آموزش های فرادرس در زمینه هوش محاسباتی

 

computational-intelligence

هوش محاسباتی (Computational Intelligence) یکی از زیر بخش‌های بسیار مهم و کاربردی هوش مصنوعی است، که از ابزارهای مختلفی برای تحقق ایده‌ی هوش مصنوعی استفاده می‌کند. ابزارهای مورد استفاده در هوش محاسباتی، غالبا ابزارهایی ریاضی هستند که به نوعی از طبیعت و دنیای اطراف الهام گرفته شده‌اند. در واقع هدف اصلی محققین حوزه‌های هوش مصنوعی و هوش محاسباتی، ایجاد ابزار آلاتی است که ما را به ایجاد هوش مصنوعی هم تراز با هوش انسانی نزدیک‌تر نماید.

فرادرس این افتخار را داشته است که مورد استقبال بیش از پانزده هزار نفر از دانشجویان و اعضای هیأت علمی دانشگاه‌های داخل و خارج ایران بوده است. این پروژه آموزشی دانشگاهی، ناب‌ترین آموزش‌های تخصصی و کاربردی را، که معمولا در دانشگاه‌ها مجال مطرح شدن پیدا نمی‌کنند، به دانشگاهیان و دانشجویان عزیز ارائه نموده‌ است.

بخشی از آموزش های ارائه شده در فرادرس، به آموزش‌هایی در زمینه هوش محاسباتی اختصاص دارد. این آموزش‌ها به صورت تئوری و عملی (پیاده‌سازی گام به گام) در فرادرس ارائه شده اند. این آموزش ها شامل الگوریتم شبکه  های عصبی، ترکیب الگوریتم های شبکه عصبی با سایر الگوریتم های بهینه سازی، سیستم های فازی و داده کاوی در متلب می باشد. نام و مشخصات تعدادی از آن ها، در ادامه آمده است. برای کسب اطلاعات بیشتر در خصوص هر یک از آموزش ها، می توانید بر روی لینک آن، کلیک کنید.

 

 computational-intelligence

هوش محاسباتی (Computational Intelligence) یکی از زیر بخش‌های بسیار مهم و کاربردی هوش مصنوعی است، که از ابزارهای مختلفی برای تحقق ایده‌ی هوش مصنوعی استفاده می‌کند. ابزارهای مورد استفاده در هوش محاسباتی، غالبا ابزارهایی ریاضی هستند که به نوعی از طبیعت و دنیای اطراف الهام گرفته شده‌اند. در واقع هدف اصلی محققین حوزه‌های هوش مصنوعی و هوش محاسباتی، ایجاد ابزار آلاتی است که ما را به ایجاد هوش مصنوعی هم تراز با هوش انسانی نزدیک‌تر نماید.

فرادرس این افتخار را داشته است که مورد استقبال بیش از پانزده هزار نفر از دانشجویان و اعضای هیأت علمی دانشگاه‌های داخل و خارج ایران بوده است. این پروژه آموزشی دانشگاهی، ناب‌ترین آموزش‌های تخصصی و کاربردی را، که معمولا در دانشگاه‌ها مجال مطرح شدن پیدا نمی‌کنند، به دانشگاهیان و دانشجویان عزیز ارائه نموده‌ است.

بخشی از آموزش های ارائه شده در فرادرس، به آموزش‌هایی در زمینه هوش محاسباتی اختصاص دارد. این آموزش‌ها به صورت تئوری و عملی (پیاده‌سازی گام به گام) در فرادرس ارائه شده اند. این آموزش ها شامل الگوریتم شبکه  های عصبی، ترکیب الگوریتم های شبکه عصبی با سایر الگوریتم های بهینه سازی، سیستم های فازی و داده کاوی در متلب می باشد. نام و مشخصات تعدادی از آن ها، در ادامه آمده است. برای کسب اطلاعات بیشتر در خصوص هر یک از آموزش ها، می توانید بر روی لینک آن، کلیک کنید.

شبکه های عصبی

مجموعه فرادرس‌های کاربردی شبکه های عصبی مصنوعی [لینک] شامل:

  • ترکیب شبکه عصبی و الگوریتم ژنتیک
  • ترکیب شبکه عصبی و الگوریتم ازدحام ذرات pso
  • ترکیب شبکه عصبی و الگوریتم رقابت استعماری ica
  • پیش بینی سری های زمانی با استفاده از شبکه های عصبی
  • طبقه بندی و بازشناسی الگو با استفاده از شبکه های عصبی

مجموعه فرادرس‌های شبکه های عصبی مصنوعی در متلب [لینک] شامل:

  • شبکه های عصبی پرسپترون چندلایه یا mlp در متلب
  • شبکه های عصبی شعاعی پایه یا rbf در متلب
  • ماشین های بردار پشتیبان یا svm در متلب
  • یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-means در متلب
  • شبکه های عصبی رقابتی و نگاشت خود سازمان ده یا som
  • تحلیل مولفه اساسی یا pca در متلب
  • شبکه های عصبی هاپفیلد یا hopfield neural network در متلب

 

سیستم های فازی

مجموعه فرادرس‌های سیستم های فازی در متلب [لینک] شامل:

  • ریاضیات، منطق و مجموعه های فازی
  • سیستم استنتاج فازی یا FIS در متلب
  • سیستم فازی با استفاده از Look-up Table در متلب
  • سیستم استنتاج عصبی-فازی تطبیقی یا ANFIS در متلب
  • خوشه بندی فازی و طراحی سیستم فازی مبتنی بر خوشه بندی در متلب
  • پیاده سازی ANFIS چند خروجی در متلب به همراه حل مسائل عملی

طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فرا ابتکاری و تکاملی [لینک]

فیلم آموزشی کاربرد فازی در سیستم های قدرت [لینک]

فیلم آموزشی فیلم آموزشی کنترل فعال سازه با رویکرد فازی با میراگر (ATMD)  [لینک]

فرادرس کاهش تعداد رنگ تصاویر با استفاده از روش های خوشه بندی هوشمند [لینک]

کارگاه آموزشی طراحی و پیاده سازی سیستم های فازی در متلب  [لینک]

 

داده کاوی

مجموعه فرادرس های داده کاوی یا Data Mining در متلب [لینک] شامل:

  • مبانی داده کاوی یا Data Mining
  • روش های پیش پردازش و آماده سازی داده ها
  • طبقه بندی یا Classification
  • خوشه بندی یا Clustering
  • رگرسیون یا Regression
  • کاهش ابعاد یا Dimensionality Reduction
  • تشخیص داده های پرت یا Outlier Detection
  • کاوش قواعد وابستگی یا Association Rule Mining
  • حل چند مسأله کاربردی و واقعی در داده کاوی

 

مطالب پیشنهادی‎

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *