×
زمان تقریبی انتشار: ۴ تا ۱۲ هفته

آموزش شبکه های عصبی موجکی - پیش ثبت نام

آموزش شبکه های عصبی موجکی - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
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 معمولا ۴ تا ۱۲ هفته زمان می برد.
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 این آموزش پیش ثبت نام نمایید.
آموزش شبکه های عصبی موجکی - پیش ثبت نام

ترکیب شبکه عصبی مصنوعی و موجک، الگوی جدیدی از هوش مصنوعی بنام شبکه عصبی موجکی را پدید آورده است. در بسیاری از موارد نتایج بسیار بهتری از شبکه های عصبی مصنوعی را به وجود می آورند. در ادامه، ابتدا با موجک ها پیوسته ای که در این نوع شبکه ها بکار می روند آشنا می شویم سپس با مفاهیم شبکه های مصنوعی و آموزش آنها آشنا شده و سر انجام شبکه های عصبی موجکی را مطرح می کنیم.

آموزش شبکه های عصبی موجکی - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
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 معمولا ۴ تا ۱۲ هفته زمان می برد.
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 این آموزش پیش ثبت نام نمایید.

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.

توضیحات تکمیلی

ترکیب شبکه عصبی مصنوعی و موجک، الگوی جدیدی از هوش مصنوعی بنام شبکه عصبی موجکی را پدید آورده است. در بسیاری از موارد نتایج بسیار بهتری از شبکه های عصبی مصنوعی را به وجود می آورند. در ادامه، ابتدا با موجک ها پیوسته ای که در این نوع شبکه ها بکار می روند آشنا می شویم سپس با مفاهیم شبکه های مصنوعی و آموزش آنها آشنا شده و سر انجام شبکه های عصبی موجکی را مطرح می کنیم.

معمولاً، شبکه های عصبی بخصوص شبکه های عصبی موجکی را به منظور تقریب توابع غیر خطی نا شناخته و شبیه سازی رفتار یک سیستم نا مشخص و پیش بینی رفتار آن در زمان های آینده بکار می برند

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: موجک های پیوسته
    • معرفی موجک های پیوسته
    • موجک مادر و دختر
    • معرفی چند موجک مهم
    • موجک های مختلط Complex wavelet
    • برخی موجک های دیگر که در شبکه های عصبی موجکی بکار می روند
  • درس دوم: شبکه های عصبی مصنوعی
    • شبکه های عصبی چیست
    • شبکه های عصبی
    • شبکه های عصبی در متلب
    • مثالی از شبکه های عصبی
    • انواع شبکه های عصبی
  • درس سوم: شبکه های عصبی ویولتی تک ورودی – تک خروجی
    • معرفی شبکه های عصبی موجکی تک ورودی – تک خروجی
    • شبکه های عصبی موجکی تک ورودی – تک خروجی
    • مثالی از تقریب توابع یک متغیره به کمک شبکه های عصبی موجکی
    • مقایسه شبکه های عصبی موجکی با سایر شبکه های عصبی
  • درس چهارم: شبکه های عصبی موجکی چند ورودی – چند خروجی
    • معرفی شبکه های عصبی موجکی چند ورودی – چند خروجی
    • شبکه های عصبی موجکی چند ورودی – چند خروجی
    • مثالی از تقریب توابع چند متغیره به کمک شبکه های عصبی موجکی
    • مثالی از تقریب توابع برداری به کمک شبکه های عصبی موجکی
  • درس پنجم: شبکه های عصبی موجکی و متلب
    • توابع و ابزارهای موجود در کتابخانه متلب
    • نوشتن کدهای یک شبکه عصبی موجکی در متلب

پیش نیاز





راهنمای سفارش 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 ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش شبکه های عصبی موجکی - پیش ثبت نام
ناشر فرادرس
کد آموزش FVNN9412
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)






نظرات

آزمين بني بيات
آزمين بني بيات

لطفا سریعر
پاسخ به نظر

پریسا
پریسا

سلام. لطفا سریع تر این آموزش رو آماده بفرمایید خیلی بهش نیاز داریم. با تشکر از تیم قوی فرادرس
پاسخ به نظر

roza
roza

با سلام
امیدوارم این مجموعه سریع اماده شود خیلی نیاز دارم.

لطفا بحث طبقه بندی با شبکه عصبی موجکی را هم در این مجموعه قرار دهید

با تشکر

پاسخ به نظر

nafas
nafas

با سلام؛

خواهش می کنم مثال های عملی متنوع و بیشتری را در محیط متلب مرتبط با پیش بینی داده های سری زمانی را به این مجموعه اضافه کنید.

پاسخ به نظر

پایدار
پایدار

با سلام.

من هم با نظر دوستان رضوی و محمد موافقم. خواهشمندم مثال های متنوعی را روی دیتاست های سری های زمانی (با وجود outlierها) مطرح کنید، مقالاتی اخیرا چاپ شده اند، کارایی بالای روش شبکه های عصبی موجکی را روی داده های سری های زمانی که شامل outlierها هستند، نشان داده اند.

بی صبرانه منتظر آماده شدن این مجموعه شما هستیم.

با تشکر فراوان از فرادرس.

پاسخ به نظر

علی
علی

سلام.

منتظریم...

پاسخ به نظر

hesar
hesar

سلام.

من از آموزش های این سایت خیلی بهره بردم و از صمیم قلب ازتون تشکر می کنم.

اگر ممکنه تبدیل موجک در متلب رو به صورت رایگان در این سایت بزارید. با تشکر فراوان.

پاسخ به نظر

روابط عمومی
روابط عمومی

در پاسخ به hesar:
با سلام؛

ضمن تشکر از ارائه دیدگاه تان؛ می توانید آموزش مرتبط با موجک و بخش های پیش نمایش را در لینک زیر مشاهده نمایید:

مجموعه آموزش های مباحث تئوری و عملی موجک ها در متلب

از حضور شما در فرادرس خوشحالیم و منتظر دیدار مجدد شما در فرادرس هستیم.

مجتبی
مجتبی

این مجموعه بسیار مفید خواهد بود. لطفا هرچه سریع تر نسبت به تولید آن اقدام فرمایید.
پاسخ به نظر

محمد
محمد

بنده هم نظر قبلی را تایید و تاکید می کنم بسیار مناسب است که که مثالهای متنوعی از یک ورودی یک خروجی، چند ورودی یک خروجی و همچنین چند ورودی و چند خروجی در این اموزش بررسی شود.
همچنین توصیه می شود همه حالت های اشاره شده فوق الذکر در حالتی که سری داده ها سری های زمانی باشند (یعنی چینش زمانی مرتب و غیر قابل تغییر داشته باشند) نیز بررسی و مثالهایی در این زمینه ارایه گردد. در حالت سری زمانی کاربرد شبکه مورد اموزش در پیش بینی سری تک متغیره نیز موضوعی کاربردی است و قطعا مورد نیاز خواهد بود.
به علاوه اگر می توان از این نوع شبکه در کارهایی مانند طبقه بندی و یا سایر کاربرد های داده کاوی نیز استفاده نمود خوب است مثالهایی در این زمینه ها ارایه شوند

پاسخ به نظر

رضوی
رضوی

بسیار عالی است. فقط بهتر بود که مثال ها بیشتر و طبقه بندی و پیش بینی سری زمانی نیز به مثالها اضافه گردد.
پاسخ به نظر

برچسب‌ها:
Complex wavelet | توابع برداری | مادر و دختر | موجک های پیوسته
مشاهده بیشتر مشاهده کمتر

×
فهرست جلسات ۰ جلسه ویدئویی