آموزش تخمین حالت سیستم های دینامیکی و تصادفی – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

گروه مدرسین فرادرس
گروه مدرسین فرادرس

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد. (+)



در مجموعه فرادرس های «تخمین حالت سیستم های دینامیکی و تصادفی»، روش های کلاسیک و مدرن برای تخمین حالت سیستم های دینامیکی به صورت کاملا عملی مورد بحث و بررسی قرار می گیرند. این روش ها شامل تخمین حالت سیستم های خطی و غیر خطی می شوند و در چند دسته کلی قابل دسته بندی هستند، که در سرفصل های ارائه شده برای این درس، به وضوح قابل مشاهده اند. یکی از مهم ترین ویژگی های این مجموعه آموزشی، پیاده سازی عملی همه روش ها و الگوریتم های مطرح شده در کنار تشریح کامل مبانی تئوری است.

👤 مدرس: گروه مدرسین فرادرس
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در حال برنامه ریزی
زمان تقریبی انتشار بر حسب تعداد درخواست های دانشجویان و اولویت زمانی و آموزشی اعضای هیات علمی فرادرس، انتشار این آموزش در واحد نشر فرادرس اولویت سنجی می شود. انتشار یک آموزش پس از شروع به ضبط ۴ تا ۱۲ هفته زمان می برد.

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.




    توضیحات

    تخمین حالت سیستم های دینامیکی

    متغیرهای درونی یک سیستم دینامیکی، که غالبا در مدل ها به صورت مولفه های بردار حالت ظاهر می شوند، اغلب به صورت کامل قابل اندازه گیری نیستند و می بایست با روشی مناسب، مقادیر آن ها، تخمین زده شود. تا کنون روش های متعددی برای خل این مسأله پیشنهاد شده است، که در این فرادرس سعی شده است به کامل ترین شکل ممکن، این موارد پوشش داده شوند.

    تخمین حالت سیستم های دینامیکی و تصادفی (Stochastic Dynamical System State Estimation)، یکی از مهم ترین مسائلی است که در حوزه های مختلف مهندسی کنترل و کاربردهای آن مطرح می شود و حل مسائل مختلفی، نهایتا به حل یک مسأله تخمین حالت ختم می شود. برخی مسائل مرتبط با تخمین حالت، مانند هموار سازی (Smoothing) با کاربردهای عملی فراوان تعریف پذیرند که اشتراکات فراوانی با موضوع تخمین حالت دارند.

    البته در علوم کاربردی و محض دیگر، از جمله آمار پیشرفته و کاربردی، علوم زمین، اقتصاد، هیدرولوژی، هواشناسی و ده ها زمینه دیگر، موضوع تخمین حالت با نام معادل همگون سازی داده ها یا Data Assimilation شناخته می شود که با کمی تفاوت جزئی در تعاریف، همان مسأله تخمین حالت را توصیف می کند.

    کاربردهای روش های تخمین حالت

    کاربرد مستقیم روش های تخمین حالت، در طراحی کنترل کننده های مبتنی بر فیدبک حالت است و از آنجا که به دلایل مختلفی، متغیرهای حالت سیستم به صورت مستقیم قابل اندازه گیری نیستند، در طراحی کنترل کننده های مبتنی بر فیدبک حالت، روش های تخمین حالت نقشی بسیار مهم و اساسی را دارند. از این نظر، روش های تخمین حالت، عملا توسعه یافته رویت گرهای حالت هستند؛ با این تفاوت که قابل استفاده برای سیستم ها و فرایندهای اتفاقی و تصادفی می باشند.

    از کاربردهای عملی تخمین حالت، می توان به زمینه های زیر اشاره نمود:

    • ردیابی و تعقیب تصویر در سیستم های بینایی ماشین
    • طراحی رادارها و سیستم های تعقیب نظامی
    • سیستم های ناوبری دریایی، هوایی و فضایی
    • مدل سازی و شناسایی سیستم های دینامیکی
    • تحلیل و پیش بینی سری های زمانی
    • پردازش سیگنال
    • پردازش تصویر
    • پردازش گفتار و صوت
    • اقتصاد و به طور ویژه اقتصاد کلان
    • مدل های اقتصادسنجی
    • مکان یابی و نقشه سازی همزمان یا SLAM (روباتیک)
    • تشخیص و شناسایی خطا (عیب)
    آنچه در این فرادرس خواهید دید

    در مجموعه فرادرس های «تخمین حالت سیستم های دینامیکی و تصادفی»، روش های کلاسیک و مدرن برای تخمین حالت سیستم های دینامیکی به صورت کاملا عملی مورد بحث و بررسی قرار می گیرند. این روش ها شامل تخمین حالت سیستم های خطی و غیر خطی می شوند و در چند دسته کلی قابل دسته بندی هستند، که در سرفصل های ارائه شده برای این درس، به وضوح قابل مشاهده اند. یکی از مهم ترین ویژگی های این مجموعه آموزشی، پیاده سازی عملی همه روش ها و الگوریتم های مطرح شده در کنار تشریح کامل مبانی تئوری است.

    مطالبی که در این دوره آموزشی جامع ارائه می شوند، غالبا در دانشگاه ها در یک عنوان واحد ارائه نمی شوند و بسته به نیاز دروس دیگر، در خلال سایر مباحث و به عنوان مباحث موردی مطرح می شوند. از طرفی، با گنجانده شدن بررسی مباحث کاربردی روش های تخمین حالت در این دوره، به ویژه برای رشته هایی که کمتر ماهیت مهندسی دارند (مانند اقتصادسنجی)، این مجموعه آموزشی برای طیف وسیعی از دانشجویان و پژهشگران، قابل استفاده خواهد بود.

    مدرس این دوره آموزشی، دکتر سیدمصطفی کلامی هریس (دکترای تخصصی مهندسی کنترل، از دانشگاه صنعتی خواجه نصیرالدین طوسی، قطب کنترل صنعتی) است. زمینه تخصصی پژوهشی ایشان و موضوع رساله دکتری شان، موضوع تخمین حالت سیستم های دینامیکی با استفاده از روش های فیلترینگ تکاملی (Evolutionary Filtering) بوده است و در اثر کار پژوهشی ایشان در مقطع دکترا، چهار الگوریتم تخمین حالت هوشمند ارائه شده اند. در این دوره آموزش، برای نخستین بار، مبانی و روش های تخمین حالت سیستم های دینامیکی با استفاده از روش های هوشمند نیز، مورد بحث و بررسی قرار گرفته می شود.

    فهرست سرفصل های این دوره آموزشی

    فهرست مهم ترین سرفصل های این مجموعه آموزشی، در ادامه آمده است:

    • درس یکم: مروری بر سیستم های دینامیکی
      • سیستم های دینامیکی
      • مدل های خطی و غیر خطی
      • سیستم های دینامیکی گسسته زمان و پیوسته زمان
      • کنترل و تخمین حالت
      • شبیه سازی عددی سیستم های دینامیکی
    • درس دوم: مروری بر نظریه احتمالات
      • مروری بر مفهوم احتمال
      • متغیرهای تصادفی
      • نگاشت های اعمال شده بر متغیرهای تصادفی
      • متغیرهای احتمال چندگانه (متغیرهای تصادفی برداری)
      • استقلال و وابستگی آماری
      • نویز سفید و نویز رنگی
      • فرایندهای تصادفی (اتفاقی)
      • شبیه سازی عددی سیستم های تصادفی
    • درس سوم: تخمین حداقل مربعات یا Least Squares
      • تخمین مقادیر ثابت
      • تخمین حداقل مربعات وزن دار
      • تخمین حداقل مربعات بازگشتی یا RLS
      • مروری بر کاربردهای RLS
      • پیاده سازی عملی الگوریتم های کمترین مربعات
    • درس چهارم: فیلتر وینری یا Wiener Filter
      • ساختار عمومی فیلتر وینر
      • فیلتر وینر پارامتریک و بهینه سازی آن
      • فیلتر های وینر علی و غیر علی
      • پیاده سازی عملی فیلتر وینری
    • درس پنجم: محاسبات انتشار حالت و کوواریانس
      • سیستم های گسسته-زمان
      • سیستم های پیوسته-زمان
      • شبیه سازی عددی و تطبیق نتایج
    • درس ششم: فیلتر کالمن گسسته زمان
      • سیستم دینامیکی خطی و تصادفی گسسته زمان
      • استخراج روابط فیلتر کالمن
      • بررسی ویژگی های فیلتر کالمن
      • فیلتر کالمن برای سیستم های اسکالر و چند حالته
      • پیاده سازی عملی فیلتر کالمن گسسته زمان
    • درس هفتم: صورت های دیگر فیلتر کالمن (تغییر فرمول نویسی)
      • فرموله کردن فیلتر کالمن به صورت های دیگر
      • فیلتر کالمن دنباله ای
      • فیلتر اطلاعاتی
      • فیتر ریشه دوم
      • فیلتر کالمن در حالت ماندگار (دائمی)
    • درس هشتم: فیلتر کالمن پیوسته زمان
      • سیستم دینامیکی خطی و تصادفی پیوسته زمان
      • استخراج روابط فیلتر کالمن پیوسته زمان
      • روش های جایگزین برای حل و فرمول نویسی
      • فیلتر کالمن پیوسته زمان در حالت ماندگار (دائمی)
      • ارتباط میان فیلتر کالمن و فیلتر وینر
    • درس نهم: فیلتر کالمن برای نویزهای وابسته
      • نویز فرایند و اندازه گیری وابسته
      • فیلتر کالمن گسسته زمان برای نویز فرایند و اندازه گیری وابسته
      • فیلتر کالمن پیوسته زمان برای نویز فرایند و اندازه گیری وابسته
      • فیلتر کالمن با حافظه محو شونده (فاکتور فراموشی)
      • فیلتر کالمن با اندازه گیری دقیق (نویز اندازه گیری صفر)
    • درس دهم: هموارسازی یا Smoothing
      • کاربرد فرم دیگری از فیلتر کالمن برای هموارسازی
      • هموار سازی نقطه-ثابت
      • هموار سازی مقادیر حالت ثابت
      • هموار سازی با تاخیر ثابت
      • هموار سازی با بازه زمانی ثابت
    • درس یازدهم: فیلتر خطی مقاوم یا فیلتر ∞H
      • مشکلات و نقاط ضعف فیلتر کالمن
      • فرموله کردن فیلتر مقاوم ∞H با استفاده از نظریه بازی
      • حل مسأله با استفاده از رویکردهای بهینه سازی مقید (مروری بر کنترل بهینه)
      • استخراج روابط فیلتر ∞H یا فیلتر خطی مقاوم برای سیستم های گسسته زمان
      • فیلتر مقاوم ∞H برای سیستم های پیوسته زمان
      • پیاده سازی عملی فیلتر مقاوم خطی
    • درس دوازدهم: فیلتر کالمن توسعه یافته یا EKF
      • تخمین حالت سیستم های غیر خطی
      • خطی سازی و تقریب تحلیلی سیستم های غیر خطی
      • فیلتر کالمن توسعه یافته یا Extended Kalman Filter
        • تخمین حالت سیستم های غیر خطی گسسته زمان
        • تخمین حالت سیستم های غیر خطی پیوسته زمان
      • پیاده سازی عملی فیلتر کالمن توسعه یافته
      • بررسی مشکلات تقریب تحلیلی و الگوریتم EKF
    • درس سیزدهم: فیلتر کالمن بی رد یا UKF
      • تقریب آماری سیستم های غیر خطی
      • بررسی تغییرات میانگین در اثر نگاشت های غیر خطی
      • بررسی تغییرات کوواریانس در اثر نگاشت های غیر خطی
      • نگاشت های بی رد (Unscented) و تقریب میانگین و کوواریانس نگاشت غیر خطی
      • فیلتر کالمن بی رد یا Unscented Kalman Filter
      • پیاده سازی عملی فیلتر UKF
      • توسعه نگاشت های بی رد و الگوریتم UKF
    • درس چهاردهم: تخمین حالت در نگاه کلی
      • بیان عمومی مسأله تخمین حالت
      • حل عمومی و مفهومی مسأله تخمین حالت با رویکرد بیزی یا Bayesian Approach
      • فیلتر کالمن به عنوان حالت خاص از رویکرد بیز
      • روش های مبتنی بر جدول برای سیستم های گسسته مقدار
      • رویکردهای کلی تخمین حالت سیستم های غیر خطی
        • روش های مبتنی بر تقریب تحلیلی
        • روش های مبتنی بر گسسته سازی فضای حالت
        • روش های مبتنی بر تقریب آماری
    • درس پانزدهم: فیلتر ذره ای یا Particle Filter
      • نمونه برداری مونت کارلو و محاسبات تقریبی انتگرال احتمال
      • نمونه برداری اعتباری یا Importance Sampling
      • فیلتر ذره ای پایه یا SIS
      • پیاده سازی عملی فیلتر ذره ای پایه
    • درس شانزدهم: فیلترهای ذره ای تغییر یافته
      • بررسی فیلتر SIS و روش بوت استرپ
      • مشکلات موجود در فیلتر ذره ای پایه
      • انحطاط یا Degeneracy
      • باز نمونه برداری یا Resampling
      • فیلتر SIR
      • فیلتر ذره ای کمکی یا APF
      • فیلتر ذره ای منظم یا RPF
      • ملاحظاتی درباره فیلتر ذره ای منظم
      • پیاده سازی عملی انواع تغییر یافته فیلترهای ذره ای
    • درس هفدهم: تخمین حالت با روش های محاسبات هوشمند
      • مشکلات رایج در فیلترهای ذره ای
      • فقر نمونه ای یا Sample Impoverishment
      • روش های حل مشکلات موجود در فیلترهای ذره ای
      • کاربرد محاسبات تکاملی در حوزه تخمین حالت
      • ساختار عمومی فیلتر ذره ای هوشمند و تکاملی
      • مروری بر روش های موجود
      • پیاده سازی یک مورد از فیلترهای تکاملی برای تخمین حالت سیستم های دینامیکی
    • درس هجدهم: بررسی و مرور کاربردهای روش های تخمین حالت در حوزه های مختلف


    اطلاعات تکمیلی

    نام آموزش آموزش تخمین حالت سیستم های دینامیکی و تصادفی – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVRCTR115
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)



    مطالب مرتبط


    دیدگاه ها

    ( امتیاز ۵٫۰ از ۵ )
    5.0 از 5


    ۲۱ نظرثبت شده است.
    1. 5 از 5

      :

      فکر می کنم یکی از اساسی ترین مباحثی است که اگر به آن پرداخته شود خیلی از خلأ ها رادر بسیاری زمینه ها پر می کند.

      ممنون از تیم فرادرس

    2. 5 از 5

      :

      سلام
      یک از مباحث بسیار مهم. بخصوص در تز های ارشد و دکتری است.لطفا انتشار آن را تسریع کنید.
      با آرزوی بهروزی

    3. 5 از 5

      :

      موضوعی که کاش به آن پرداخته شود. جای خالی آن شدیدا احساس می شود.

    4. 4 از 5

      :

      رضا
      مباحث مطرح شده از مباحثی پرکاریرد جهت پیش بینی ودنبال کردن , ,
      subject
      می باشد. مثال های درس در مطلب ارایه شود عالی است
      باتشکر

    5. 0 از 5

      :

      بی صبرانه منتظر شروع این آموزش هستم
      جای خالیش خیلی حس میشه

    6. 5 از 5

      :

      سلام آموزش مفیدی خواهد بود تسریع در انجام آن موجبات رضایتمندی از شما را بیشتر فراهم خواهد کرد

    7. 5 از 5

      :

      امیدوارم کار ضبط این مجموعه هر چه زودتر و با کیفیت عالی شروع بشه…ممنون فرادرس 🙂

    8. 0 از 5

      :

      سلام
      امیدوارم هرچه زودتر تهیه و تنظیم این ویدیوی آموزشی به سرانجام خوبی برسه.
      مرسی از زحمات شما
      موفق باشید

    9. 0 از 5

      :

      با سلام وخسته نباشید بهءگروه فرادرس خواهشن این مجموعه و دروس کنترل راشروع کنید ..

    10. 0 از 5

      :

      با سلام خدمت شما . واقعا سایت جالبی دارید. از آقای کلامی هریس هم تشکر میکنم واقعا مسلط هستن روی مطالب. من برنامه نویسی علاقه دارم و هیچ وقت نتونستم مرجع مناسب پیدا کنم. ارشد الکترونیک هستم و امیدوارم زودتر این مجموعه آماده بشه تا بتونم استفاده کنم.
      من آموزش زبان جاوا ، سی شارپ ، گنجینه ی متلب ، جی یو آی متلب ، پردازش سیگنال ، پردازش تصویر ، ویولت و فیلتر کالمن از سایت خریدم و بسیار عالی بوده ، امیدوارم این مجموعه سریعتر آماده شه و بتونم خریداری کنم ، من قسمت فیلتر ذره بسیار لازم دارم. با تشکر از شما

    11. 5 از 5

      :

      خیلی از دانشجویان منتظر این آموزش هستند…خواهشن شروع کنید…

    12. 0 از 5

      :

      این فرادرس میتواند به یکی از پرطرفدارترین فرادرس ها تبدیل بشود

    13. 5 از 5

      :

      به نظر من، این می تونه یکی از بهترین و تخصصی ترین آموزش های فرادرس باشه… امیدوارم زودتر کار ضبط این مجموعه شروع شه

    14. 5 از 5

      :

      با سپاس فراوان از زحمات جناب آقای کلامی هریس .
      بی صبرانه منتظر انتشار این آموزش هستم.

    15. 5 از 5

      :

      سرفصل های این مجموعه بسیار مفید و کاربردی هست لطفا زودتر کار ضبط این مجموعه رو شروع کنید.

    16. 0 از 5

      :

      لطفا کار تولید این مجموعه را تسریع بدهید. ممنون.

    17. 5 از 5

      :

      باسلام
      اگه امکان داره تاسال ۹۵ تمام بشه.
      خیلی ها منتظرند…

    18. 5 از 5

      :

      لطفا انتشار این آموزش را تسریع کنید.
      ممنون

    19. 0 از 5

      :

      لطفا در تولید این آموزش تسریع فرمایید.

    20. 0 از 5

      :

      بی صبرانه منتظر انتشار این آموزش هستم.
      لطفا انتشار این آموزش را تسریع کنید.
      ممنون

    21. 5 از 5

      :

      با سلام. امیدوارم ضبط این آموزش هر چه سریعتر آغاز شود.
      ممنون از سایت و آموزشهای خوبتون

    22. 5 از 5

      :

      با سلام. بی صبرانه منتظر این آموزش هستم. به نظر من، این می تونه یکی از بهترین و تخصصی ترین آموزش های فرادرس باشه

    23. 0 از 5

      :

      سرفصل های این مجموعه بسیار مفید و کاربردی هست لطفا زودتر کار ضبط این مجموعه رو شروع کنید.
      امیدوارم این مجموعه سریعتر آماده شه و بتونم اونو تهیه کنم، من قسمت فیلتر کالمن غیر خطی را لازم دارم. با تشکر از شما.

    24. 0 از 5

      :

      خیلی وقت است که منتظر انتشار این مجموعه هستم اما هنوز ضبط نشده است.

      اگر ممکن است مبحث CKF که خیلی کاربردی و نسبت به بقیه جدیدتر است را نیز به سرفصل ها اضافه کنید.

    25. 0 از 5

      :

      لطفا هرچه سریعتر این اموزش آماده بشه، آخه موضوع پایان نامه من تخمین سیگنال دریافت شده از شبکه حسگری با تاخیر اتفاقی است و این اموزش خیلی بهم کمک میکنه. سایتتون عالیه.

    26. 0 از 5

      :

      لطفا تسریع بفرمایید.

    27. 0 از 5

      :

      سلام.

      اگر با مثالهای عملی در حوزه های مختلف مثل مکانیک و… باشد، خیلی عالی میشود.

    28. 0 از 5

      :

      خیلی نیاز داریم به این آموزش…

    29. 0 از 5

      :

      لطفا در انتشار این آموزش تسریع بفرمایید.

      اگر امکان داره در بخش فیلتر کالمن غیر خطی ekf و ukf، مثال های عملی بیشتری را لحاظ کنید.

    30. 5 از 5

      :

      دوستان محترم خسته نباشید و خدا قوت.

      با توجه به موضوع تز دکتری ام، دریافت این آموزش از طریق وب سایت شما، باعث صرفه جویی در وقت خواهد بود و فکر می کنم با توجه به آموزش های قبلی که از شما دربافت کردم، از لحاظ علمی هم کاملا قابل اتکا باشد.

      لذا در صورت انتشار این مجموعه، حتما آن را تهیه خواهم نمود.

    31. 0 از 5

      :

      ای کاش بتوانید امکان خرید با تخفیف گروهی حتی قبل از انتشار آموزش رو هم فراهم کنید.

      من این آموزش رو قبل از ۱۵ اردیبهشت نیاز خواهم داشت و علاقه مندم که به شیوه خرید با تخفیف گروهی، قبل از انتشار هزینه اش رو با سایر دوستان پرداخت کنم تا بتوانید زودتر این مجموعه رو منتشر کنید.

      می دونم که کیفیت اولویت شما هست، ولی لطفا نیاز ما رو هم در نظر بگیرید.

      سایر دوستان هم لطفا نظر بدهند. سپاس.

    32. 0 از 5

      :

      با صحبتت موافقم راحله. منم خیلی به این آموزش نیاز دارم.

    33. 0 از 5

      :

      امیدوارم کار ضبط این مجموعه هر چه زودتر و با کیفیت عالی شروع بشه.

    34. 0 از 5

      :

      با پیشنهادی که خانم امیری دادند، موافق هستم.

      انتشار این درس خیلی از مشکلات منو حل می کنه و خرید گروهی اگه موثر باشه، چند نفر از همکلاسی هام هم شرکت می کنند.

      جای پاسخ مدیر وب سایت اینجا خالیه! لطفا به ما بگین که اولویت انتشار این درس چطوریه؟ کی شروع به ضبط میشه؟

      • 0 از 5

        :

        در پاسخ به محمدامین مبین و سایر مخاطبین گرامی:
        با سلام؛

        ضمن تشکر از ارائه دیدگاه تان، از اینکه با شکیبایی فرادرس را همراهی می نمایید، سپاسگزاریم.

        رسیدن به حد نصاب تعداد متقاضیان، یکی از عوامل موثر و مهم به شمار می آید. ترافیک انتشار آموزش ها، برنامه ریزی مدرس و هیئت علمی و … نیز در زمان تولید اثرگذار هستند.

        با توجه به کاربردی بودن آموزش و تعداد متقاضیان، امیدواریم هرچه زودتر زمینه انتشار این آموزش نیز فراهم شود.

        منتظر دیدار مجدد شما در فرادرس هستیم.

    35. 0 از 5

      :

      سلام.

      اگر ممکن است بحث SLAM به عنوان مثال تخمین حالت مورد بررسی قرار بگیره. دست همگی درد نکنه.

      خدا قوت به همه اساتید و زحمت کشان این مجموعه و آقای مصطفی کلامی عزیز!

    36. 5 از 5

      :

      این آموزش به نظر من جزو بهترین آموزش های فرادرس خواهد بود. امیدوارم سریع تر وارد مرحله ضبط بشه و به انتشار برسه.

    37. 0 از 5

      :

      فکر می کنم یکی از اساسی ترین مباحثی است که اگر به آن پرداخته شود خیلی از خلأ ها را در رشته اقتصاد پر می کند.

      ممنون از تیم فرادرس.

    38. 5 از 5

      :

      من برای انجام پروژه ارشدم به این آموزش نیاز دارم. لطف کنید در ضبط این آموزش تسریع فرمایید.

    39. 0 از 5

      :

      منم واسه پایان نامه ارشدم به این آموزش نیاز دارم … امیدوارم ضبط این آموزش شروع بشه.

    40. 5 از 5

      :

      امیدوارم انتشار این آموزش را تسریع کنید.
      برای پایان نامه ارشدم خیلی بهش نیاز دارم.
      ممنون.

    41. 0 از 5

      :

      سلام

      برای انتشار و تهیه این آموزش لحظه شماری میکنم. زیرا مبحثی است که بسیار کاربردی است و متاسفانه در دانشگاه ها هم به خوبی تدریس نمیشود.

    42. 5 از 5

      :

      فوق العاده جالب خواهد بود. لطفا هر چه سریعتر این فیلم آموزشی را منتشر کنید.

    43. 0 از 5

      :

      با سلام و خسته نباشید. بنده رساله دکتری خود را در زمینه سنجش از دور تصاویر ماهواره ای انجام میدهم و شدیدا به این آموزش نیاز دارم، خواهشا انتشار این مجموعه را تسریع فرمایید. با سپاس

    44. 0 از 5

      :

      لطفا زودتر اقدام به تهیه نمایید.

    45. 0 از 5

      :

      این آموزش بسیار کاربردی است. متاسفانه من نتونستم استفاده کنم و دفاع پایان نامه م انجام شد. مدت زیادی هست که ضبطش شروع نشده. واقعا حیفه.

    46. 0 از 5

      :

      ای کاش این اموزش الان اماده بود:(

      خواهشا شروع کنید و با سرعت ادامه بدید. شدیدا موضوع مهمیه و بهش نیاز دارم.

    47. 0 از 5

      :

      مدت مدیدی است که این درس در مرحله برنامه ریزی قرار دارد.
      متسفانه مسئولین فرادرس بدون امکان سنجی مناسب، این درس را در مرحله امکان سنجی قرار دادند و اکنون چندین ماه است که این درس دارد برنامه ریزی می شد!
      معمولا کامنت های منتقدانه را ثبت نمی کنید.
      امیدوارم تجدید نظر نمایید.
      ممنون

    48. 0 از 5

      :

      بی صبرانه منتظر شروع این آموزش هستم

    49. 0 از 5

      :

      لطفا شروع به ضبط آموزش کنید. من مدتیه منتظر این اموزشم.

    50. 5 از 5

      :

      با سلام.

      بحث خیلی مهم و پرطرفداریه، لطفا زودتر آمادش کنید.

    51. 5 از 5

      :

      این آموزش بسیار کاربردی است. لطفا شروع به ضبط آموزش کنید. برای پایان نامه ارشدم خیلی بهش نیاز دارم.

      ممنون.

    52. 0 از 5

      :

      سلام.
      ای کاش Ensemble Kalman Filter نیز به این مجموعه ارزشمند اضافه میشد.

    53. 0 از 5

      :

      این اموزش برای تمام رشته هایی که به نوعی با پیش بینی سر و کار دارند لازم و عالی میباشد.

    54. 0 از 5

      :

      عالی هست. در رشته برق قدرت هم داره کاربرد این مباحث روز به روز زیاد میشه چون انرژی ها نو دارن زیاد میشن که خودشون به علیت تغییر پذیری ماهیت stochastic پیدا میکنند.

    55. 0 از 5

      :

      مبحث CKF هم اگه اضافه بشه خیلی خوب خواهد بود.

    56. 0 از 5

      :

      با سلام.

      قبل از هر چیز از زحمات آقای کلامی هریس و همه همکارانش تشکر می کنم که چنین مجموعه مفیدی تاسیس کردن.
      امیدوارم که این مجموعه آموزشی با کیفیت مناسب زودتر آماده بشه، مطالب ارائه شده در این مباحث شدیدا مورد نیاز است.

      با تشکر

    57. 0 از 5

      :

      انتشار بسیاری از مباحث اموزشی با تاخیر زیاد همراه است.
      امیدوارم سرعت ارائه مطالب اموزشی خیلی سریعتر انجام شود.
      زمان فاکتور بسیار مهمی برای دانشجویان است.
      با تشکر

    58. 0 از 5

      :

      با سلام و عرض خسته نباشید.
      لطفا هر چه سریع تر آموزش را منتشر کنید ، به این آموزش خیلی نیاز داریم..
      با تشکر از سایت فرادرس


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان