مدل سازی، برازش و تخمین
۵,۱۳۰ دانشجو ثبت نام کننده
۲ میلیون دقیقه یادگیری و مطالعه توسط دانشجویان
۲,۵۹۰ دقیقه مدت زمان آموز‌ش‌های این صفحه
۱۵ عنوان آموزشی تعداد آموز‌ش‌های این صفحه
۱
آموزش درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب

آموزش درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

فرادرس درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب، ششمین بخش از مجموعه فرادرس های متلب برای علوم و مهندسی است. در این فرادرس، دانشجویان عزیز، با مباحث مختلف  درون یابی، تقریب تابع، و برازش منحنی و سطح آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، برازش منحنی با استفاده از چند جمله ای، درون یابی یک متغیره، برازش منحنی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

یادگیری را شروع کنید ...

۲
آموزش رگرسیون یا Regression

آموزش رگرسیون یا Regression

مدرس: دکتر سیدمصطفی کلامی هریس

در فرادرس جامع رگرسیون یا Regression، پس از مرور کلی بر مفاهیم رگرسیون و مدل سازی، تعدادی از روش های پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند.

یادگیری را شروع کنید ...

۳
آموزش همبستگی و رگرسیون خطی در SPSS

آموزش همبستگی و رگرسیون خطی در SPSS

مدرس: آرمان ری بد

درک رابطه بین متغیرها، برای ایجاد مدل های آماری بسیار ضروری است. به کمک شاخص های مربوطه قادر به کشف میزان رابطه بین متغیرها هستیم. ولی برای نشان دادن مدل رابطه بین متغیرها از یک روش آماری به نام معادله خط برگشت یا رگرسیون (Regression) استفاده می کنیم تا شکل رابطه ی بین متغیرها به زبان آماری نوشته شود. با این کار قادر به پیش بینی و تعیین مقدار متغیر وابسته برحسب متغیر مستقل خواهیم بود. در این میان آزمون های مربوط به مدل ارائه شده از اهمیت زیادی برخوردار است تا اطمینان داشته باشیم که مدل ارائه شده از کارایی مناسب برخوردار است و شرایط مربوط به برآورد مدل در آن لحاظ شده است.

یادگیری را شروع کنید ...

۴
آموزش شبکه های عصبی پرسپترون چند لایه یا MLP در متلب

آموزش شبکه های عصبی پرسپترون چند لایه یا MLP در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس قصد داریم جامع شبکه های عصبی پرسپترون چند لایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است.

یادگیری را شروع کنید ...

۵
آموزش شبکه های عصبی شعاعی پایه یا RBF در متلب

آموزش شبکه های عصبی شعاعی پایه یا RBF در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در این آموزش قصد داریم فرادرس جامع شبکه های عصبی RBF در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی مبتنی بر توابع شعاعی پایه یا RBF، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند.

یادگیری را شروع کنید ...

۶
مجموعه آموزش های الگوریتم رقابت استعماری در متلب

آموزش درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، دانشجویان عزیز، با مباحث مختلف درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، مبانی مدل سازی و برازش منحنی، پیاده سازی مسأله مدل سازی RBF، نمایش گرافیکی نتایج حاصل از حل مسأله مدل سازی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

یادگیری را شروع کنید ...

۷
آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب

آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در «فیلم آموزشی شبکه عصبی GMDH در متلب»، پس از تشریح کامل مبانی تئوری و شیوه عملکرد الگوریتم GMDH چند جمله ای، پیاده سازی عملی و گام به گام این نوع از شبکه عصبی، به صورت کامل در محیط متلب انجام شده است. در ادامه نیز، با استفاده از برنامه نوشته شده برای ایجاد ساختارهای GMDH، مسائل مختلفی در حوزه های متعدد حل و بررسی شده اند.

یادگیری را شروع کنید ...

۸
آموزش مبانی و روش های اقتصاد سنجی با Eviews

آموزش مبانی و روش های اقتصاد سنجی با Eviews

مدرس: پژمان بهرامیان

این آموزش به معرفی و مرور روش ها و مبانی اقتصاد سنجی با استفاده از نرم افزار Eviews که سادگی و انعطاف پذیری آن باعث شده که به عنوان یکی از مهم ترین نرم افزار های مورد استفاده محققان در سطح دنیا قلمداد شود، می پردازد.

یادگیری را شروع کنید ...

۹
آموزش برازش منحنی و مدل سازی با استفاده از الگوریتم PSO

آموزش برازش منحنی و مدل سازی با استفاده از الگوریتم PSO

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. به دلیل این که مسأله برازش منحنی یک مسأله بهینه سازی پیوسته است، لذا از جهش برای محیط های پیوسته، که به صورت توزیع نرمال (گوسی) تعریف شده است، در ساختار EPSO استفاده شده است.

یادگیری را شروع کنید ...

۱۰
آموزش طراحی و پیاده سازی سیستم استنتاج عصبی-فازی تطبیقی یا ANFIS در متلب

آموزش طراحی و پیاده سازی سیستم استنتاج عصبی-فازی تطبیقی یا ANFIS در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، ابتدا به مرور مفاهیم یادگیری و مدل سازی پرداخته می شود و سپس رویکرد کلی برای طراحی سیستم فازی تطبیقی ارائه می شود. در ادامه با معرفی ساختار شبکه ای ANFIS نحوه عملکرد این سیستم، مورد بحث و بررسی قرار می گیرد.

یادگیری را شروع کنید ...

۱۱
آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی

آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی

مدرس: دکتر سیدمصطفی کلامی هریس

طراحی و آموزشی سیستم های استنتاج فازی (FIS) و سیستم های تطبیقی استتاج عصبی فازی (انفیس یا ANFIS) معمولا با استفاده از رویکردهای کلاسیک، نظیر گرادیان نزولی (Gradient Descend) و پس انتشار (Back-Propagation) انجام می شود. اما در این آموزش، کاربرد الگوریتم های تکاملی و فرا ابتکاری در طراحی بهینه سیستم های فازی نوع تاکاگی-سوگنو-کانگ (TSK) مورد بحث واقع شده است.

یادگیری را شروع کنید ...

۱۲
آموزش روش های کاهش مرتبه مدل های دینامیکی خطی در متلب

آموزش روش های کاهش مرتبه مدل های دینامیکی خطی در متلب

مدرس: دکتر سیدمصطفی کلامی هریس

در فرادرس روش های کاهش مرتبه مدل های دینامیکی خطی در متلب، ابزارهای و امکاناتی که در تولباکس (جعبه ابزار) مهندسی کنترل نرم افزار متلب برای کاهش مرتبه مدل های دینامیکی خطی تعبیه شده اند، به صورت کاملا عملی مورد بررسی قرار گرفته اند و نکات مهمی در خصوص استفاده از این ابزارها در کاربردهای عملی، ارائه شده اند.

یادگیری را شروع کنید ...

۱۳
آموزش شناسایی سیستم و مدل سازی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک

آموزش شناسایی سیستم و مدل سازی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک

مدرس: دکتر سیدمصطفی کلامی هریس

سیستم دینامیکی غیر خطی که در این فرادرس مورد بررسی قرار گرفته است، مدل شکار و شکارچی یا Predator-Prey Model است. این مدل کاربردهای فراوانی در حوزه مهندسی زیست-پزشکی (Biomedical Engineering) و اقتصاد (Economics) دارد. مدل های دینامیکی توصیف کننده  رفتار دینامیکی بیماری هایی نظیر ایدز، هپاتیت و سرطان از توسعه مدل شکار و شکارچی به دست آمده اند. برای توصیف بازار رقابتی و مدل سازی چرخه عرضه و تقاضا نیز از مدل شکار و شکارچی استفاده های فراوانی شده است.

یادگیری را شروع کنید ...

۱۴
آموزش مدل سازی و شناسایی سیستم های دینامیکی با استفاده از مدل ARX و شبکه فازی عصبی ANFIS - (رایگان)

آموزش مدل سازی و شناسایی سیستم های دینامیکی با استفاده از مدل ARX و شبکه فازی عصبی ANFIS - (رایگان)

مدرس: دکتر سیدمصطفی کلامی هریس

در این فرادرس، دانشجویان عزیز، با مباحث مختلف مدل سازی و شناسایی سیستم های دینامیکی با استفاده از مدل ARX و شبکه فازی عصبی ANFIS آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، شبیه سازی سیستم غیر خطی، ایجاد داده های مورد نیاز، بیان مسأله شناسایی سیستم و … می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

یادگیری را شروع کنید ...

۱۵
آموزش تحلیل و پیش بینی سری های زمانی

آموزش تحلیل و پیش بینی سری های زمانی - پیش ثبت نام

مدرس: گروه مدرسین فرادرس

تکنیک های سری زمانی ابزاری است مناسب که با استفاده از آن می توان مشکل فوق را حل نمود. بررسی گذشته دادها به منظور شناسایی و تعیین ماهیت یک پدیده قدم اول در یک مدل‌سازی اصولی است که با استفاده از آن می توان در گام بعدی به یک پیش بینی صحیح و قابل اتکا دست یافت. لذا آگاهی مناسب و عمیق از این دانش بازخورد مطلوب تصمیمات فرد را در آینده را تضمین می کند. از طرفی دیگر با توجه به رشد خیره کننده تکنیک های سری زمانی به همراه پیچیدگی های نظری آن باعث شده است که دانشجویان و حتی افراد حرفه ای ارتباط مناسبی را با آن نتوانند بر قرار کنند لذا در این مجموعه آسان سازی و بهینه سازی یادگیری از لحاظ تئوری از یک طرف و پیاده سازی مبانی در فرم کاربردی با استفاده از بسته های نرم افزاری موجود (Stata, Eviews) هدف گذاری شده است تا بتوان با استفاده از آن به نحوه اثر بخش از تحلیل های سری زمانی به هر منظوری استفاده نمود.

یادگیری را شروع کنید ...

موضوعات آموزشی مرتبط





به همراه دهها آموزش دیگر مرتبط با مدل سازی، برازش و تخمین

برای مشاهده آموزش های مرتبط دیگر، در میان ۴ هزار ساعت آموزش منتشر شده در فرادرس، جستجو کنید ...


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