آموزش انتخاب ویژگی یا Feature Selection

آموزش در دست انتشار انتخاب ویژگی یا Feature Selection

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روشهای انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

ادامه مطلب >>

آموزش مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion

آموزش در دست انتشار مبانی و کاربردهای راهبرد تلفیق داده یا Data Fusion

 

افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است. در واقع در آینده و با پیچیده تر شدن سامانه های مختلف (اعم از مکانیکی، نظامی، رباتیک و غیره) چاره ای جز استفاده از چند حسگر و تلفیق داده های آن ها با یکدیگر وجود ندارد.

ادامه مطلب >>

آموزش شبکه عصبی GMDH و طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ منتشر شدند!

مخاطبین گرامی،

خوشحالیم به اطلاع برسانیم، آموزش های زیر نیز به مجموعه آموزش های فرادرس، اضافه شدند:

 

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

در فیلم آموزشی «طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب»، مبانی تئوی همه الگوریتم های مورد اشاره، به همراه ده ها مبحث تخصصی دیگر، به صورت کامل و به زبان ساده مورد بحث و بررسی قرار می گیرند. در ادامه، پس از تشریح مبانی تئوری، با استفاده از امکانات جعبه ابزار (تولباکس) شبکه عصبی متلب و توابع تعبیه شده در آن، با استفاده از متدهای برنامه نویسی متلب، شبکه عصبی LVQ در متلب پیاده سازی شده است و برای حل چند مسأله طبقه بندی مورد استفاده قرار گرفته است.

ادامه مطلب >>

آموزش شبکه عصبی GMDH در متلب

آموزش شبکه عصبی GMDH در متلب

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.

ادامه مطلب >>

آموزش انتخاب ویژگی یا Feature Selection

آموزش انتخاب ویژگی یا Feature Selection

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روشهای انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

ادامه مطلب >>

آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

مقدمه – هدف و اهمیت تخمین خطا

تخمین خطای کلاسیفایر (Classifier Error Estimation) اگر مهم ترین بخش طراحی یک کلاسیفایر (Classifier – طبقه بندی کننده) نباشد، قطعا یکی از مهم ترین قسمت های این فرایند می باشد. یک طبقه بندی کننده بدون داشتن تخمین درست از خطای آن، همانند داشتن یک فرد با ادعای مهارت بالا در پزشکی است در حالی که صلاحیت او توسط هیچ منبع ارزش گذاری و ارزیابی علمی مورد تایید قرار نگرفته است. چنین فردی حتی اگر در واقع، پزشک حاذقی باشد،‌ در عمل فردی نخواهد بود که افراد عادی، تصمیم در مورد سلامت خود را به تشخیص و عمل او بسپارند. در یک مثال دیگر، داشتن فرایند طبقه بندی بدون توجه به ظرافت های تخمین خطا، همانند به پیش بردن فرایند رانندگی یک اتوموبیل با چشمان بسته (و در شرایط بدتر با ذهن به هم ریخته) است. تشخیص تصادفی (یک طبقه بندی کننده طراحی نشده و صرفا تصادفی) «با احتمال زیاد» اشتباه خواهد بود. اما تشخیص اشتباه (یک طبقه بندی کننده طراحی شده برای داشتن خطای بالا) «قطعا» اشتباه خواهد بود.

تخمین خطای طبقه بندی کننده در تمام مراحل و مسائل مرتبط با طبقه بندی، نقش حیاتی بازی می کند. به عنوان مثال فرایند انتخاب ویژگی (Feature Selection) بدون داشتن یک تخمین گر خطا (Error Estimator) مناسب یک روند عبث خواهد بود.

ادامه مطلب >>

دانلود رایگان مجموعه مقالات علمی در زمینه داده کاوی — فهرست اصلی

در ادامه مجموعه مقالات علمی در زمینه «داده کاوی» برای دانلود آمده است. می توانید برای دانلود هر یک از مقالات از سرور دانلود متلب سایت، بر روی لینک دانلود هر یک از آن ها، کلیک کنید.

ادامه مطلب >>