با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. شما می توانید این مجموعه آموزشی را از وبسایت متلب یار و از لینک داده شده در ادامه مطلب مشاهده و دانلود نمایید. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها ...
بیشتر بخوانید
با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها در این پروژه نشان داده شده است که هر چه تعداد epoch ها بالاتر می رود خوشه بندی بهتری برای داده بدست می ...
بیشتر بخوانید
با سلام در این مجموعه شما مجموعه کاملی از پروژه های انجام شده در زبان متلب با شبکه های عصبی را دریافت می کنید, این پروژه ها دارای داکیومنت فارسی نیز می باشد, پروژه های موجود در این مجموعه: دسته بندی و تشخیص الگوهای ورودی دو بعدی (حروف انگلیسی) با استفاده از شبکه عصبی هب (Hebb network) دسته بندی و تشخیص حروف انگلیسی با فونت های مختلف و یک دسته خروجی با استفاده از شبکه عصبی پرسپترون (Perceptron network) دسته بندی و تشخیص حروف انگلیسی بمنظور پیوند دادن حروف بزرگ با حروف کوچک با استفاده از شبکه عصبی دیگر انجمنی (Heteroassociative network) ...
بیشتر بخوانید
با سلام قطعه بندی تصویر (Image Segmentation) یکی از گام های اساسی در پردازش تصویر و بینایی ماشین می باشد. الگوریتم های مختلفی جهت قطعه بندی تصاویر وجود دارد که یکی از معروفترین آن ها، الگوریتم K-means می باشد. الگوریتم K-means یکی از الگوریتم های خوشه بندی می باشد. خوشه یابی یا دسته بندی، به معنی تقسیم یک مجموعهای از شیئ ها به گروههایی (خوشه ها) است، بطوریکه شیئ ها در گروه یکسان، نسبت به شیئ ها در سایر گروه‌ها، شباهت بیشتری نسبت به هم دارند. این پست حاوی سورس کد متلب الگوریتم K-means می باشد که در آن یک ...
بیشتر بخوانید
آموزش سئو- فیلم آموزش ۱۵ فاکتور مهم و تاثیرگذار در رتبه بندی گوگل در سال ۲۰۱۶ آموزش سئو- فیلم آموزش ۱۵ فاکتور مهم و تاثیرگذار در رتبه بندی گوگل در سال ۲۰۱۶ به زبان اصلی. این فیلم آموزش دارای مدت زمان ۶۰ دقیقه، محصول شرکت Udemy بوده و ۱۵ فاکتور مهم و تاثیرگذار در رتبه بندی گوگل در سال ۲۰۱۶ رو بطور دقیق بررسی و آموزش داده است. لیست سرفصل های این دوره آموزش سئو در ادامه نیز ذکر شده. آموزش سئو- فیلم آموزش ۱۵ فاکتور مهم و تاثیرگذار در رتبه بندی گوگل در سال ۲۰۱۶ این دوره آموزش ۱۵ ...
بیشتر بخوانید
با سلام قسمت سیزدهم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید. در این قسمت پیاده سازی و کدنویسی روش دسته بندی پارامتریک (parametric classification) مبتنی بر توابع جداکننده (Discriminant) در زبان متلب تشریح می گردد. در این پارت تمامی موارد تئوری بیان شده در جلسه ۱۱ بصورت کامل بیان گردید. در این ویدئو آموزشی چندین برنامه به زبان متلب پیاده سازی شده، تولباکس های مرتبط در متلب با جزئیات کامل با زبانی روان به صورت خط به خط و به تفصیل بیان می گردد. شما می توانید توضیحات این قسمت را از لینک داده شده ...
بیشتر بخوانید
با سلام این پست شامل قسمت سیزدهم از سری فیلم های آموزشی یادگیری ماشین می باشد. در این قسمت پیاده سازی و کدنویسی روش دسته بندی پارامتریک چند متغیره (parametric classification) مبتنی بر توابع جداکننده (Discriminant) در زبان متلب در قالب چندین مثال با زبانی روان به صورت خط به خط و به تفصیل بیان می گردد. در این پارت تمامی موارد تئوری بیان شده در جلسه ۱۱ بصورت کاملا عملی و در قالب چندین برنامه به زبان متلب پیاده سازی شده، تولباکس های مرتبط در متلب با جزئیات کامل آموزش داده شده است. مواردی همانند زیر را در این ...
بیشتر بخوانید
با سلام قسمت دوازدهم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید. در این قسمت پیاده سازی و کدنویسی روش دسته بندی پارامتریک (parametric classification) مبتنی بر Likelihood در زبان متلب تشریح می گردد. در این پارت تمامی موارد تئوری بیان شده در جلسه ۹ و جلسه ۱۰ بصورت کامل بیان گردید. در این ویدئو آموزشی ۵ برنامه به زبان متلب پیاده سازی شده، تولباکس های مرتبط در متلب با جزئیات کامل با زبانی روان به صورت خط به خط و به تفصیل بیان می گردد. شما می توانید توضیحات این قسمت را از ...
بیشتر بخوانید
با سلام این پست شامل قسمت دوازدهم از سری فیلم های آموزشی یادگیری ماشین می باشد. در این قسمت پیاده سازی و کدنویسی روش دسته بندی پارامتریک (parametric classification) مبتنی بر Likelihood در زبان متلب در قالب چندین مثال با زبانی روان به صورت خط به خط و به تفصیل بیان می گردد. در این پارت تمامی موارد تئوری بیان شده در جلسه ۹ و جلسه ۱۰ بصورت کاملا عملی و در قالب ۵ برنامه به زبان متلب پیاده سازی شده، تولباکس های مرتبط در متلب با جزئیات کامل آموزش داده شده است. مواردی همانند زیر را در این ویدئو آموزشی ...
بیشتر بخوانید
با سلام قسمت یازدهم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید. در این قسمت مفاهیم و توضیحات مربوط به روش طبقه بندی پارامتریک چند متغیره (parametric classification) مبتنی بر توابع جداکننده (Discriminant) با زبانی ساده و روان به تفصیل بیان می گردد. مهمترین مطالب و موضوعاتی که در این قسمت بیان شده مربوط به ۱- بررسی طبقه بندی پارامتریک چند متغیره مبتنی بر Discriminant (توابع جداکننده) ۲- یادگیری توابع جداکننده Logistic ا ۳- روش Early Stopping ا ۴- تابع Softmax می باشد. شما می توانید توضیحات این قسمت را از لینک داده شده در ادامه ...
بیشتر بخوانید