فرادرس

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. ماشین بردار پشتیبان یا Support Vector Machine (به اختصار SVM) نوع خاصی از شبکه های عصبی هستند که بر خلاف سایر انواع شبکه عصبی (مانند MLP و RBF) به جای کمینه کردن خطا، اقدام به کمینه کردن ریسک عملیاتی طبقه بندی یا مدل سازی می کند. این ابزار، بسیار قدرتمند است و در زمینه های مختلفی چون طبقه بندی، خوشه بندی و مدل سازی (رگرسیون) می تواند مورد استفاده قرار...

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 جامع شبکه های عصبی RBF در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی مبتنی بر توابع شعاعی پایه یا RBF، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approxim...

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 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...

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 شبکه های عصبی هاپفیلد یا Hopfield Neural Network در متلب را معرفی کنیم که در آن علاوه بر مرور مبانی تئوری شبکه های عصبی هاپفیلد (Hopfield) و ارتباط آن با نظریه سیستم های دینامیکی غیر خطی، پیاده سازی عملی این نوع از شبکه عصبی برای حل مسأله بازشناسی الگو و تشخیص کاراکتر (Character Recognition) مورد بحث و بررسی قرار گرفته...

الگوریتم شبیه سازی تبرید (بازپخت) یا Simulated Aealing و یا به اختصار SA در اوائل دهه 1980 و توسط کیرکپاتریک و همکارانش معرفی شد. این روش، فرایند تبرید مواد را شبیه سازی می کند. طی فرایند تبرید، یک ماده تا دمایی بیشتر از دمای ذوبش گرم می شود و سپس به تدریج، دمای آن پایین آورده می شود. نحوه کاهش دما بسیار کند و در حدی است که ماده در تعادل ترمودینامیکی است. به عبارت دیگر، دمای جسم آن قدر ثابت می ماند که بهترین ساختار بلوری با کم ترین انرژی در آن دما تشکیل شود. اجسامی ساختار بلوری شان در انرژی های بالاتری شکل گرفته باشد، شکننده تر نیز هستند. اما بر عکس، اگر ساختار بلوری جسمی، در انرژی های کم تر تشکیل شده باشد، از مقاومت فیزیکی بسیار بیشتری برخوردار خواهد بود. این الگوریتم یکی از قوی ترین الگوری...

مسأله زمان بندی پروژه با محدودیت منابع یا Resource Constrained Project Scheduling Problem (به اختصار RCPSP) از مسائل مهم در تحقیق در عملیات و مدیریت پروژه است که کاربردهای فراوانی در مدیریت و برنامه ریزی پروژه های فنی و عملی دارد. این مسأله دارای نسخه های توسعه یافته تری نیز می باشد (مانند روابط پیش نیازی توسعه یافته یا GPR) که با در نظر گرفتن عواملی، مسأله به دنیای واقعی نزدیک تر می شود. در فیلم آموزشی حل مسأله زمان بندی پروژه با محدودیت منابع یا RCPSP در متلب، مسأله RCPSP به صورت یک مسأله جایگشتی (Permutative) بیان شده است و توسط الگوریتم شبیه سازی تبرید یا Simulated Aealing (به اختصار SA) و بهینه سازی ازدحام ذرات یا Particle Swarm Optimization (به اختصار PSO) مورد حل واقع شده است. در این ...

مسأله مسیریابی خودرو یا Vehicle Routing Problem (به اختصار VRP) یکی از مسائل مهم در تحقیق در عملیات است که کاربردهای فراوانی در مدیریت زنجیره های تأمین کالا و خدمات، شبکه های ارتباطی، مدیریت بحران، سیستم های توزیع (مانند پست)، و مهندسی سیستم دارد. این مسأله از جمله مسائل ترکیبی یا Combinatorial است و از طرف متخصصین حوزه علوم کامپیوتر نیز، به عنوان یک مسأله پایه مطالعه و بررسی می شود. در فیلم آموزشی حل مسأله مسیریابی خودرو یا VRP در متلب، مسأله VRP به صورت یک مسأله جایگشتی بیان شده است و توسط الگوریتم شبیه سازی تبرید یا Simulated Aealing (به اختصار SA) مورد حل واقع شده است. البته 4 روش مختلف کدینگ مربوط به مسأله VRP (و همچنین مسأله زمان بندی ماشین های موازی، که از نظر ریاضی معادل VRP است)، مع...

مسأله زمان بندی ماشین های موازی یا Parallel Machine Problem (به اختصار PMP) یکی از مسائل پایه ای زمان بندی در تحقیق در عملیات، مهندسی صنایع و مهندسی کامپیوتر است. این مسأله از آن جهت دارای اهمیت است که روش حل آن می تواند، راهگشای حل سایر انواع پیچیده تر مسائل زمان بندی باشد. در این فیلم آموزشی، روش هایی کلی برای حل مسائل زمان بندی و به خصوص مسأله زمان بندی ماشین های موازی، ارئه شده است. این روش ها برای حل مسائل زمان بندی با هر الگوریتم بهینه سازی می توانند مورد استفاده قرار بگیرند. در این فیلم آموزشی، از الگوریتم شبیه سازی تبرید یا Simulated Aealing (به اختصار SA) برای حل مسأله زمان بندی ماشین های موازی استفاده شده است. در این فیلم آموزشی، علاوه بر مباحث تئوری و عملی مسأله زمان بندی ماشین ها...

الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش محاسباتی و محاسبات تکاملی معرفی شده است. جان مایه اصلی این الگوریتم، شبیه سازی فرآیند سیاسی استعمار است. به همان صورت که الگوریتم ژنتیک تکامل زیستی را شبیه سازی می کند، در الگوریتم رقابت استعماری، از تکامل سیاسی استفاده شده است. این الگوریتم در سال 2007 معرفی شده است و تا کنون در کاربردهای فراوان و زمینه های تحقیقاتی متنوعی، به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. قدرت بالای این الگوریتم، به خصوص در برخورد با مسائل پیوسته، باعث شده است که الگوریتم رقابت استعماری به عنوان یکی از ابزارهای مهم در زمینه بهینه سازی به حساب بیاید. در راستای پ...

فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مطرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مسأله چندان سخت نیست. اما اگر هدف ار حل مسأله، تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چه؟ این مسأله دارای بعد بینهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد. (این جمله آخر چندان جدی نبود.) مسأله طراحی مسیر حرکت یک روبات از یک مبدأ مشخص تا یک مقصد مشخص نیز، دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این...