×
۵۵,۰۰۰ تومان
۲۷,۵۰۰ تومان

آموزش شبکه های عصبی گازی در متلب MATLAB

آموزش شبکه های عصبی گازی در متلب MATLAB

تخفیف ۵۰ درصدی


هزینه آموزش
۵۵,۰۰۰ تومان
۲۷,۵۰۰ تومان
(کسب اطلاعات بیشتر +)

تعداد دانشجو
۸۲۵ نفر
مدت زمان
۳ ساعت و ۱۶ دقیقه
محتوای این آموزش
تضمین کیفیت
۱۰ بازخورد (مشاهده نظرات)
آموزش شبکه های عصبی گازی در متلب MATLAB

شبکه عصبی گازی یا شبکه گاز عصبی (Neural Gas Network) یکی از انواع شبکه های عصبی رقابتی با الگوی یادگیری غیر نظارت شده است، که کاربرد اصلی آن در حل مسائل خوشه بندی (Clustering) و یادگیری توپولوژی (Topology) است. این نوع از شبکه عصبی، از نظر طبقه بندی در رده الگوریتم های Vector Quantization (به اختصار VQ) قرار می گیرد و ارتباط بسیار نزدیکی با الگوریتم خوشه بندی k-Means، شبکه عصبی SOM (نگاشت های خود سازمان ده) و شبکه عصبی LVQ دارد. شبکه گاز عصبی علاوه بر انجام خوشه بندی و قرار دادن مرکز خوشه ها در محل مناسب، ارتباط های همسایگی میان نورون ها (مراکز خوشه ها) را به صورت پویا ایجاد می کند، که در نهایت این الگوریتم را، قادر به یادگیری توپولوژی می کند.

آموزش شبکه های عصبی گازی در متلب MATLAB

تعداد دانشجو
۸۲۵ نفر
مدت زمان
۳ ساعت و ۱۶ دقیقه
هزینه عادی آموزش
۵۵,۰۰۰ تومان
در طرح تخفیف
۲۷,۵۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۱۰ بازخورد (مشاهده نظرات)

دکتر سید مصطفی کلامی هریس

دکتری تخصصی مهندسی برق - کنترل

دکتر سید مصطفی کلامی هریس یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیات علمی آن است. ایشان دارای مدرک دکترای تخصصی در رشته مهندسی برق - کنترل، از دانشگاه صنعتی خواجه نصیرالدین طوسی (قطب علمی کنترل صنعتی) هستند و زمینه های پژوهشی و کاری تخصصی ایشان، در حوزه های مختلف مهندسی کنترل و سیستم های هوشمند بوده است.

توضیحات تکمیلی

شبکه عصبی گازی و کاربردهای آن

شبکه عصبی گازی یا شبکه گاز عصبی (Neural Gas Network) یکی از انواع شبکه های عصبی رقابتی با الگوی یادگیری غیر نظارت شده است، که کاربرد اصلی آن در حل مسائل خوشه بندی (Clustering) و یادگیری توپولوژی (Topology) است. الگوریتم پایه شبکه عصبی گازی در سال ۱۹۹۱ و توسط توماس مارتینز (Thomas Martinetz) و کلاوز شولتن (Klaus Schulten) ارائه شد. متن این مقاله از طریق این لینک (+) در دسترس است.

این نوع از شبکه عصبی، از نظر طبقه بندی در رده الگوریتم های Vector Quantization (به اختصار VQ) قرار می گیرد و ارتباط بسیار نزدیکی با الگوریتم خوشه بندی k-Means، شبکه عصبی SOM (نگاشت های خود سازمان ده) و شبکه عصبی LVQ دارد. شبکه گاز عصبی علاوه بر انجام خوشه بندی و قرار دادن مرکز خوشه ها در محل مناسب، ارتباط های همسایگی میان نورون ها (مراکز خوشه ها) را به صورت پویا ایجاد می کند، که در نهایت این الگوریتم را، قادر به یادگیری توپولوژی می کند.

از مهم ترین زمینه های کاربردی شبکه های عصبی گازی، می توان به بخش بندی تصویر (Image Segmentation)، فشرده سازی (Compression)، تشخیص گفتار (Speech Recognition) و بازشناسی الگو (Pattern Recognition) اشاره کرد.

شبکه عصبی گازی رشد یابنده یا GNG

در سال 1995، یک الگوریتم توسعه یافته به نام شبکه گازی عصبی رشد یابنده یا Growing Neural Gas Network (به اختصار GNG Network) توسط برند فریتزکه (Bernd Fritzke) معرفی شد. متن این مقاله از طریق این لینک (+) در دسترس است.

در شبکه عصبی GNG، بر خلاف شبکه گاز عصبی عادی، ساختار شبکه عصبی با تعداد دو نورون کار را شروع می کند و بر حسب نیاز، اندازه شبکه به صورت تطبیقی، کم یا زیاد می شود. الگوی یادگیری و به روز رسانی همسایگی در GNG تفاوت هایی را با الگوریتم پایه شبکه عصبی گازی دارد که این شبکه را قادر به حل سریع تر مسائل یادگیری غیر نظارت شده می کند.

آنچه در این فرادرس خواهید دید

در مجموعه آموزشی «شبکه های عصبی گازی به همراه پیاده سازی عملی در متلب»، که توسط دکتر سید مصطفی کلامی هریس بر روی فرادرس ارائه شده است، مبانی تئوری شبکه های عصبی گازی و شبکه عصبی GNG به صورت کامل تشریح شده اند و پیاده سازی گام به گام و عملی آن ها در محیط متلب، در ادامه مورد بحث واقع شده است.

فهرست سرفصل ها و مباحث مطرح شده در این آموزش، در ادامه آمده است:
  • آشنایی با شبکه عصبی گازی یا Neural Gas Network و تاریخچه آن
  • ارائه مثال هایی از شیوه عملکرد شبکه عصبی گازی
  • آشنایی با شبکه عصبی گازی رشد یابنده
  • مروری بر الگوریتم های Vector Quantization و یادگیری رقابتی
  • بررسی شیوه یادگیری الگوریتم گاز عصبی
  • بررسی شیوه ایجاد همسایگی و توپولوژی در الگوریتم گاز عصبی
  • تشریح مراحل الگوریتم آموزش گاز عصبی
  • پیاده سازی گام به گام الگوریتم گاز عصبی در محیط متلب
  • تغییر تدریجی پارامترهای الگوریتم
  • استفاده از الگوریتم پیاده سازی شده برای حل سه مثال
  • تشریح کامل شبکه عصبی گازی رشد یابنده یا GNG
  • پیاده سازی گام به گام الگوریتم GNG در محیط متلب
  • اعمال الگوریتم GNG بر روی سه مثال

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس




پیش نمایش‌ها

۱. مبانی تئوری شبکه های عصبی گازی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۱۸ مگابایت -- (کلیک کنید +))

۲. پیاده سازی عملی شبکه عصبی گازی در متلب

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید دانلود پیش‌نمایش - حجم: ۵۵ مگابایت -- (کلیک کنید +))

۳. شبکه های عصبی گازی رشد یابنده
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۳ جلسه ویدئویی با مجموع ۳ ساعت و ۱۶ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

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 گازی در متلب MATLAB
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۰۰۷۴ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVRML112
مدت زمان ۳ ساعت و ۱۶ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۳۱۵ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.


آموزش‌های پیشنهادی برای شما


نظرات

تا کنون ۸۲۵ نفر از این آموزش استفاده کرده اند و ۱۰ نظر ثبت شده است.
alireza
alireza
۱۳۹۵/۰۹/۰۳

با سلام
جناب دکتر کلامی ممنون از اموزش بسیار شیوا وخوبتون.

علیرضا
علیرضا
۱۳۹۴/۱۱/۱۷

با عرض سلام و خسته نباشید و تشکر ویژه بابت آموزش های بی نظیرتون.
بنده با کمک آموزش شبکه های عصبی گازی به همراه پیاده سازی عملی در متلب شما توانستم یکی از روش هایی را که برای شبیه سازی پایان نامه ام نیاز داشتم یاد یگیرم. به نطر من این آموزش سطح تئوری و عملی بالایی داشت و تمام نیازهای یک فرد را برآورده می سازد. از این بابت از شما بسیار سپاسگذارم.
درخواستی که دارم، در صورت امکان در زمینه طبقه بندی و شناسایی رفتار انسان با استفاده از شبکه های عصبی به صورت پیشرفته نیز درس هایی طراحی و ارائه گردد. با تشکر دوباره از تمامی زحمات شما.
واقعا آموزش های شما جامع و منحصر به فرد است و هزینه هر آموزش در مقابل مطالبی که یاد می گیریم بسیار ناچیز است.

میلاد مرادی حیدرلو
میلاد مرادی حیدرلو
۱۳۹۴/۰۷/۰۵

سلام. تمام مطالبی که باید در چندین کتاب بگردیم و تهیه کنیم رو توی اموزش های شما پیدا میکنیم خیلی خلاصه و جامع گفته میشه. پشتیبانی انلاینتون هم خیلی خوبه.

محمد باقری
محمد باقری
۱۳۹۴/۰۷/۲۰

با سلام. مباحث عملی بسیار عالی بودند.

امیررضا خواجه وند
امیررضا خواجه وند
۱۳۹۴/۰۷/۱۴

تشکر از سایت خوبتان. این آموزش بسیار عالی بود مانند همه آموزش های آقای دکتر کلامی حرف نداشت.

شیرین سجادی
شیرین سجادی
۱۳۹۴/۰۷/۲۴

خسته نباشید. پیشنهاد دارم در آموزش هایتان بیشتر مسائل کلی و کلیات را مطرح کنید و جزئیات را کم کنید.

محسن شاکری
محسن شاکری
۱۳۹۴/۰۷/۲۹

بسیار عالی بود و از آن در انجام پایان نامه ام بهره مند شدم.

حمیدرضا امامی
حمیدرضا امامی
۱۳۹۴/۰۶/۲۰

بسیار خوب است. من این آموزش را برای پایان نامه ام تهیه کردم. به نظرم بخش تئوری بیشتر مطرح شده است.

مرتضی معین
مرتضی معین
۱۳۹۴/۰۶/۳۰

خیلی عالی بود. آموزش های آقای دکتر کلامی عالی هستند. ایشان بسیار خوب توضیح می دهند. و این آموزش بسیار برایم مفید بود.

mostafa
mostafa
۱۳۹۴/۰۶/۰۳

سلام
واقعا باید به بنیان گذاران این سایت آفرین گفت از جمله آقای دکتر کلامی و آقای دکتر آتش پز
به خاطر بیان شیوا و گذاشتن آموزش های کاربردی و هدفمند

برچسب‌ها:
ANN | Artificial Neural Network | Cluster Analysis | Clustering | Clustering in MATLAB | Competitive Learning | Compression | GNG Network | Growing Neural Gas Network | Image Segmentation | Neural Gas Network | Neural Network | Neural Networks in MATLAB | Pattern Recognition | Speech Recognition | Topology | Unsupervised Learning | Vector Quantization | الگوریتم GNG | الگوریتم GNG در محیط متلب | الگوریتم آموزش گاز عصبی | الگوریتم شبکه عصبی | الگوریتم گاز عصبی در محیط متلب | الگوریتم های Vector Quantization | بازشناسی الگو | بخش بندی تصویر | تشخیص گفتار | توپولوژی | خوشه بندی | خوشه بندی در متلب | رقمی سازی بردار | شبکه عصبی | شبکه عصبی LVQ | شبکه عصبی SOM | شبکه عصبی در متلب | شبکه عصبی گازی | شبکه عصبی گازی رشد یابنده | شبکه گاز عصبی | شبکه گاز عصبی رشد یابنده | شیوه ایجاد توپولوژی در الگوریتم گاز عصبی | شیوه ایجاد همسایگی در الگوریتم گاز عصبی | شیوه ایجاد همسایگی و توپولوژی در الگوریتم گاز عصبی | فشرده سازی | یادگیری رقابتی | یادگیری غیر نظارت شده
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۳ جلسه ویدئویی