فرادرس
هزینه آموزش
۴۹,۰۰۰ تومان

آموزش ترکیب اطلاعات (Information Fusion)

آموزش ترکیب اطلاعات (Information Fusion)

تعداد دانشجو
۴۲۲ نفر
مدت زمان
۱۹ ساعت و ۴۷ دقیقه
هزینه آموزش
۴۹,۰۰۰ تومان
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
آموزش ترکیب اطلاعات (Information Fusion)

چکیده

طی این آموزش، علاوه بر بیان مدل های مختلف ترکیب اطلاعات، به معرفی انواع روش های محاسباتی مطرح در زمینه ترکیب اطلاعات پرداخته خواهد شد. همچنین نمونه های مختلفی از کاربردهای روش های ترکیب اطلاعات در حل مسائل مختلف نیز مورد بحث و بررسی قرار خواهد گرفت. علاوه بر آن، معرفی مختصری از برخی از نرم افزارهای قابل استفاده در حوزه ترکیب اطلاعات نیز به عمل خواهد آمد.

مدرس
امیر حسین کیهانی پور

دکترای تخصصی مهندسی کامپیوتر - هوش مصنوعی

دکتر امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر گرایش هوش مصنوعی از دانشگاه تهران و نیز مدرس دانشگاه تهران و دانشگاه صنعتی شریف هستند.

توضیحات تکمیلی

نظریه ترکیب اطلاعات به مقوله استفاده از منابع اطلاعاتی متعدد به منظور اتخاذ تصمیمات بهینه می پردازد. منظور از ترکیب داده یا اطلاعات، ادغام توامان اطلاعات دریافتی از منابع مختلف برای دستیابی به درک بهتر محیط مساله و در نتیجه، اتخاذ تصمیمات دقیق تر است. علت این امر آن است که در اکثر موارد، داده های دریافتی از منابع مختلف پیرامون یک موضوع واحد، ممکن است ناقص، مبهم و حتی متناقض باشند.

بر این اساس، ترکیب اطلاعات می تواند به عنوان ابزاری قدرتمند در خدمت داده کاوی (Data Mining) و اکتشاف معرفت (Knowledge Discovery) به کار گرفته شود. در حال حاضر، روش های ترکیب اطلاعات در گستره وسیعی از کاربردهای متعدد از جمله: در جستجوی اطلاعات در وب، پردازش داده های زیستی، سنجش از راه دور (Remote Sensing)، سامانه های حمل و نقل هوشمند (Intelligent Transportation Systems) و نیز پیش بینی وقوع بلایای طبیعی، مورد استفاده واقع می شود.

طی این آموزش، علاوه بر بیان مدل های مختلف ترکیب اطلاعات، به معرفی انواع روش های محاسباتی مطرح در زمینه ترکیب اطلاعات پرداخته خواهد شد. همچنین نمونه های مختلفی از کاربردهای روش های ترکیب اطلاعات در حل مسائل مختلف نیز مورد بحث و بررسی قرار خواهد گرفت. علاوه بر آن، معرفی مختصری از برخی از نرم افزارهای قابل استفاده در حوزه ترکیب اطلاعات نیز به عمل خواهد آمد.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: کلیات و مفاهیم پایه نظریه ترکیب اطلاعات
    • تعاریف، ضرورت ها و مزایا، گستره کاربرد
  • درس دوم: معماری و مدل های ترکیب اطلاعات
    • بررسی سطوح مختلف فرایند ترکیب
      • ترکیب داده ها (Data Fusion)
      • ترکیب اطلاعات (Information Fusion)
      • ترکیب تصمیمات (Decision Fusion)
  • درس سوم: معماری های مختلف سامانه های مبتنی بر ترکیب اطلاعات
    • بررسی معماری های سه سطحی، متمرکز و توزیع شده در فرایند ترکیب اطلاعات
  • درس چهارم: بررسی انواع مدل های ترکیب اطلاعات
    • مدل مرجع JDL (Joint Directors of Laboratories)‎
    • مدل آبشاری اصلاح شده (Modified Waterfall Fusion Model)
    • مدل TRIP
    • مدل Omnibus
    • مدل عملیاتی Dasarathy
    • مدل های مبتنی بر فعالیت (OODA Loop)
    • مدل مبتنی بر نقش (شی گرا)
    • مدل مبتنی بر آگاهی از موقعیت (Situational Awareness)
  • درس پنجم: عملگر پایه میانگین گیری مرتب وزن دار (Ordered Weighted Averaging – OWA)
  • درس ششم: گونه های گسترش یافته عملگر میانگین گیری مرتب وزن دار
    • عملگرهای میانگین گیری مرتب وزن دار نمایی (Exponential)
      • روش های خوش بینانه (Optimistic) و بدبینانه (Pessimistic)
    • روش IOWA (Induced OWA)‎
    • روش UOWA (Uncertain OWA)‎
    • روش HOWA (Heavy OWA)‎
    • روش GOWA (Generalized OWA)‎
    • روش WOWA (Weighted OWA)‎
    • روش Dependent OWA
  • درس هفتم: روش های استنتاج کلاسیک (Classical Inference)
    • روش مبتنی بر شاخص نسبت احتمال (Likelihood Ratio)
    • روش Neyman - Pearson برای آزمون فرضیه ها
    • روش بیزین (Bayesian)
  • درس هشتم: نظریه دمپستر - شیفر (Dempster-Shafer Theory)
    • روش های هوشمند
  • درس نهم: عملگرهای انتگرال فازی (Fuzzy Integral Operators)
    • انتگرال Sugeno
    • انتگرال Choquet
  • درس دهم: شبکه های عصبی مصنوعی (Artificial Neural Networks)
  • درس یازدهم: سامانه های چند رده بندی کننده (Multi - Classifier Systems)
    • بیان مفهوم، ضرورت، مزایا و تاریخچه بحث
    • انواع عوامل تاثیرگذار در خروجی سامانه های چند رده بندی کننده
    • معرفی روش های پایه
      • میانگین گیری وزن دار (Weighted Average)
      • چارچوب تصمیم گیری (Decision Template)
      • ترکیب کننده میانگین تعمیم یافته (Generalized Mean Combiner)
    • روش های ترکیب رده بندی کننده های با خروجی به صورت اولویت رده های مختلف (Class Ranking)
    • روش های ترکیب رده بندی کننده های با خروجی به صورت برچسب رده برتر (Class Label)
    • مفهوم تنوع (Diversity) و روش های محاسبه آن
    • انواع روش های مختلف پیاده سازی سامانه های چند رده بندی کننده
      • روش Bagging
      • روش Boosting (AdaBoost)‎
      • روش Random Feature Space
    • معرفی برخی نمونه های کاربرد سامانه های چند رده بندی کننده در حل مسائل مختلف
  • درس دوازدهم: معرفی برخی از نمونه های کاربرد نظریه ترکیب اطلاعات
    • طراحی سامانه های جستجوی اطلاعات در وب
      • جویشگرهای وب (Web Search Engines)
      • فراجویشگرهای وب (Web Meta-Search Engines)
    • پیش بینی وقوع بلایای طبیعی نظیر سیل و زلزله
    • ارزیابی کیفیت محصولات کشاورزی
    • سامانه های حمل و نقل هوشمند (Intelligent Transportation Systems)
  • درس سیزدهم: معرفی نمونه های کاربرد روش های ترکیب اطلاعات در حل مسائل مختلف
  • درس چهاردهم: معرفی برخی از نرم افزارهای ترکیب اطلاعات

 

مفید برای رشته های
  • مهندسی کامپیوتر
  • مهندسی برق
  • مهندسی مکانیک

 

در ادامه لیست کتب انگلیسی منتشر شده در این زمینه معرفی شده اند:

  • Martin Liggins II, David Hall, James Llinas; Handbook of Multisensor Data Fusion: Theory and Practice; 2014
  • Ronald R. Yager, J. Kacprzyk; The Ordered Weighted Averaging Operators: Theory and Applications; 2014
  • Jitendra R. Raol; Data Fusion Mathematics: Theory and Practice; 2014
  • Ludmila I. Kuncheva; Data Fusion Mathematics: Theory and Practice; 2015
  • Ludmila I. Kuncheva; Combining Pattern Classifiers: Methods and Algorithms; 2014
  • Ronald R. Yager and Liping Liu; Classic Works of the Dempster-Shafer Theory of Belief Functions (Studies in Fuzziness and Soft Computing); 2007

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

پیش‌نمایش ۱: کلیات و مفاهیم پایه نظریه ترکیب اطلاعات

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: ۴۰ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۲: معماری و مدل های ترکیب اطلاعات

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: ۱۱ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۳: معماری های مختلف سامانه های مبتنی بر ترکیب اطلاعات

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: ۱۳ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۴: مدل های مختلف فرآیند ترکیب اطلاعات

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: ۱۷ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۵: عملگر میانگین ‏گیری مرتب وزن‏ دار
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۶: نمونه ‏های گسترش یافته عملگر میانگین‏ گیری مرتب وزن‏ دار (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۷: نمونه ‏های گسترش یافته عملگر میانگین‏ گیری مرتب وزن‏ دار (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۸: روش های استنتاج کلاسیک
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۹: نظریه دمپستر - شیفر
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۰: عملگرهای انتگرال فازی (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۱: عملگرهای انتگرال فازی (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۲: شبکه ‏های عصبی مصنوعی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۳: سامانه ‏های چند رده ‏بندی کننده (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۴: سامانه ‏های چند رده ‏بندی کننده (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۵: سامانه ‏های چند رده ‏بندی کننده (پ)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۶: سامانه ‏های چند رده ‏بندی کننده (ت)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۷: سامانه ‏های چند رده ‏بندی کننده (ث)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۸: معرفی نمونه های کاربرد نظریه ترکیب اطلاعات در بازیابی اطلاعات وب
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۱۹: معرفی نمونه های کاربرد نظریه ترکیب اطلاعات در حل مسائل مختلف
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۲۰: معرفی چند نمونه از نرم افزارهای ترکیب اطلاعات
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای تهیه آموزش ها

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 ترکیب اطلاعات (Information Fusion)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۹۳۸۸ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVSFT9505
مدت زمان ۱۹ ساعت و ۴۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود ۸۷۰ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۴۲۲ نفر از این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
زاهد
زاهد

مدرس در انتقال مطالب به نظر من خيلي قويی بودن.

بابک
بابک

آموزش متوسط رو به بالا بود، محتوا خیلی خوب و نو هست اما مدرس آن طوری که باید تدریس نمی کردند. انگار دفعه اول شون بود این مبحث را تدریس می کردند. به خصوص در مورد مباحث ریاضی این اموزش می توانستند بهتر تدریس کنند.

نوید خوب
نوید خوب

تلفیق یا ادغام اطلاعات که یکی از زیر بخش های اصلی در علوم کامپیوتر می باشد در محیط علمی پژوهشی و نشریات معتبر بین المللی نیز به عنوان یک زیر بخش مهم از حوزه علوم کامپیوتر و اطلاعات شناخته می شود که اگر این امر را در وبسایت ژورنالهای معتبر بررسی نمایید بسادگی قابل رویت است و این زیر بخش خود دارای نشریات متعدد عینا اختصاص یافته به این حوزه و نشریات حوزه های دیگر هست که بدلیل همپوشانی بالای آنها و یا مبتنی بر دانش دیتا فیوژن بودن آنها در این چارچوب قرار گرفته اند. به عنوان مثال سنسور فیوژن Sensor Fusion یکی از شاخه های پرکاربرد دانش الکترونیک است که پیوند قوی بین دانشمندان مهندسی الکترونیک و کامپیوتر ایجاد نموده چرا که جنبه حسگری آن به متخصصان الکترونیک و جنبه ترکیب معنی دار سیگنال های دریافت شده از سنسورها (به عنوان مثال در Remote Sensing) به متخصصین علوم کامپیوتر مرتبط می گردد. بطوریکه اهمیت و استفاده جنبه کامپیوتری آن بقدری متداول گردیده که بسیاری از دانشجویان تحصیلات تکمیلی رشته برق، دروس و پژوهش های خود را معطوف دانش Information Fusion نموده اند و بی آنکه فرد دیگری از رشته علوم کامپیوتر برای بخش کامپیوتری آن وارد پروژه گردد، دانشجویان مذکور یادگیری این دانش را برخود لازم دانسته و بطور پایه ای این جنبه حوزه ادغام سنسور ها را فرا میگیرند که تا پایان دوره تحصیلی خود بتوانند به جنبه های جدید دیگر این حوزه بپردازند و خود را مهندس الکترونیکی خطاب نمایند که احتمالا کل دوره تحصیلات تکمیلی خود را اختصاص به مطالبی داده که بیشتر در چارچوب پژوهشهای دانشجویان هوش مصنوعی و فناوری اطلاعات بوده است.

لذا از شما درخواست دارم که در فرادرس بیشتر به تولید محتواهای آموزشی با چنین عناوینی بپردازید. بنده آموزش "مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion" فرادرس را نیز تهیه و مشاهده نموده ام و بسیار بهره بردم و فکر می کنم دومین آموزشی که در چارچوب Data Fusion از فرادرس تولید شد این آموزش، باشد. چرا که با توجه به اشاراتی که در نوشته ام داشتم تقریبا خوانندگان این چنین محصولاتی فراتک رشته ای هستند و علاوه بر استفاده ای که دانشجویان بین رشته ای دارند، پژوهشگران رشته های برق، کامپیوتر، فناوری اطلاعات و بطور دقیق تر هوش مصنوعی و علوم کامپیوتر و علوم شناختی مخاطبین اصلی این چنین محصولاتی خواهند بود.


برچسب‌ها: Artificial Neural Networks | bagging | Bayesian | Class Ranking | Classical Inference | Data Fusion | Decision Fusion | Dempster Shafer | Dempster-Shafer Theory | Diversity | Ensemble Learning | Exponential | Fuzzy Integral Operators | Generalized Mean Combiner | Generalized OWA‎ | Heavy OWA | Induced OWA‎ | Information Fusion | Intelligent Transportation Systems | IOWA | JDL Model | Joint Directors of Laboratories | Likelihood Ratio | Modified Waterfall Fusion Model | Multi-Classifier Systems | OODA Loop | Optimistic | Ordered Weighted Averaging | OWA | Pessimistic | Sensor | Situational Awareness | Uncertain OWA‎ | UOWA | Web Meta-Search Engines | Web Search Engines | Weighted Average | Weighted OWA | ارزیابی کیفیت محصولات کشاورزی | استنتاج کلاسیک | انتگرال Choquet | انتگرال Sugeno | انتگرال های فازی | انواع مدل های ترکیب اطلاعات | بیوانفورماتیک | پیش بینی وقوع بلایای طبیعی | ترکیب اطلاعات | ترکیب تصمیمات | ترکیب داده ها | ترکیب کننده میانگین تعمیم یافته | جستجوی اطلاعات در وب | جویشگرهای وب | حسگر | روش Bagging | روش Dependent OWA | روش GOWA | روش HOWA | روش Random Feature Space | روش WOWA | روش استنتاج کلاسیک | روش بیزین | روش مبتنی بر شاخص نسبت احتمال | روش های خوش بینانه | سامانه‏ های چند رده‏ بندی کننده | سامانه های حمل و نقل هوشمند | طراحی سامانه های جستجوی اطلاعات در وب | عملگر پایه میانگین گیری مرتب وزن دار | عملگر میانگین گیری مرتب وزن دار | عملگرهای انتگرال فازی | فرآیند ترکیب اطلاعات | فرا جویشگرهای وب | کاربرد روش های ترکیب اطلاعات | مدل JDL | مدل Omnibus | مدل TRIP | مدل آبشاری اصلاح شده | مدل عملیاتی Dasarathy | مدل مبتنی بر آگاهی از موقعیت | مدل مرجع | مدل مرجع JDL | مدل های ترکیب اطلاعات | مدل های مبتنی بر فعالیت | معماری ترکیب اطلاعات | معماری های سه سطحی | مفهوم تنوع | منطق فازی | میانگین گیری مرتب وزن دار | میانگین گیری وزن دار | نرم افزارهای ترکیب اطلاعات | نظریه ترکیب اطلاعات | نظریه دمپستر - شیفر | یادگیری تجمیعی