×
۱۷۰,۰۰۰ تومان
۱۰۲,۰۰۰ تومان

آموزش تئوری تخمین - فیلترهای کالمن (تخمین‌ گر بیزین)

آموزش تئوری تخمین - فیلترهای کالمن (تخمین‌ گر بیزین)

هزینه آموزش
۱۷۰,۰۰۰ تومان
تخفیف ۴۰ درصدی
۱۰۲,۰۰۰ تومان

تعداد دانشجو
۱۱۶ نفر
مدت زمان
۹ ساعت و ۲۰ دقیقه
محتوای این آموزش
تضمین کیفیت
آموزش تئوری تخمین - فیلترهای کالمن (تخمین‌ گر بیزین)

بحث تخمین پارامتر و یا تخمین سیگنال در حالت کلی به دو دسته تخمین‌گرهای کلاسیک و تخمین‌گرهای بیزین (فیلترهای کالمن) تقسیم‌بندی می‌شود. در دسته اول فرض می‌شود که پارامتر مجهول، قطعی و ثابت باشد ولی مقدار آن نامعلوم است و باید از روی اندازه‌گیری‌های تجربی مقدار آن را تخمین زد اما در تخمین‌گر‌های بیزین فرض می‌شود که پارامتر مجهول به جای اینکه قطعی و ثابت باشد، دارای یک توزیع چگالی احتمال است و در نتیجه ما بر اساس داده‌های اندازه‌گیری‌شده یک تحقق از پارامتر را تخمین می‌زنیم. هر دو دسته تخمین‌گرهای کلاسیک و بیزین در عمل کاربردهای خاص خود را دارند و با توجه به اطلاعاتی که در اختیار داریم یکی را استفاده می‌کنیم. در این آموزش فقط به تخمین‌گرهای بیزین (فیلترهای کالمن) خواهیم پرداخت.

آموزش تئوری تخمین - فیلترهای کالمن (تخمین‌ گر بیزین)

تعداد دانشجو
۱۱۶ نفر
مدت زمان
۹ ساعت و ۲۰ دقیقه
هزینه عادی آموزش
۱۷۰,۰۰۰ تومان
در طرح تخفیف
۱۰۲,۰۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش

امید زندی

دانشجوی دکتری تخصصی مهندسی برق – کنترل

ایشان موفق به کسب رتبه اول (مدال طلا) المپیاد علمی دانشجویی مهندسی برق کشور در سال ۹۴ و همچنین رتبه سوم (مدال برنز) المپیاد علمی دانشجویی کشوری در سال ۱۳۹۳ در رشته برق شده‌اند و در زمینه تدریس آنلاین دروس مهندسی برق، کنترل، الکترونیک و ریاضیات جزء فعال‌ترین مدرسین فرادرس به شمار می‌روند.

توضیحات تکمیلی

تئوری تخمین را می‌توان در قلب اغلب سیستم‌های پردازش سیگنال دیجیتال و استخراج اطلاعات یافت. در سیستم‌هایی مانند: رادار، سونار، صوت، پردازش تصویر، مخابرات، مهندسی کنترل، لرزه‌شناسی و سیستم‌های مشابه دیگر، اغلب لازم می‌شود که بر اساس برخی اندازه‌گیری‌های نویزدار، پارامترهایی تخمین زده شوند.

به عنوان یک مثال ساده در مهندسی کنترل، اغلب از فیدبک حالت برای کنترل سیستم‌های دینامیکی استفاده می‌شود اما در عمل برای اینکه این کنترل‌کننده‌ها را پیاده‌سازی کنیم باید بتوانیم تمام متغیرهای حالت را با سنسورها اندازه‌گیری کنیم. به طور طبیعی اندازه‌گیری مجزای متغیرهای حالت با سنسورها منجر به افزایش هزینه‌های پیاده‌سازی خواهد شد. به جای آن می‌توان تعدادی اندازه‌گیری محدود انجام داد و سپس با داشتن مدل سیستم و نویزهای موجود در سیستم کنترلی، تمام متغیرهای حالت را توسط فیلترهای کالمن تخمین زد.

بحث تخمین پارامتر و یا تخمین سیگنال در حالت کلی به دو دسته تخمین‌گرهای کلاسیک و تخمین‌گرهای بیزین (فیلترهای کالمن) تقسیم‌بندی می‌شود. در دسته اول فرض می‌شود که پارامتر مجهول، قطعی و ثابت باشد ولی مقدار آن نامعلوم است و باید از روی اندازه‌گیری‌های تجربی مقدار آن را تخمین زد اما در تخمین‌گر‌های بیزین فرض می‌شود که پارامتر مجهول به جای اینکه قطعی و ثابت باشد، دارای یک توزیع چگالی احتمال است و در نتیجه ما بر اساس داده‌های اندازه‌گیری‌شده یک تحقق از پارامتر را تخمین می‌زنیم. هر دو دسته تخمین‌گرهای کلاسیک و بیزین در عمل کاربردهای خاص خود را دارند و با توجه به اطلاعاتی که در اختیار داریم یکی را استفاده می‌کنیم. در این آموزش فقط به تخمین‌گرهای بیزین (فیلترهای کالمن) خواهیم پرداخت.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • فصل یکم: فلسفه بیزین (Bayesian)
    • درس اول: مقدمه‌ای بر تخمین‌گرهای بیزین
    • درس دوم: مقایسه تخمین‌گرهای کلاسیک و بیزین
    • درس سوم: تخمین‌گر MMSE (Mini Mental State Exam) – بخش یکم
    • درس چهارم: تخمین‌گر MMSE – بخش دوم
    • درس پنجم: تخمین‌گر MMSE – بخش سوم
    • درس ششم: تخمین‌گر MMSE در حالت گاوسی
    • درس هفتم: خواص PDFهای گاوسی
    • درس هشتم: تخمین‌گر MMSE برای مدل‌های خطی
  • فصل دوم: تخمین‌گرهای بیزین عمومی
    • درس نهم: تخمین‌گرهای بیزین با توابع هزینه درجه دوم، قدر مطلق و Hit-or-Miss
    • درس دهم: تخمین‌گر MMSE در حالت برداری
    • درس یازدهم: تخمین‌گر MAP (Maximum Apestriori Probability)
  • فصل سوم: تخمین‌گر بیزین خطی
    • درس دوازدهم: تخمین‌گر LMMSE - بخش یکم
    • درس سیزدهم: تخمین‌گر LMMSE - بخش دوم
    • درس چهاردهم: تخمین‌گرهای LMMSE در حالت برداری
    • درس پانزدهم: تخمین‌گرهای بیزین خطی بازگشتی
    • درس شانزدهم: کدنویسی تخمین‌گر LMMSE - بخش یکم
    • درس هفدهم: کدنویسی تخمین‌گر LMMSE - بخش دوم
    • درس هجدهم: کاربردهای تخمین‌گر LMMSE - بخش یکم
    • درس نوزدهم: کاربردهای تخمین‌گر LMMSE - بخش دوم
  • فصل چهارم: انتشار میانگین و کوواریانس
    • درس بیستم: انتشار میانگین و کوواریانس (Covariance) سیستم زمان‌گسسته - بخش یکم
    • درس بیست‌و‌یکم: انتشار میانگین و کوواریانس سیستم زمان‌گسسته - بخش دوم
    • درس بیست‌و‌دوم: حل مثال از انتشار میانگین و کوواریانس سیستم زمان‌گسسته
    • درس بیست‌وسوم: کدنویسی انتشار میانگین و کوواریانس
    • درس بیست‌و‌چهارم: معادلات انتشار برای سیستم‌های نمونه‌برداری‌شده - بخش یکم
    • درس بیست‌وپنجم: معادلات انتشار برای سیستم‌های نمونه‌برداری‌شده - بخش دوم
    • درس بیست‌و‌ششم: معادلات انتشار برای سیستم‌های پیوسته‌زمان
  • فصل پنجم: فیلتر کالمن (Kalman Filter) زمان‌گسسته
    • درس بیست‌و‌هفتم: فیلتر کالمن زمان‌گسسته - بخش یکم
    • درس بیست‌و‌هشتم: فیلتر کالمن زمان‌گسسته - بخش دوم
    • درس بیست‌و‌نهم: کدنویسی فیلتر کالمن زمان‌گسسته
    • درس سی‌‌ام: نکات تکمیلی فیلتر کالمن زمان‌گسسته
  • فصل ششم: فرم‌های دیگر فیلتر کالمن زمان‌گسسته
    • درس سی‌ویکم: فیلتر کالمن بازگشتی
    • درس سی‌ودوم: کدنویسی فیلتر کالمن بازگشتی
    • درس سی‌وسوم: فیلتر اطلاعات
    • درس سی‌وچهارم: فیلتر ریشه دوم - بخش یکم
    • درس سی‌وپنجم: فیلتر ریشه دوم - بخش دوم
  • فصل هفتم: تعمیم‌های فیلتر کالمن زمان‌گسسته
    • درس سی‌وششم: نویزهای فرایندی و اندازه‌گیری همبسته
    • درس سی‌وهفتم: فیلتر کالمن با نویزهای رنگی - بخش یکم
    • درس سی‌وهشتم: فیلتر کالمن با نویزهای رنگی - بخش دوم
    • درس سی‌و‌نهم: فیلتر کالمن حالت ماندگار
    • درس چهل‌ام: فیلتر کالمن با حافظه محوشونده
    • درس چهل‌ویکم: فیلتر کالمن تعمیم‌یافته (EKF (Extended Kalman Filter
    • درس چهل‌و‌دوم: کدنویسی فیلتر کالمن EKF

مفید برای رشته‌های
  • مهندسی برق
  • مهندسی مکانیک
  • مهندسی مخابرات
  • مهندسی شیمی

پیش نیاز


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

نرم افزارهای مرتبط با آموزش

MATLAB R20201a




پیش نمایش‌ها

۱. مقدمه‌ای بر تخمین‌گرهای بیزین

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: ۱۵ مگابایت -- (کلیک کنید +))

۲. مقایسه تخمین‌گرهای کلاسیک و بیزین

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: ۵ مگابایت -- (کلیک کنید +))

۳. تخمین‌گر MMSE – بخش یکم

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 +))

۴. تخمین‌گر MMSE – بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. تخمین‌گر MMSE – بخش سوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. تخمین‌گر MMSE در حالت گاوسی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. خواص PDFهای گاوسی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. تخمین‌گر MMSE برای مدل‌های خطی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. تخمین‌گرهای بیزین با توابع هزینه درجه دوم، قدر مطلق و Hit-or-Miss
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. تخمین‌گر MMSE در حالت برداری
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۴۳ جلسه ویدئویی با مجموع ۹ ساعت و ۲۰ 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 تئوری تخمین - فیلترهای کالمن (تخمین‌ گر بیزین)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۸۰۳۲۰ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVEE0055
مدت زمان ۹ ساعت و ۲۰ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۹۲۷ 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 ۱۱۶ نفر از این آموزش استفاده کرده اند و هنوز نظری ثبت نشده است.
برچسب‌ها:
Extended Kalman Filter | Kalman Filter | Maximum Apestriori Probability | Mini Mental State Exam | آموزش تئوری تخمین | انتشار میانگین سیستم زمان ‌گسسته | بررسی تئوری تخمین | بررسی فیلتر اطلاعات | بررسی فیلتر ریشه دوم | بررسی نویزهای اندازه‌ گیری همبسته | بررسی نویزهای فرایندی همبسته | تخمی ن‌گر LMMSE | تخمین ‌گر MAP | تخمین ‌گر MMSE | تخمین ‌گر MMSE برای مدل‌ های خطی | تخمین ‌گر MMSE در حالت برداری | تخمین ‌گر MMSE در حالت گاوسی | تخمین‌ گر بیزین | تخمین‌ گر بیزین خطی | تخمین‌ گرهای LMMSE در حالت برداری | تخمین‌ گر‌های بیزین | تخمین‌ گرهای بیزین با Hit-or-Miss | تخمین‌ گرهای بیزین با قدر مطلق | تخمین‌ گرهای بیزین خطی بازگشتی | تخمین‌ گرهای بیزین عمومی | تخمین‌ گرهای کلاسیک | توزیع چگالی احتمال | خواص PDF های گاوسی | سیستم ‌های پردازش سیگنال دیجیتال | فلسفه بیزین | فیلتر کالمن EKF | فیلتر کالمن با حافظه محو شونده | فیلتر کالمن با نویزهای رنگی | فیلتر کالمن بازگشتی | فیلتر کالمن تعمیم‌ یافته | فیلتر کالمن حالت ماندگار | فیلتر کالمن زمان‌ گسسته | فیلتر کالمن زمان‌ گسسته | فیلترهای کالمن | کاربردهای تخمین ‌گر LMMSE | کدنویسی انتشار کوواریانس | کدنویسی انتشار میانگین | کدنویسی تخمین‌گر LMMSE | کدنویسی فیلتر کالمن EKF | کدنویسی فیلتر کالمن بازگشتی | کدنویسی فیلتر کالمن زمان‌ گسسته | کوواریانس سیستم زمان‌ گسسته | معادلات انتشار برای سیستم‌ های پیوسته ‌زمان | معادلات انتشار کوواریانس | معادلات انتشار میانگین | مقایسه تخمین ‌گرهای کلاسیک و بیزین | مقدمه‌ ای بر تخمین گرهای بیزین
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۴۳ جلسه ویدئویی
×