• صفحه اصلی
  • دوره های آموزشی

    About Courses

    • فیزیک 1
    • ترکیبیات مقدماتی (المپیاد)
    روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

    روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

    رایگان
    مطالعه بیشتر
  • فروشگاه کتاب
  • آرشیو نوشته ها
  • همکاری با ما
  • درباره ما
  • راهنمای سفارش
  • تماس با ما
      • Cart

        0
    سوالی دارید؟
    info@talimestan.com اگر ایمیل های تعلیمستان به شما نمیرسند پوشه اسپم خود را چک کنید.
    عضویتورود
    تعلیمستانتعلیمستان
    • صفحه اصلی
    • دوره های آموزشی

      About Courses

      • فیزیک 1
      • ترکیبیات مقدماتی (المپیاد)
      روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

      روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

      رایگان
      مطالعه بیشتر
    • فروشگاه کتاب
    • آرشیو نوشته ها
    • همکاری با ما
    • درباره ما
    • راهنمای سفارش
    • تماس با ما
        • Cart

          0

      دانشگاه

      • خانه
      • همه دوره ها
      • دانشگاه
      • شبکه تابع پایه شعاعی (RBF)

      شبکه تابع پایه شعاعی (RBF)

      Admin bar avatar
      دکتر فرشاد مریخ بیات
      دانشگاه, یادگیری ماشین
      (0 نظر)
      40,000 تومان
      RBFN1
      • مرور کلی
      • برنامه تحصیلی
      • مدرس
      • بررسی ها

      مسائل طبقه بندی الگو را می توان به سه دستۀ تفکیک پذیرخطی، تفکیک پذیر غیرخطی و تفکیک ناپذیر تقسیم بندی نمود. مسائل تفکیک پذیر خطی با یک پرسپترون تک لایه و مسائل طبقه بندی از نوع تفکیک پذیر غیرخطی با یک شبکه عصبی چندلایه (MLP) یا ماشین بردار پشتیبان (SVM) قابل حل کردن هستند. اما اگر بردارهای ویژگی اشیائی که قصد جداسازی آنها را از یکدیگر داریم اساساً تفکیک ناپذیر باشند، به کارگیری MLP یا SVM منجر به خطای بزرگی در دسته بندی الگوها خواهد شد. شبکه تابع پایه شعاعی (Radial Basis Function: RBF) نوعی ماشین یادگیرنده است که کاربرد ویژه آن در حل مسائل طبقه بندی الگو از نوع تفکیک ناپذیر می باشد. در واقع در مواجهه با چنین مسائلی شبکه RBF می تواند با نگاشت دادن بردارهای ویژگی به فضایی با ابعاد بالاتر آنها را تفکیک پذیر خطی نماید.

      این دوره شامل پنج درس است. در درس اول با مبانی شبکه های RBF آشنا خواهیم شد. درس دوم به نحوۀ آموزش با ناظر شبکه زمانی که تعداد نرونهای لایۀ پنهان با تعداد داده های آموزشی برابر باشد می پردازد. این روش تنها زمانی سودمند است که تعداد داده های آموزشی کم باشند. در درسهای سوم و چهارم روش آموزش با ناظر ترکیبی (Hybrid) را خواهیم آموخت که برای تنظیم پارامترهای شبکه زمانی که تعداد داده های آموزشی زیاد باشند مناسب است. در این روش مراکز خوشه ها در لایۀ پنهان به صورت بدون ناظر با الگوریتم k-means و وزنهای لایۀ خروجی به صورت با ناظر با الگوریتم کمترین مربعات بازگشتی (Recursive Least Squares: RLS) آموزش خواهند دید. ایدۀ تفکیک پذیری بردارهای ویژگی در صورت افزایش بعد و نیز اولین شبکه ای که می توان آن را نسل اول شبکه های RBF امروزی به شمار آورد توسط فردی به نام توماس کاور (Thomas Cover) معرفی شد. با جزئیات مهم کارهای این فرد در درس پنجم آشنا خواهیم شد. پیشنیاز این دوره آشنایی مقدماتی با شبکه های عصبی چندلایه و مفهوم طبقه بندی الگو (Pattern Classification) است.

      پیش نمایش درس اول:

      http://dl2.talimestan.com/FARSHAD/RBFN/RBFN1_demo.mp4

      پیش نمایش درس سوم:

      http://dl2.talimestan.com/FARSHAD/RBFN/RBFN3_demo.mp4

       

      ویژگی های دوره

      • عناوین 5
      • امتحانات 0
      • مدت 3 ساعت و 20 دقیقه
      • سطح مهارت تحصیلات تکمیلی
      • زبان فارسی
      • دانشجویان 27
      • گواهی نه
      • ارزیابی ها بله
      دوره هایادگیری ماشینشبکه تابع پایه شعاعی (RBF)
      • دروس 5

        • سخنرانی1.1
          شبکه تابع پایه شعاعی: درس اول 47 دقیقه
        • سخنرانی1.2
          شبکه تابع پایه شعاعی: درس دوم 31 دقیقه
        • سخنرانی1.3
          شبکه تابع پایه شعاعی: درس سوم 01 ساعت 04 دقیقه
        • سخنرانی1.4
          شبکه تابع پایه شعاعی: درس چهارم 34 دقیقه
        • سخنرانی1.5
          شبکه تابع پایه شعاعی: درس پنجم 23 دقیقه
      Admin bar avatar
      دکتر فرشاد مریخ بیات
      دکترای مهندسی برق گرایش کنترل از دانشگاه صنعتی شریف | مهندس ارشد کنترل در شرکت ASML، سن دیگو، آمریکا | دانشیار گروه مهندسی برق دانشگاه زنجان (1387-1400) | بیش از 15 سال سابقۀ تدریس دانشگاهی در مقاطع کارشناسی، کارشناسی ارشد و دکترا | نویسندۀ بیش از سی مقاله در ژورنالهای معتبر | مولف کتابهای مدلسازی و کنترل صنعتی، الگوریتمهای بهینه سازی فرا ابتکاری (همراه با کاربردهایی در مهندسی برق)، الگوریتمهای بهینه سازی الهام گرفته از طبیعت، رهیافت حل مساله در مخابرات 1، درس و کنکور سیگنالها و سیستمها، و مولف همکار کتاب رهیافت حل مساله در ریاضیات مهندسی | زمینه های آموزشی و پژوهشی تخصصی: تئوری کنترل و سیستمها، بهینه سازی، یادگیری ماشین

      نظرات

      میانگین امتیازها

      0
      0 امتیاز

      جزئیات امتیاز

      5
      0%
      4
      0%
      3
      0%
      2
      0%
      1
      0%
      • مرور کلی
      • برنامه تحصیلی
      • مدرس
      • بررسی ها
      40,000 تومان
      • اشتراک گذاری :

      دوره های مرتبط

      روشهای پایه ای در انتگرالگیری(انتگرال نامعین) مطالعه بیشتر
      Admin bar avatar
      دکتر مهدی افشار

      روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

      176
      0
      رایگان
      کنترل خطی مطالعه بیشتر
      Admin bar avatar
      دکتر فرشاد مریخ بیات

      کنترل خطی

      12
      0
      64,000 تومان
      روشهای پایه ای و پیشرفته در انتگرالگیری(انتگرال نامعین) مطالعه بیشتر
      Admin bar avatar
      دکتر مهدی افشار

      روشهای پایه ای و پیشرفته در انتگرالگیری(انتگرال نامعین)

      104
      0
      20,000 تومان
      تحقیق در عملیات یک (پژوهش عملیاتی یک-برنامه ریزی خطی) با حل مسائل آن در اکسل و متلب مطالعه بیشتر
      Admin bar avatar
      دکتر مهدی افشار

      تحقیق در عملیات یک (پژوهش عملیاتی یک-برنامه ریزی خطی) با حل مسائل آن در اکسل و متلب

      17
      0
      42,000 تومان
      جمع آوری داده با کارت صوتی تحت MATLAB مطالعه بیشتر
      Admin bar avatar
      دکتر فرشاد مریخ بیات

      جمع آوری داده با کارت صوتی تحت MATLAB

      این دوره به زودی در دسترس خواهد بود
      به زودی

      یک دیدگاه ارسال کنید لغو پاسخ

      نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

      همه دوره ها

      • المپیاد
      • دانشگاه
      • فنی و مهندسی
      • متفرقه
      • نرم افزار کاربردی
      • یادگیری ماشین

      آخرین دوره ها

      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      رایگان
      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      100,000 تومان
      محاسبه مشتق توابع

      محاسبه مشتق توابع

      رایگان

      همه مطالب

      مصاحبه با دکتر کسری علیشاهی (در مورد رشته ریاضی و مسائل مربوط به آن)
      13دی1400
      گپی کوتاه با دانشجویان سال اولی دانشگاهها
      22مهر1400
      آیا کائنات با کامپیوترها دشمنی دارد؟
      19شهریور1400

      info@talimestan.com

      لینک های مفید

      • درباره ما
      • ثبت نام
      • حساب کاربری

      توصیه شده

      • تماس با ما
      • درباره ما
      • دوره ها

      نماد اعتماد الکترونیک

      کلیه ی حقوق مادی و معنوی این وبسایت متعلق به شرکت دانش گران هوشمند آکام است.

      با حساب کاربری خود وارد شوید

      رمز عبور خود را فراموش کرده اید؟

      آیا هنوز عضو نشده اید؟ ثبت نام کنید

      یک حساب جدید ثبت کنید

      آیا شما عضو هستید؟ اکنون وارد شوید