فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب (به زبان فارسی)
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.
در این پست قصد داریم فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به یادگیری غیر نظارت شده و مسأله خوشه بندی (Clustering) و الگوریتم k-Means، پیاده سازی عملی این الگوریتم و حل مسائل خوشه بندی (کلاسترینگ) در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. در برنامه های متعددی که در این فیلم آموزشی پیاده سازی شده است، ویژگی های مختلف تابع kmeans در متلب و نمایش نتایج حاصله را مورد بررسی دقیق قرار گرفته اند.
برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.
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.
در این پست قصد داریم فیلم آموزشی یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به یادگیری غیر نظارت شده و مسأله خوشه بندی (Clustering) و الگوریتم k-Means، پیاده سازی عملی این الگوریتم و حل مسائل خوشه بندی (کلاسترینگ) در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. در برنامه های متعددی که در این فیلم آموزشی پیاده سازی شده است، ویژگی های مختلف تابع kmeans در متلب و نمایش نتایج حاصله را مورد بررسی دقیق قرار گرفته اند.
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.
این محصول بخشی از بسته زرین فیلم های آموزشی شبکه های عصبی مصنوعی است.
برای کسب اطلاعات بیشتر بر روی این لینک (+) کلیک کنید.
سرفصل های مهم مورد بحث در این فیلم آموزشی عبارتند از:
- مروری بر مبانی یادگیری ماشینی و انواع آن
- یادگیری نظارت شده
- یادگیری غیر نظارت شده
- یادگیری تقویتی
- مبانی خوشه بندی یا Clustering
- توصیف ریاضی مسأله خوشه بندی به صورت مسأله بهینه سازی
- الگوریتم k-Means (الگوریتم لوید یا Lloyd’s Algorithm)
- خوشه بندی با استفاده از متلب
- حل مسائل خوشه بندی در متلب و نمایش نتایج حاصل
برای مشاهده جزئیات و تهیه آموزش فرادرس یادگیری غیر نظارت شده و خوشه بندی با الگوریتم k-Means در متلب به این لینک (+) مراجعه نمایید.
مجموعه: خوشه بندی, شبکه های عصبی, فیلم های آموزشی, محصولات آموزشی, هوش مصنوعی, یادگیری ماشینی برچسب ها: Clustering, Lloyd's Algorithm, الگوریتم k-Means, الگوریتم Lloyd, الگوریتم لوید, پیاده سازی k-Means در متلب, تابع kmeans, خوشه بندی, خوشه بندی در متلب, داده کاوی, روش k-Means, کلاسترینگ, یادگیری غیر نظارت شده, یادگیری ماشینی