-
راهنمای استفاده بهینه از دوره 0
هیچ موردی در این بخش وجود ندارد -
شبکه های عصبی MLP 14
-
مقدمه 01 ساعت 15 دقیقهسخنرانی2.1
-
مفهوم بردار ویژگی (Feature Vector) و کاهش بعد 55 دقیقهسخنرانی2.2
-
شبکۀ عصبی تک لایه (Single-Layer Perceptron) 01 ساعت 29 دقیقهسخنرانی2.3
-
چند مثال و کاربرد از پرسپترون 54 دقیقهسخنرانی2.4
-
شبکۀ عصبی چند لایه (MLP) و بهینه سازی با گرادیان نزولی 01 ساعتسخنرانی2.5
-
آموزش MLP به روش پس انتشار خطا 01 ساعت 41 دقیقهسخنرانی2.6
-
نکات تکمیلی در ارتباط با آموزش MLP 01 ساعت 12 دقیقهسخنرانی2.7
-
قانون دلتای تعمیم یافته (آموزش با جملۀ لختی) 34 دقیقهسخنرانی2.8
-
مفهوم تعمیم (Generalization) و معیار پایان الگوریتم 27 دقیقهسخنرانی2.9
-
شگردهایی برای بهبود کیفیت و سرعت آموزش 54 دقیقهسخنرانی2.10
-
آموزش MLP با الگوریتم Levenberg-Marquardt 47 دقیقهسخنرانی2.11
-
هرس کردن شبکۀ عصبی با الگوریتم جراح مغز بهینه 43 دقیقهسخنرانی2.12
-
آموزش فشرده جعبه ابزار شبکۀ عصبی در متلب (MATLAB) 39 دقیقهسخنرانی2.13
-
مرور چند کاربرد شبکۀ عصبی پیشخور چند لایه (MLP) 01 ساعت 09 دقیقهسخنرانی2.14
-
-
ماشین یادگیرنده بردار پشتیبان (SVM) 5
-
ماشین یادگیرنده بردار پشتیبان: مفهوم بردار ویژگی و کاهش بعد 46 دقیقهسخنرانی3.1
-
ماشین یادگیرنده بردار پشتیبان: فرمول بندی مساله بهینه سازی تحت قید 01 ساعت 09 دقیقهسخنرانی3.2
-
ماشین یادگیرنده بردار پشتیبان: فرمول بندی و حل مساله بهینه سازی دوگان و محاسبه ابرصفحه بهینه 49 دقیقهسخنرانی3.3
-
ماشین یادگیرنده بردار پشتیبان: مثالهای عددی در حالت تفکیک پذیر خطی 40 دقیقهسخنرانی3.4
-
ماشین یادگیرنده بردار پشتیبان: حالت تفکیک ناپذیر خطی 01 ساعتسخنرانی3.5
-
-
آشنایی با الگوریتم ژنتیک در متلب 2
-
نحوۀ کار با دستور ga 01 ساعت 06 دقیقهسخنرانی4.1
-
تنظیمات الگوریتم ژنتیک با دستور gaoptimset 01 ساعت 06 دقیقهسخنرانی4.2
-
-
حل مسئله n وزیر با الگوریتم ژنتیک 1
-
حل پازل n وزیر با الگوریتم ژنتیک (تئوری و متلب) 56 دقیقهسخنرانی5.1
-
-
جیر خطی بخش اول: LINEAR MAPS AND MATRICES (نگاشتهای خطی و ماتریسها) 2
-
**Change of Coordinate (تغییر مختصات) 37 دقیقهسخنرانی6.1
-
**Linear Maps and Matrices (نگاشتهای خطی و ماتریسها) 43 دقیقهسخنرانی6.2
-
-
جبر خطی بخش دوم: EIGENVALUES AND EIGENVECTORS (مقدارها و بردارهای ویژه) 5
-
Eigenvalues and eigenvectors, Basics (مقدمات بردارهای ویژه و مقادیر ویژه) 13 دقیقهسخنرانی7.1
-
Eigenvalues, eigenvectors and diagonalisability with an example (مقادیر و بردارهای ویژه در قطری پذیری) 19 دقیقهسخنرانی7.2
-
A remark(یادآوری یک نکته از دستگاههای معادلات خطی) 11 دقیقهسخنرانی7.3
-
Diagonalisability (قطری پذیری) 47 دقیقهسخنرانی7.4
-
Further discussion on Characteristic Polynomial (مباحث تکمیلی درباره چندجمله ای مشخصه) 49 دقیقهسخنرانی7.5
-
-
جبر خطی بخش سوم: INNER PRODUCT SPACES (فضای ضرب داخلی) 6
-
Inner Product Spaces 1 (فضای ضرب داخلی 1) 58 دقیقهسخنرانی8.1
-
Inner Product Spaces 2(فضای ضرب داخلی 2) 41 دقیقهسخنرانی8.2
-
( Inner Product Spaces (contd (ادامه فضاهای ضرب داخلی) 51 دقیقهسخنرانی8.3
-
Inner Product Spaces 3- Orthogonal Projections (فضای ضرب داخلی 3- تصویر متعامد) 43 دقیقهسخنرانی8.4
-
Inner Product Spaces 3- Gramm-Schmidt(فضای ضرب داخلی3 -گرام- اشمیت) 06 دقیقهسخنرانی8.5
-
An example of using Orthogonal Projection (مثالی از کاربردهای تصویر متعامد یکه) 12 دقیقهسخنرانی8.6
-
-
جبر خطی بخش چهارم: LINEAR MAPS ON INNER PRODUCT SPACES (نگاشتهای خطی روی فضاهای ضرب داخلی) 3
-
Linear Maps on Inner Product Spaces (نگاشتهای خطی روی فضاهای ضرب داخلی) 56 دقیقهسخنرانی9.1
-
(Linear Maps on Inner Product Spaces (contd (ادامه نگاشتهای فضاهای ضرب داخلی) 42 دقیقهسخنرانی9.2
-
**Orthogonal Projections (review), Associated Matrices (مروری بر تصاویر متعامد) 42 دقیقهسخنرانی9.3
-
-
مقدمات متلب 11
-
آشنایی با محیط نرم افزار متلب (MATLAB) 17 دقیقهسخنرانی10.1
-
داده‌های عددی در متلب 23 دقیقهسخنرانی10.2
-
داده‌های رشته‌ای در متلب 31 دقیقهسخنرانی10.3
-
آرایه‌ها در متلب 37 دقیقهسخنرانی10.4
-
آرایه‌های سلولی در متلب 17 دقیقهسخنرانی10.5
-
ساختمان‌ها در متلب 16 دقیقهسخنرانی10.6
-
کنترل جریان برنامه (۱) 14 دقیقهسخنرانی10.7
-
کنترل جریان برنامه (۲) 19 دقیقهسخنرانی10.8
-
ابزارهای برنامه‌نویسی ساده در متلب 37 دقیقهسخنرانی10.9
-
شکل‌ها در متلب 20 دقیقهسخنرانی10.10
-
توابع در متلب 20 دقیقهسخنرانی10.11
-
این محتوا محافظت شده است، لطفا وارد شده و برای مشاهده این محتوا دوره را تمام کنید.