|
آموزش تحلیل و پیش بینی سری های زمانی
مدرس: دکتر پژمان بهرامیان تحلیل سری های زمانی به عنوان مبحثی کاربردی در تمامی رشته های علمی از قبیل مهندسی، اقتصاد، جغرافیا، مدیریت و ... استفاده می شود. بررسی گذشته داده ها به منظور شناسایی و تعیین ماهیت یک پدیده قدم اول در یک مدل سازی اصولی است که با استفاده از آن می توان در گام بعدی به یک پیش بینی صحیح و قابل اتکا دست یافت. لذا این فرادرس بنای آن دارد که با استفاده از نرم افزارهای معتبر شناخته شده، مبانی نظری به روز و اساسی این حوزه را در قالبی مدون، ساده و کاربردی در اختیار مخاطبان و هموطنان عزیز قرار دهد. |
|
آموزش رگرسیون یا Regression
مدرس: دکتر سیدمصطفی کلامی هریس در فرادرس جامع رگرسیون یا Regression، پس از مرور کلی بر مفاهیم رگرسیون و مدل سازی، تعدادی از روش های پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند. |
|
آموزش برازش منحنی و مدل سازی با استفاده از الگوریتم PSO
مدرس: دکتر سیدمصطفی کلامی هریس در این فرادرس شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. به دلیل این که مسأله برازش منحنی یک مسأله بهینه سازی پیوسته است، لذا از جهش برای محیط های پیوسته، که به صورت توزیع نرمال (گوسی) تعریف شده است، در ساختار EPSO استفاده شده است. |
|
آموزش شناسایی سیستم و مدل سازی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک
مدرس: دکتر سیدمصطفی کلامی هریس سیستم دینامیکی غیر خطی که در این فرادرس مورد بررسی قرار گرفته است، مدل شکار و شکارچی یا Predator-Prey Model است. این مدل کاربردهای فراوانی در حوزه مهندسی زیست-پزشکی (Biomedical Engineering) و اقتصاد (Economics) دارد. مدل های دینامیکی توصیف کننده رفتار دینامیکی بیماری هایی نظیر ایدز، هپاتیت و سرطان از توسعه مدل شکار و شکارچی به دست آمده اند. برای توصیف بازار رقابتی و مدل سازی چرخه عرضه و تقاضا نیز از مدل شکار و شکارچی استفاده های فراوانی شده است. |
|
آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی
مدرس: دکتر سیدمصطفی کلامی هریس طراحی و آموزشی سیستم های استنتاج فازی (FIS) و سیستم های تطبیقی استنتاج عصبی فازی (انفیس یا ANFIS) معمولا با استفاده از رویکردهای کلاسیک، نظیر گرادیان نزولی (Gradient Descend) و پس انتشار (Back-Propagation) انجام می شود. اما در این آموزش، کاربرد الگوریتم های تکاملی و فرا ابتکاری در طراحی بهینه سیستم های فازی نوع تاکاگی-سوگنو-کانگ (TSK) مورد بحث واقع شده است. |
|
آموزش مبانی و روش های اقتصاد سنجی با Eviews
مدرس: دکتر پژمان بهرامیان |
|
آموزش همبستگی و رگرسیون خطی در SPSS
مدرس: آرمان ری بد درک رابطه بین متغیرها، برای ایجاد مدل های آماری بسیار ضروری است. به کمک شاخص های مربوطه قادر به کشف میزان رابطه بین متغیرها هستیم. ولی برای نشان دادن مدل رابطه بین متغیرها از یک روش آماری به نام معادله خط برگشت یا رگرسیون (Regression) استفاده می کنیم، تا شکل رابطه بین متغیرها به زبان آماری نوشته شود. با این کار قادر به پیش بینی و تعیین مقدار متغیر وابسته برحسب متغیر مستقل خواهیم بود. در این میان آزمون های مربوط به مدل ارائه شده از اهمیت زیادی برخوردار است، تا اطمینان داشته باشیم، که مدل ارائه شده از کارایی مناسب برخوردار است و شرایط مربوط به برآورد مدل در آن لحاظ شده است. |
|
آموزش درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
مدرس: دکتر سیدمصطفی کلامی هریس در این فرادرس، دانشجویان عزیز، با مباحث مختلف درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، مبانی مدل سازی و برازش منحنی، پیاده سازی مسأله مدل سازی RBF، نمایش گرافیکی نتایج حاصل از حل مسأله مدل سازی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. |
|
آموزش درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب
مدرس: دکتر سیدمصطفی کلامی هریس فرادرس درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب، ششمین بخش از مجموعه فرادرس های متلب برای علوم و مهندسی است. در این فرادرس، دانشجویان عزیز، با مباحث مختلف درون یابی، تقریب تابع، و برازش منحنی و سطح آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، برازش منحنی با استفاده از چند جمله ای، درون یابی یک متغیره، برازش منحنی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. |
|
آموزش شبکه های عصبی پرسپترون چند لایه یا MLP در متلب
مدرس: دکتر سیدمصطفی کلامی هریس در این فرادرس قصد داریم جامع شبکه های عصبی پرسپترون چند لایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. |
|
آموزش شبکه های عصبی شعاعی پایه یا RBF در متلب
مدرس: دکتر سیدمصطفی کلامی هریس در این آموزش قصد داریم فرادرس جامع شبکه های عصبی RBF در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی مبتنی بر توابع شعاعی پایه یا RBF، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند. |
|
آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب
مدرس: دکتر سیدمصطفی کلامی هریس در «فیلم آموزشی شبکه عصبی GMDH در متلب»، پس از تشریح کامل مبانی تئوری و شیوه عملکرد الگوریتم GMDH چند جمله ای، پیاده سازی عملی و گام به گام این نوع از شبکه عصبی، به صورت کامل در محیط متلب انجام شده است. در ادامه نیز، با استفاده از برنامه نوشته شده برای ایجاد ساختارهای GMDH، مسائل مختلفی در حوزه های متعدد حل و بررسی شده اند. |
|
آموزش طراحی و پیاده سازی سیستم استنتاج عصبی-فازی تطبیقی یا ANFIS در متلب
مدرس: دکتر سیدمصطفی کلامی هریس در این فرادرس، ابتدا به مرور مفاهیم یادگیری و مدل سازی پرداخته می شود و سپس رویکرد کلی برای طراحی سیستم فازی تطبیقی ارائه می شود. در ادامه با معرفی ساختار شبکه ای ANFIS نحوه عملکرد این سیستم، مورد بحث و بررسی قرار می گیرد. |
|
آموزش روش های کاهش مرتبه مدل های دینامیکی خطی در متلب
مدرس: دکتر سیدمصطفی کلامی هریس در فرادرس روش های کاهش مرتبه مدل های دینامیکی خطی در متلب، ابزارهای و امکاناتی که در تولباکس (جعبه ابزار) مهندسی کنترل نرم افزار متلب برای کاهش مرتبه مدل های دینامیکی خطی تعبیه شده اند، به صورت کاملا عملی مورد بررسی قرار گرفته اند و نکات مهمی در خصوص استفاده از این ابزارها در کاربردهای عملی، ارائه شده اند. |
موضوعات آموزشی مرتبط
به همراه دهها آموزش دیگر مرتبط با مدل سازی، برازش و تخمین
برای مشاهده آموزش های مرتبط دیگر، در میان نزدیک به ۸ هزار ساعت آموزش منتشر شده در فرادرس، جستجو کنید ...
فرادرس در رسانه ها و جشنواره ها
