جزوه دست نوشته برنامه‌نویسی متلب
گرد کردن اعداد اعشاری در متلب
اغلب ما در کدنویسی نیاز داریم که اعداد اعشاری را به اعداد صحیح تبدیل کنیم، تا بتوانیم عملیات خود را انجام دهیم. مثلا میخواهیم از یک سری اعداد برای آدرس دهی استفاده کنیم، ولی اگر اعداد ما اعشاری باشند متلب خطا می دهد. برای جلوگیری از خطا بهتر است ابتدا با توابع مربوط به گرد کردن اعداد اعشار که در متلب تعبیه شده است آشنا شویم. این توابع اعداد را از اعشاری به اعداد صحیح تبدیل میکنند. ما در این ویدیو 4 تابعی که برای گرد کردن اعداد اعشاری در متلب استفاده می شود را معرفی می کنیم. و در انتها بعد از یادگیری نحوه عملکرد این توابع، یک مثال عملی انجام میدهیم تا مروری بر جلسه دو (انواع برنامه‌نویسی و تابع‌نویسی در متلب) نیز شود.
جهت دسترسی به کدهای متلب به کانال تلگرام ما مراجعه کنید.
موفق باشید
دوره های مرتبط
پردازش تصویر(فصل اول): مباحث مقدماتی،آستانه گذاری تصویر،تبدیلات شدت روشنایی و هندسی
در فصل اول دوره پردازش تصویر در ابتدا مباحث مقدماتی پردازش تصویر آموزش داده میشود، سپس نحوه خواندن، نمایش دادن، ذخیره کردن تصاویر مختلف و ویدیو در متلب آموزش داده میشود. سپس در ادامه در این فصل مباحثی از قبیل…
محمد نوری زاده چرلو 
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…
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…
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…
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…
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…
تعیین نرخ یادگیری پس انتشار خطا (جلسه پنجم)
در این جلسه چالش‌های تعیین نرخ یادگیری را توضیح میدهیم و در ادامه چند روش ساده از قبیل ترم ممنتوم، search then converge و time variant را برای تعیین نرخ یادگیری طبق مطالب کتاب ارائه میدهیم و در متلب پیاده‌سازی…
شبکه عصبی پرسپترون چندلایه (جلسه چهارم)
در این جلسه تئوری الگوریتم پس انتشار خطا کامل توضیح داده میشود و در نهایت در متلب مرحله به مرحله پیاده‌سازی شده و چندین مثال ساده جهت درک بهتر روند یادگیری شبکه عصبی پرسپترون چندلایه انجام میدهیم و در نهایت…
دیدگاه ها