فیلم آموزشی کاربرد تبدیلات موجک در پیش بینی سری های زمانی (به زبان فارسی)
یکی از کاربردهای مهم و اساسی تبدیلات موجک، آماده سازی داده های سری های زمانی، و جداسازی اطلاعات در لایه های مختلف زمانی است. در فیلم آموزشی کاربرد تبدیلات موجک در پیش بینی سری های زمانی، با استفاده از خواصی که در فیلم های آموزشی گذشته در خصوص تبدیلات موجک گسسته بیان شده است، رویکردهای عملی استفاده از تبدیلات ویولت در پیش بینی سری زمانی مورد بحث و بررسی قرار گرفته است. این رویکرد می تواند در ترکیب با روش های مدل سازی و پیش بینی سری های زمانی، مانند شبکه های عصبی، سیستم های فازی، شبکه های فازی عصبی، و رویکردهای کلاسیک، منجر به دریافت نتیجه های بهتری شود که غالبا در مقاله ها و نوشته های پژوهشی جدید نیز، چنین رویکردی بیش از پیش مشاهده می شود. تمامی برنامه های این فیلم آموزش، همچون سایر محصولات آموزشی ارائه شده در متلب سایت (فرادرس)، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند.
تبدیلات موجک یا ویولت (Wavelet) از جمله ابزارهایی هستند که کاربردهای فراوانی در شاخه های مختلف علمی و مهندسی، به ویژه هوش مصنوعی، یادگیری ماشینی، پیش بینی سری زمانی، و بازشناسی الگو دارد. تئوری موجک ها در واقع تعمیمی بر تئوری تبدیلات و سری های فوریه است و ضعف های آنالیز فوریه در عملکرد موضعی و مدل سازی رفتارهای کوتاه مدت را، جبران می نماید. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را مشاهده نمایید.
یکی از کاربردهای مهم و اساسی تبدیلات موجک، آماده سازی داده های سری های زمانی، و جداسازی اطلاعات در لایه های مختلف زمانی است. در فیلم آموزشی کاربرد تبدیلات موجک در پیش بینی سری های زمانی، با استفاده از خواصی که در فیلم های آموزشی گذشته در خصوص تبدیلات موجک گسسته بیان شده است، رویکردهای عملی استفاده از تبدیلات ویولت در پیش بینی سری زمانی مورد بحث و بررسی قرار گرفته است. این رویکرد می تواند در ترکیب با روش های مدل سازی و پیش بینی سری های زمانی، مانند شبکه های عصبی، سیستم های فازی، شبکه های فازی عصبی، و رویکردهای کلاسیک، منجر به دریافت نتیجه های بهتری شود که غالبا در مقاله ها و نوشته های پژوهشی جدید نیز، چنین رویکردی بیش از پیش مشاهده می شود. تمامی برنامه های این فیلم آموزش، همچون سایر محصولات آموزشی ارائه شده در متلب سایت (فرادرس)، به صورت گام به گام و به ساده ترین شکل ممکن ارائه شده اند. مطالب این فیلم آموزشی توسط مهندس سیدمصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) ارائه شده است.
تبدیلات موجک یا ویولت (Wavelet) از جمله ابزارهایی هستند که کاربردهای فراوانی در شاخه های مختلف علمی و مهندسی، به ویژه هوش مصنوعی، یادگیری ماشینی، پیش بینی سری زمانی، و بازشناسی الگو دارد. تئوری موجک ها در واقع تعمیمی بر تئوری تبدیلات و سری های فوریه است و ضعف های آنالیز فوریه در عملکرد موضعی و مدل سازی رفتارهای کوتاه مدت را، جبران می نماید.
برای مشاهده جزئیات و تهیه آموزش فرادرس فیلم آموزشی کاربرد تبدیلات موجک در پیش بینی سری های زمانی به این لینک (+) مراجعه نمایید.
مطالب پیشنهادی
مجموعه: پردازش تصویر و سیگنال, فیلم های آموزشی, محصولات آموزشی, موجک برچسب ها: DWT, Wavelet, Wavelet Transform, پیش بینی, پیش بینی سری های زمانی, تبدیل موجک گسسته, تبدیلات موجک, تفکیک زمانی سری های زمانی, جداسازی مولفه های سازنده سیگنال, سری های زمانی, شبکه های عصبی, موجک
سلام
در صورت امکان ورژن متلبی را که موضوعات مختلف به وسیله
آن آموزش داده شده اند را در توضیحات اولیه ذکر نمایید.
در پاسخ به یکی از کاربران:
با سلام،
از توجه و پیشنهاد شما متشکریم.
این پیشنهاد به هیئت علمی مجموعه فرادرس منتقل خواهد شد تا در صورت امکان این موضوع در فیلم های آموزشی بیان شود.
موفق و پیروز باشید.