آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی

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

دکتر سیدمصطفی کلامی هریس
دکتر سیدمصطفی کلامی هریس

عضو هیأت علمی فرادرس

دکترای تخصصی مهندسی برق-کنترل


دکتر سیدمصطفی کلامی هریس یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیأت علمی آن است. تا کنون، محتوای آموزشی ارائه شده توسط وی بر روی فرادرس، یکی از مراجع اصلی آموزشی دانشجویان و دانش پژوهان علاقه مند به یادگیری حوزه های مختلف مرتبط با هوش مصنوعی و برنامه نویسی بوده است. (+)



در این فرادرس، سعی شده است با نگرشی جامع، رویکردهای تکاملی و فرا ابتکاری برای حل مسأله انتخاب ویژگی مورد بحث و بررسی واقع شده اند و پیاده سازی عملی این روش ها، به صورت گام به گام در محیط متلب آموزش داده شده اند.

👤 مدرس: دکتر سیدمصطفی کلامی هریس
🕓 مدت زمان: ۴ ساعت و ۸ دقیقه
🎓 تعداد دانشجو: ۷۰۸ نفر این آموزش را تهیه کرده اند. — ۷ نفر در دو هفته اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۱۴,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    مسأله انتخاب ویژگی یا Feature Selection (و یا Feature Subset Selection) یکی از زیر مجموعه های مسأله استخراج ویژگی یا Feature Extraction است و در حوزه های مختلف یادگیری ماشینی و داده کاوی مطرح می شود. در حالت کلی این مسأله دارای راه حل قطعی نیست و تا کنون روشی دقیق برای حل آن پیشنهاد نشده است. رویکردهای مختلفی به صورت کلاسیک برای این مسأله ها پیشنهاد شده اند که معمولا کیفیت پاسخ آن ها، به صورت عمومی چندان مناسب و مطلوب نیست.

    اما در مقابل، روش های بهینه سازی هوشمند می توانند در حل این مسائل، راه حل های به مراتب بهتری را ارائه نمایند. از این رو، یکی از روش های موثر و سازنده در مسیر حل مسائل انتخاب ویژگی و مسائل مرتبط با آن، استفاده از روش های بهینه سازی فرا ابتکاری و الگوریتم های تکاملی است.

    در این مجموعه آموزشی، سعی شده است با نگرشی جامع، رویکردهای تکاملی و فرا ابتکاری برای حل مسأله انتخاب ویژگی مورد بحث و بررسی واقع شده اند و پیاده سازی عملی این روش ها، به صورت گام به گام در محیط متلب آموزش داده شده اند. در این مجموعه آموزشی، از الگوریتم های زیر برای حل مسأله انتخاب ویژگی استفاده شد است:

    • الگوریتم ژنتیک باینری یا GA
    • بهینه سازی کلونی مورچگان یا ACO
    • شبیه سازی تبرید یا SA
    • بهینه سازی ازدحام ذرات یا PSO
    • تکامل تفاضلی یا DE
    • الگوریتم ژنتیک با مرتب سازی نا مغلوب (نسخه دوم) یا NSGA-II

    مطالب و نکات آموزشی مورد اشاره در این آموزش، توسط دکتر سیدمصطفی کلامی هریس (فارغ التحصیل دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیر) ارائه شده اند، و همه موارد مطرح شده، در کنار مرور کامل بر مباحث تئوری و مفهومی، به صورت کاملا عملی و گام به گام، پیاده شده اند، و از این رو، این آموزش می تواند به عنوان یک مرجع کاملا علمی و عملی، مورد استفاده دانشجویان و دانشپژوهان باشد.

    فهرست سرفصل ها و مباحث مطرح شده در این مجموعه آموزشی، در ادامه آمده اند:
    • بیان ریاضی مسأله انتخاب ویژگی به صورت یک مسأله بهینه سازی
    • بحث بر روی توابع هدف مطرح در مسأله بهینه سازی
    • بیان مسأله انتخاب به سه صورت مختلف
      • انتخاب ویژگی با تعداد ویژگی انتخابی نامعلوم
      • انتخاب ویژگی با تعداد ویژگی مطلوب از پیش تعیین شده و معلوم
      • انتخاب ویژگی به صورت چند هدفه
    • پیاده سازی گام به گام حل مسأله انتخاب ویژگی با تعداد نامعلوم
      • انتخاب ویژگی با استفاده از الگوریتم ژنتیک باینری برای رگرسیون با استفاده از شبکه عصبی
    • پیاده سازی گام به گام حل مسأله انتخاب ویژگی با تعداد از پیش تعیین شده و معلوم
      • کدینگ گسسته به صورت مسأله بهینه سازی جایگشتی یا Permutation
        • انتخاب ویژگی با استفاده از الگوریتم مورچگان برای رگرسیون با استفاده از شبکه عصبی
        • انتخاب ویژگی با استفاده از الگوریتم شبیه سازی تبرید برای رگرسیون با استفاده از شبکه عصبی
      • کدینگ پیوسته با استفاده تکنیک کلید تصادفی یا Random Key
        • انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا PSO برای رگرسیون با استفاده از شبکه عصبی
        • انتخاب ویژگی با استفاده از الگوریتم تکامل تفاضلی برای رگرسیون با استفاده از شبکه عصبی
    • پیاده سازی گام به گام حل مسأله انتخاب ویژگی به صورت چند هدفه
      • حل مسأله انتخاب ویژگی چند هدفه با استفاده از تکنیک تجزیه به چندین مسأله تک هدفه
        • انتخاب ویژگی چندهدفه با استفاده از الگوریتم PSO با اجرای چند باره
      • حل مسأله انتخاب ویژگی چند هدفه با استفاده از رویکردهای چند هدفه تکاملی
        • انتخاب ویژگی چندهدفه با استفاده از الگوریتم ژنتیک چند هدفه NSGA-II
      • پیاده سازی رویکردهای مورد اشاره برای انتخاب ویژگی در طبقه بندی با استفاده از شبکه عصبی
        • با استفاده از یکی دیتاست های شناخته شده NIPS به نام MADELON با ۵۰۰ ویژگی (ورودی)

    پیش نمایش

    پیش نمایش ۱: آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی - ۳۲ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۸۴ مگابایت (کلیک کنید +)


    پیش نمایش ۲: آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی - ۱۷ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۵۵ مگابایت (کلیک کنید +)


    پیش نمایش ۳: آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی - ۲۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی
    ناشر فرادرس
    شناسه اثر ۸-۱۱۰۳۸-۰۴۴۸۵۶ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش FVRP103
    مدت زمان ۴ ساعت و ۸ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۸۰۶ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزشها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۸۸۳۱۲۲۷۶ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی

    هزینه آموزش: ۱۴,۰۰۰ تومان




    سایر آموزش های دکتر سیدمصطفی کلامی هریس



    مطالب مرتبط


    دیدگاه ها

    ( امتیاز ۵٫۰ از ۵ )
    5.0 از 5


    تا کنون ۷۰۸ نفراز این آموزش استفاده کرده اند و ۲۰ نظر ثبت شده است.
    1. 3 از 5

      :

      سلام
      کاش کدهاش رو هم می ذاشتین.
      کد “انتخاب ویژگی با استفاده از الگوریتم های فراابتکاری” بخش دوم رو اگر امکانش هست برام میل کنید.

      • 0 از 5

        :

        در پاسخ سمیه:

        با سلام

        در کلیه فرادرس هایی که پیاده سازی آموزش داده شده است، کد متلب ضمیمه می باشد.

        موفق باشید.

    2. 5 از 5

      :

      درود بر شما. توضیحات مدرس روشن و واضح بود. لطفا رفرنس آموزش ها را نیز در آموزش عنوان کنید. ممنونم.

    3. 5 از 5

      :

      با سلام. من با کمک این آموزش توانستم مقاله ای موفق را بنویسم. متشکرم.

    4. 5 از 5

      :

      سلام.
      وقت بخیر.
      من دیتاستی دارم که شامل حدودا ۶۰ خصوصیته و میخوام این دیتاست رو وارد شبکه عصبی کنم اما خیلی تعداد ویژگی هام زیاده.
      آیا با استفاده از این فیلم ها میتونم تعداد این ویژگی ها رو کمترکنم؟

    5. 5 از 5

      :

      سلام. من ارشد نقشه برداری هستمو این فیلم آموزشی و مباحث محاسبات هوشمند و الگوریتم شبکه های عصبی برایم خیلی مفید بودند.

    6. 5 از 5

      :

      من بیشتر بخاطر آموزش انتخاب ویژگی با استفاده از PSO این آموزشو تهیه کردم ولی بقیه بخش ها هم برام مفید بود. کلا آموزش گام به گام بود خیلی راضی بودم.

    7. 5 از 5

      :

      با سلام. طریقه استفاده از شبکه های عصبی و بخش کد نویسی عالی بود. اگر امکانش هست لطفا به جزئیات بیشتر نیز بپردازید و بخش های پیشرفته ارائه دهید.

    8. 5 از 5

      :

      من ارشد هوش مصنوعی هستم. تا حدی با این آموزش آشنایی داشتم و به جهت مرور دانسته ها این آموزش را تهیه کردم. تدریس صریح و روانی بود و باعث شد مطالب جدیدی برایم به همراه داشته باشد.

    9. 5 از 5

      :

      سلام. من چون وقت نداشتم خودم مطالعه کنم برای یادگیری سریع این آموزشو تهیه کردم. خیلی راضی ام تو کمترین زمان ممکن بیشترین استفاده رو از زمانم کردم و خیلی از پروژم پیشرفت داشت. ممنونم

    10. 5 از 5

      :

      آقای دکتر کلامی هریس بخش های کد نویسی و پیاده سازی را بسیار بی نظیر تدریس میکنند. من هیچ نقطه ضعف یا اشکالی ندیدم. برایتان آرزوی موفقیت دارم.

    11. 5 از 5

      :

      ادغام بخش تئوری و عملی ایده بسیار عالی بود که باعث مفید تر شدن آموزش است. من با استفاده از این آموزش پروژه ام را انجام دادم.

    12. 5 از 5

      :

      از آقای دکتر کلامی و گروه خوب فرادارس تشکر میکنم. واقعا محصولاتتون عالیه. من خودم از این اموزش برای پایان نامم استفاده کردم و واقعا مفید بود. بازم ممنون

    13. 5 از 5

      :

      سلام. بخش تئوری را خیلی خوب آموزش داده اند و تا زمانی که بحث تئوری به خوبی جا نیفتاده سراغ بخش عملی نرفته اند. به نظرم بخش های تئوری کمی زیاد بود.

    14. 5 از 5

      :

      آموزش خیلی خوبی بود. لطفا به همین ترتیب به فعالیتتان ادامه دهید. برایتان آرزوی موفقیت دارم.

    15. 5 از 5

      :

      با سلام و تشکر. مدرس خیلی خوب بود قدرت انتقال مطالبش فوق العاده بود با یکبار نگاه کردن تمام مطالب رو میفهمیم.

    16. 5 از 5

      :

      با سلام و احترام و تشکر از زحمتی که کشیدین. بنده این آموزش را تهیه کردم و برای انجام پایان نامم از آن استفاده کردم. من تا قبل از این اصلا کدنویسی رو دوست نداشتم و الان واقعا به آن علاقه مند شدم و می تونم به تنهایی از پس نوشتن برنامه های مورد نظرم بر بیام. این آموزش هم بسیار عالی و مفید بود. فقط اگر برنامه انتخاب ویژگی با تعداد نامشخص با استفاده از الگوریتم PSO هم بیان می شد فیلم آموزشی کامل تر بود.

    17. 0 از 5

      :

      با سلام و خداقوت خدمت تمام عوامل فرادرس.
      این آموزش نیز مانند آموزش های تهیه شده توسط گروه فرادرس از نظر علمی و کیفی بسیار مطلوب و مناسب می باشد. به خصوص اینکه جناب آقای دکتر کلامی تدریس موضوع را بر عهده داشته اند. بدون اغراق به سختی می توان منبعی یافت که تا این حد مباحث را به وضوح و آماده در اختیار قرار دهد. به ویژه اینکه مباحث علاوه بر تشریح به صورت تئوری، به صورت عملی هم پیاده سازی می شوند. پیشنهاد می کنم که برای ارتقای بهره وری دانشجویان محترم از محصولات شما، در صفحه مربوط به هر آموزش، امکاناتی برای ارتباط دانشجویانی که از فیلم آموزشی استفاده کرده اند به وجود آید تا دانشجویان بتوانند مشکلات احتمالی و تجربیات خود را در اختیار دیگران قرار دهند. همچنین دانشجویانی که آموزش را تهیه نکرده اند با محصولات آشنایی بیشتری پیدا کنند.

    18. 5 از 5

      :

      با عرض سلام و خسته نباشید و تشکر ویژه بابت سایت خوبتون. من با استفاده از فیلم آموزشی انتخاب ویژگی با استفاده از الگوریتم های فراابتکاری و تکاملی و ترکیب آن با الگوریتم NSGA-II که ان را هم قبلا از سایت شما تهیه کرده بودم، توانستم بخش مهمی از شبیه سازی پایان نامه ام را انجام دهم که مورد توجه استادم هم قرار گرفت. باز هم از شما تشکر می کنم و امیدوارم در صورت امکان علاوه بر آموزش الگوریتم های بهینه سازی، نسخه های بهبود یافته آن ها را که معمولا چندین نسخه از آن ها هر ساله در مقالات مختلف معرفی می شوند آموزش داده شوند. با تشکر

    19. 5 از 5

      :

      با سلام؛
      این آموزش بسیار ارزنده بوده اند.
      ترکیب های کاربردی در این آموزش ارائه شده بود و نقطه ضعفی مشاهده نشد.
      خداقوت

    20. 0 از 5

      :

      با سلام، این آموزش خوب بود و به من خیلی کمک کرد.
      ممنون از آموزش های خوبتون.

    21. 5 از 5

      :

      با سلام و خسته نباشید خدمت شما و اساتید محترم.
      باید اعتراف کنم که این آموزش ایده من برای انجام پایان نامم رو بهم داد. تونستم با استفاده از این الگوریتم نظر استادم رو بدست بیارم و پایان نامم رو پیش ببرم. تنها نکته ای که به نظر جای خالی اون احساس میشه اینکه این الگوریتم بعد از انتخاب ویژگی باید به یک الگوریتم مدل سازی مثل شبکه عصبی متصل بشه که پارامتر های اون با الگوریتم فرا ابتکاری تعیین میشه. یعنی بعد از اینکه تعداد ویژکی مشخص شد، خود برنامه مدل سازی و بهینه سازی رو هم شروع کنه.
      بسیار از سایت خوبتون و آموزش های مفیدتون متشکرم.

    22. 5 از 5

      :

      با سلام و خسته نباشید خدمت تمامی عوامل مجموعه بی نظیر فرادرس.
      برای من این آموزش نیز مثل آموزش های قبل از نظر علمی و کیفی بسیار مطلوب و مناسب بود. به خصوص اینکه جناب آقای دکتر کلامی تدریس موضوع را بر عهده داشته اند. بدون اغراق به سختی می توان منبعی یافت که تا این حد مباحث را به وضوح و آماده در اختیار قرار دهد. خیلی خوبه که مباحث علاوه بر تشریح تئوری، به صورت عملی هم پیاده سازی می شوند. اگر ممکنه صفحه گفتمان گروهی برای هر مبحث تشکیل دهید تا دانشجویان بتوانند مشکلات احتمالی و تجربیات خود را در اختیار دیگران قرار دهند. همچنین دانشجویانی که آموزشی را تهیه نکرده اند با آموزش ها آشنایی بیشتری پیدا کنند.

    23. 0 از 5

      :

      سلام و عرض ادب.

      تشکر میکنم از این آموزش عالیتون. دکتر کلامی باز هم با بیانی زیبا و کامل و بدون نقص به آموزش این بخش پرداختند. بنده پایان نامه خودم رو با کمک آموزش های جامعتون تونستم پیش ببرم و بهش انتخاب ویژگی اضافه کنم و ایده های خیلی خوبی برای اتمام پایان نامم بهم داد. ضمنا کیفیت خیلی عالی بود و فکر می کنم حس کلاس آموزشی به دانشجویان القا میشه.

      امیدوارم مباحث جدیدتری ارائه بشه و همچنین راه ارتباطی با اساتید نیز فراهم بشه. از فرادرس کمال تشکر رو دارم و هم چنین از آقای دکتر کلامی، واقعا لذت بردم. ممنون.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و تکاملی

هزینه آموزش: ۱۴,۰۰۰ تومان



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