را برای طبقه‌بند تسهیل کند. در این فصل تئوری روشهای…
۲۴۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو (فصل پنجم): یادگیری جمعی (Ensemble learning)
یادگیری جمعی (ensemble learning) حوزه‌ای در یادگیری ماشین است که در این حوزه تکنیک‌هایی مطرح شده است که به کمک آنها از چندین مدل به صورت ترکیبی و همزمان جهت تصمیم گیری استفاده می‌کنند تا توان مدل در تخمین خروجی…
۴۲۰,۰۰۰ تومان
افزودن به سبد خرید
پکیج جامع شناسایی الگو و یادگیری ماشین( فصل های اول تا چهارم- از بیزین تا SVM)
شناسایی الگو یک فرایند شناختی است که در مغز ما زمانی که با برخی اطلاعاتی روبرو می‌شویم که با اطلاعات ذخیره شده در حافظه ما مطابقت دارد اتفاق می افتد. در علوم کامپیوتر، شناسایی الگو یک فرایند علمی است که…
۷۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو (فصل4 بخش دوم): تئوری و پیاده‌سازی ماشین بردار پشتیبان(SVM) و شبکه عصبی MLP
ماشین بردار پشتیبان(SVM) یکی از بهینه ترین الگوریتمها در مباحث طبقه‌بندی الگوها است و به خاطر ویژگی های برجسته‌ای که مسئله ی بهینه‌سازی این الگوریتم دارد، باعث شده است که بهینه‌ترین مرز ممکن بین داده‌های دو کلاس را پیدا کند…
۴۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل4 بخش اول): کلاسبند نزدیکترین همسایه knn و الگوریتمهای بهبودیافته شده آن(wknn)
knn در بحث شناسایی الگو و یادگیری ماشین جزء الگوریتمهای غیرپارامتری است و از آن می‌توان هم در مباحث طبقه‌بندی و هم رگرسیون استفاده کرد. در این فصل الگوریتم نزدیکترین همسایه knn و روشهای بهبود یافته شده آن (wknn) را…
۲۴۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو: روشها و پارامترهای ارزیابی مدلهای یادگیری ماشین(فصل سوم)
در فصل دوم دوره جامع شناسایی الگو-یادگیری ماشین، روشها و پارامترهای ارزیابی را آموزش میدهیم. در این فصل روشهایی از قبیل k-fold cross validation و the hold out method, random subsampling , leave one out را آموزش داده و مرحله…
۱۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو- کلاسبندهای پارامتری (فصل1و2)
در فصل اول دوره شناسایی الگو مباحث مقدماتی مربوط به شناسایی الگو، یادگیری ماشین، انواع روشهای یادگیری ماشین را توضیح میدهیم تا با دید بهتری وارد مباحث اصلی شویم. در فصل دوم، طبقه‌بندهای پارامتری از جمله طبقه بند بیزین را…
۲۴۰,۰۰۰ تومان
افزودن به سبد خرید
پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی
در دوره تخصصی پردازش سیگنال eeg مبتنی بر تصور حرکتی تمام مباحث مرتبط با پردازش داده‌های EEG تصوری حرکتی را آموزش میدهیم. در دوره تمرکز ما بر روشهای مبتنی بر common spatial pattern(csp) است. تئوری الگوریتم csp و روشهای بهبود…
۷۹۵,۰۰۰ تومان
افزودن به سبد خرید
پکیج کامل پیاده‌سازی گام به گام شبکه‌های عصبی
در دوره جامع شبکه عصبی تمامی شبکه‌های عصبی صفر تا صد آموزش داده شده و سپس مرحله به مرحله بدون اینکه از تولباکس آماده استفاده کنیم، پیاده سازی میشوند. برای اینکه بتوانید یک شبکه‌ای را در متلب پیاده‌سازی کنید لازم…
۷۲۰,۰۰۰ تومان
افزودن به سبد خرید
شبکه عصبی PNN (جلسه 10)
در این جلسه شبکه عصبی معروفPNN را طبق دو مقاله تخصصی آموزش داده و سپس مرحله به مرحله پیاده‌سازی میکنیم تا با پیاده‌سازی مقالات تخصصی نیز آشنا شوید. این شبکه از لحاظ تصمیم‌گیری شباهت زیادی با طبقه‌بند بیزین دارد و…
۲۶۰,۰۰۰ تومان
افزودن به سبد خرید
شبکه عصبی ELM (جلسه نهم)
در این جلسه تئوری یادگیری شبکه عصبی ELM را طبق مقاله به زبان ساده توضیح داده و سپس به صورت مرحله به مرحله در متلب پیاده‌سازی کرده‌ایم. و در انتها برای اینکه با کارایی این مدل آشنا شوید چندین پروژه عملی…
۲۶۰,۰۰۰ تومان
افزودن به سبد خرید
شبکه عصبی RBF(جلسه هشتم)
در این جلسه شبکه عصبی توابع شعاعی پایه(radial basis function) را آموزش میدهیم. شبکه عصبی rbf یک شبکه عصبی 3 لایه است که از یک لایه پنهان تشکیل شده است. از قضیه جالب کاور برای حل مسائل پیچیده و غیرخطی…
۲۴۰,۰۰۰ تومان
افزودن به سبد خرید
mlp با قانون یادگیری دلتا بار دلتا (جلسه هفتم)
برای اینکه نرخ یادگیری بهینه ای داشته باشیم لازم است که در جاهایی که شیب خطا در چند تکرار متوالی یکسان است نرخ یادگیری به صورت خطی و آهسته زیاد کنیم و از طرفی زمانی که علامت مشتق تابع هزینه…
۱۸۰,۰۰۰ تومان
افزودن به سبد خرید
MLP با قانون یادگیری دلتا دلتا (جلسه ششم)
در ابتدای این جلسه شروط مورد نیاز جهت تعیین نرخ یادگیری بهینه را توضیح میدهیم . سپس تئوری الگوریتم یادگیری دلتا دلتا را توضیح داده و در نهایت در متلب به صورت گام به گام پیاده‌سازی میکنیم. و ایرادات اساسی…
۱۶۰,۰۰۰ تومان
افزودن به سبد خرید
