در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه 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. همچنین مباحث عمیق تئوری و عملی، در زمینه تقسیم بندی داده ها، تحلیل عملکرد شبکه، روش های پیش پردازش اطلاعات و ده ها مبحث تخصصی دیگر نیز در این فیلم مورد بحث و بررسی قرار گرفته اند. 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.

شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

 

 

در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه 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. همچنین مباحث عمیق تئوری و عملی، در زمینه تقسیم بندی داده ها، تحلیل عملکرد شبکه، روش های پیش پردازش اطلاعات و ده ها مبحث تخصصی دیگر نیز در این فیلم مورد بحث و بررسی قرار گرفته اند. 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.

شبکه های عصبی مصنوعی یا Artificial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

رویکردهای ارائه شده در این فیلم آموزشی بسیار فراگیر و عمومی هستند و می توان از نکات تئوری و عملی بیان شده، برای حل سایر مسائل کاربردی استفاده نمود. مطالب و مباحث این فیلم آموزشی به زبان فارسی روان، و توسط مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) ارائه شده است.

 

 

 

سرفصل های مهم مورد بحث در این فیلم آموزشی عبارتند از:

• مروری بر عملکرد سیستم عصبی طبیعی
• تعریف ریاضی یک نورون مصنوعی با یک مثال بسیار ساده
  
• تعمیم تعریف نورون و استفاده از آن برای مدل سازی
• شبکه های عصبی پرسپترون چندلایه یا MLP و لزوم استفاده از آن ها
  
• بررسی مفاهیم مرتبط با آموزش شبکه های عصبی
• تقسیم بندی داده: روش ها و دلایل
  
• پیاده سازی شبکه عصبی در متلب با استفاده از رابط های گرافیکی (GUI) تولباکس شبکه عصبی
• پیاده سازی شبکه عصبی MLP به صورت کدنویسی
  
• حل یک مسأله مدل سازی ساده
• روش های پیش پردازش اطلاعات
  • داده های بی مقدار یا Missing Values
  • داده های پرت یا Outlier ها
  • نرمال سازی (Normalization)
  • سفید سازی (Whitening)
  • روش های کاهش بعد و کارکرد آن ها
  • نگاشت های غیر خطی
    
• مروری بر کاربردهای مختلف شبکه های عصبی مصنوعی
• خواص و تنظیمات شبکه های عصبی در متلب (سفارشی سازی ها)
  
• بهبود عملکرد برنامه های نوشته شده
• تبدیل مسأله پیش بینی سری زمانی به یک مسأله تقریب تابع (مدل سازی)
  
• پیاده سازی شبکه عصبی برای پیش بینی سری زمانی آشوبی مکی-گلاس (Mackey-Glass)
• مدل سازی ارتباط میان گشتاور، سرعت، نرخ سوخت مصرفی و میزان تولید اکسید نیتروژن در یک موتور خودور
• شیوه های نمایش گرافیکی نتایج به دست آمده از فرآیند طراحی شبکه عصبی
• جمع بندی و نتیجه گیری های نهایی

 

برای مشاهده جزئیات و تهیه آموزش فرادرس شبکه های عصبی پرسپترون چندلایه یا MLP در متلب به این لینک (+) مراجعه نمایید.