آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها
آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

اسماعیل آتشپز گرگری
دکتر اسماعیل آتشپز گرگری

مدرس فرادرس

دکترای تخصصی مهندسی برق


دکتر اسماعیل آتشپز گرگری دانش آموخته دکتری مهندسی برق از دانشگاه Texas A&M است. ایشان سابقه همکاری با مراکز طراز اول بیوانفورماتیک، پردازش سیگنال های ژنومیک و کار در لبه علم و تکنولوژی این حوزه را دارند. ایشان در حال حاضر به عنوان عضو هیات علمی در دانشگاه National در ایالات متحده آمریکا به تدریس و پژوهش مشغول هستند. (+)



داشتن تخمین مناسب از مقدار یک پارامتر در آینده،‌ موضوع بسیار مهمی در بسیاری از شاخه های علوم و مهندسی می باشد. این فرادرس، پس از ارائه تعریف مناسب از مسئله پیش بینی سری های زمانی و بیان مباحث مقدماتی در زمینه شبکه های عصبی مصنوعی، به صورت گام به گام یک پروژه کامل پیش بینی را در حین آموزش پیاده سازی می کند.

 

👤 مدرس: دکتر اسماعیل آتشپز گرگری
🕓 مدت زمان: ۲ ساعت و ۳۸ دقیقه

هزینه آموزش: ۱۲,۰۰۰ تومان



تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • بازگشت و شارژ کل مبلغ پرداختی در حساب کاربری
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش


    توضیحات


    دانستن دمای هوای در یک ماه آینده، آنقدر دم دستی و روزانه شده است که ما فراموش می کنیم که چه پروسه های علمی در پس زمینه این موضوع روزمره در حال اجرا هستند.

    پروسه پیش بینی آینده از روی اطلاعات گذشته، در این مسئله و مسایل دیگری همانند پیش بینی مصرف انرژی و ...، ساختار مشابهی دارد و در همه این موارد ما با یک مسئله پیش بینی سریهای زمانی یا Time Series Prediction مواجهیم.

     

    سریهای زمانی

    یک سری زمانی، دنباله ای از داده ها می باشد که به ترتیب زمانی اندازه گیری می شود. در یک نمایش ریاضی، ما سیگنالی به صورت زیر داریم.

    x(t), t = 0, 1, 2, ....

    که در آن t زمان را نشان می دهد و x یک متغیر تصادفی می باشد. هدف به دست آوردن یک مدل برای سری زمانی x می باشد.

     

    پیش بینی سریهای زمانی

    مسئله پیش بینی سریهای زمانی (Time Series Prediction) یکی از موضوعات مهم حوزه های مختلف علوم اقتصادی،‌ مالی، مدیریتی و مهندسی در دهه های اخیر بوده است. هدف در پیش بینی سری زمانی، جمع آوری دقیق داده ها و مطالعه دقیق تر آنها برای یافتن یک مدل مناسب جهت توصیف ساختار درونی سری زمانی می باشد. در نهایت مدل به دست آمده پس از ارزیابی، برای به دست آوردن مقادیر آینده یک پارامتر (پیش بینی) مورد استفاده قرار می گیرد.

    به عبارت دیگر:

    پیش بینی سری زمانی،

    "پیش بینی آینده"، بر مبنای "درک گذشته" است.

     

    یکی از معروف ترین مدل های مورد استفاده در پیش بینی سریهای زمانی مدل آریما (Autoregressive Integrated Moving Average - ARIMA) می باشد. به صورت ساده ای این مدل فرض می کند که مدل سری زمانی به صورت خطی بوده و توزیع مشخصی دارد. زیرشاخه های این مدل همانند Autoregressive - AR و Moving Average - MA و Autoregressive Moving Average - ARMA و Seasonal ARIMA - SARIMA نیز معرفی شده اند.

    مهم ترین نقطه ضعف مدل آریما و زیرشاخه های آن، فرض خطی بودن در مدل سری است. به گونه ای که این نقطه ضعف، استفاده از أن را در بسیاری از مسایل عملی محدود می کند.

     

    استفاده از شبکه های عصبی مصنوعی برای پیش بینی سریهای زمانی

    شبکه های عصبی مصنوعی به دلیل توانایی بالایشان در مدلسازی غیر خطی از همان ابتدای پیدایش در زمینه پیش بینی سری زمانی مورد توجه قرار گرفته اند و به دلیل این اهمیت است که ما در این فرادرس به این موضوع می پردازیم.

    فرادرس عملی پیش بینی سریهای زمانی با استفاده از شبکه های عصبی به صورت علمی و به ساده ترین شیوه بیان، مفاهیم پایه پیش بینی سریهای زمانی را به شما آموزش داده و در طی آموزش یک پروژه کاملا عملی پیش بینی را حل می کند.

    پس از آموختن محتوای ارائه شده در این فرادرس شما می توانید:

    • با دسترسی به داده های هواشناسی چند سال اخیر، میزان بارندگی را در سال آینده پیش بینی کنید.
    • به عنوان مدیر یک پروژه نیروگاهی، پیش بینی مناسبی از میزان مصرف برق ایران در ۴ سال آینده داشته باشید.
    • میزان تقاضای مرتبط با یک کالای مصرفی را برای ماه مشخصی در ۲ سال آینده مشخص کرده و برای واردات و صادرات آن برنامه ریزی نمایید.
    • و ...
      در این فرادرس، ۴ موضوع عمده را با هم خواهید دید.
    • مفاهیم اولیه در پیش بینی سریهای زمانی
    • مفاهیم پایه شبکه های عصبی مصنوعی و پرسپترون چند لایه
    • پیاده سازی شبکه عصبی پرسپترون چند لایه با استفاده از دستورات تولباکس متلب
    • استفاده از شبکه عصبی پیاده سازی شده برای حل مسیله پیش بینی سری زمانی
     

    سرفصل های مورد بحث:

    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر پیش بینی سریهای زمانی توسط شبکه عصبی
      • ابتدا به موضوع پیش بینی سری زمانی اشاره می شود و سپس ارتباط آن با شبکه عصبی مورد بررسی قرار می گیرد.
    • پیاده سازی شبکه عصبی برای پیش بینی سری زمانی
      • آماده سازی دیتاها برای اهداف پیش بینی
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج شبیه سازی
    • انتهای بحث و پیشنهاد برای کارهای آینده
      توجه: برخی دستورات مورد استفاده در بخش کدنویسی متلب این آموزش در نسخه های جدیدتر متلب ممکن است که با دستورات جدیدتر جایگزین شده باشند.  

    راهنمای مقایسه و انتخاب

    مجموعه فرادرس های کاربردی شبکه های عصبی مصنوعی در 6 نسخه مختلف ارائه شده است. می توانید بر حسب نیاز خود یک یا چندین مورد از این آموزش ها را برای مطالعه انتخاب کنید. لیست نسخه های مختلف این فرادرس در ادامه آمده است.

    ردیف عنوان بسته کامل / زیربخش عنوان خلاصه مجموع ساعت لینک
    1 فرادرس عملی پیش بینی سریهای زمانی با استفاده از شبکه های عصبی زیربخش پیش بینی سری های زمانی با شبکه های عصبی 2 ساعت و 38 دقیقه همین صفحه
    2 فرادرس عملی طبقه بندی و بازشناسی الگو با استفاده از شبکه های عصبی زیربخش طبقه بندی و بازشناسی الگو با شبکه های عصبی 2 ساعت و 36 دقیقه لینک (کلیک کنید)
    3 فرادرس عملی ترکیب شبکه عصبی و الگوریتم ژنتیک زیربخش ترکیب شبکه عصبی و الگوریتم ژنتیک 2 ساعت و 34 دقیقه لینک (کلیک کنید)
    4 فرادرس عملی ترکیب شبکه عصبی و الگوریتم ازدحام ذرات PSO زیربخش ترکیب شبکه عصبی و PSO 2 ساعت و 28 دقیقه لینک (کلیک کنید)
    5 فرادرس عملی ترکیب شبکه عصبی و الگوریتم رقابت استعماری ICA زیربخش ترکیب شبکه عصبی و الگوریتم رقابت استعماری 3 ساعت و 3 دقیقه لینک (کلیک کنید)
    6 مجموعه فرادرس های کاربردی شبکه های عصبی مصنوعی بسته کامل (شامل همه زیربخش ها) شبکه های عصبی مصنوعی کاربردی 8 ساعت و 40 دقیقه لینک (کلیک کنید)


    پیش نمایش

    پیش نمایش ۱ : آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی - ۲۷ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۵۸ مگابایت (کلیک کنید +)




    اطلاعات تکمیلی

    نام آموزش آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی
    ناشر فرادرس
    کد آموزش MVPNN9011A
    مدت زمان ۲ ساعت و ۳۸ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۶۶۷ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


    ​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

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی

    هزینه آموزش: ۱۲,۰۰۰ تومان




    دیدگاه ها

    ( امتیاز ۴ از ۵ )
    ۴ از 5


    تا کنون ۲۷۹ نفراز این آموزش استفاده کرده اند و ۱۳ نظر ثبت شده است.
    1. 4 از 5

      :

      با سلام ،

      این آموزش چه تفاوتی با آموزش ارائه شده در محصول MVRNN9102AC یا MVRNN9102DE و یا MVRNN9102FH دارد؟

      با تشکر

    2. 5 از 5

      :

      با سلام
      ضمن تشکر از شما جهت احیای نهضت علمی در کشور
      بنده دانشجوی کارشناسی ارشد مهندسی سیستم های اقتصادی هستم موضوع پایان نامه بنده پیش بینی قیمت برق در بازار بورس با استفاده از شبکه های عصبی ، داده کاوی و سری های زمانی می باشد
      لطفا برای هدایت بنده به من بفرمائید از کدام یک از مجموعه های شما بهتر است استفاده نمایم
      [email protected]

    3. 0 از 5

      :



      با سلام
      من به تازگی با سایت شما آشنا شدم و این محصولتان را نیز تهیه کردم
      به نظرم برای برای شروع و یادگیری اولیه خوب بود
      ویژگی خوب محصولات آموزش به همراه پیاده سازی در متلب است
      به نظرم اگر محصولات دو نوع باشند بهترند مثلا یک نوع آموزش ابتدایی و یک نوع آموزش پیشرفته
      مثلا من چون با شبکه عصبی آشنایی اولیه ای داشتم برام خیلی از مطالب تکراری بود و دوست داشتم به جزئیات بیشتری در زمینه پیش بینی پرداخته شود
      ولی در کل از خرید این محصول راضیم و ار همه کسانی که برای این مجموعه تلاش می کنند تشکر می کنم

    4. 0 از 5

      :


      ضمن تشكر از دوستان
      من كارشناس ارشد كنترل هستم واستفاده زيادي از فيلمهاي اموزشي ارايه شده در اين سايت برده ام واقعا جالب وكاربردي هستن .با تشكر

    5. 0 از 5

      :



      باسلام و خسته نباشید
      می خواستم از آقای آتش پز بخاطر آموزش بسیار خوب ایشان تشکر کنم.
      از مسئولین این سایت نیز کمال تشکر را دارم.

    6. 0 از 5

      :



      bebakhshid man bapakhsh film amuzeshi moshlel daram error voulum ru mide km player ham nasb kardam vali bazam pakhsh nemishe bayad chekar konam?mamnoonam azsite khobetun

    7. 0 از 5

      :

      در پاسخ به mahsa:
      با سلام،
      خطای مذکور نشان دهنده دانلود ناقص لینک هاست؛ از این رو لطفا لینکی را که کد آن در خطا نمایش داده می شود را مجدد دانلود نمایید.
      موفق و پیروز باشید.

    8. 5 از 5

      :

      من هزینه رو پرداخت کردم ولی هنوز لینکش برام نیومده چرا؟

    9. 2 از 5

      :

      تا قبل از اینکه وارد برنامه مطلب بشه عالی بود ولی بعدش خیلی سریع پیش رفت و من هیجی نفهمیدم


    نظر شما در مورد این فرادرس چیست؟

    امتیاز شما به این آموزش:




​همین امروز شروع به آموختن کنید​

آموزش عملی پیش بینی سری های زمانی با استفاده از شبکه های عصبی

هزینه آموزش: ۱۲,۰۰۰ تومان


برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,



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