هیچ دوره ای در سبد آموزش شما وجود ندارد
دانلود فیلم آموزش الگوریتم های ژنتیک
الگوریتمهای ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنند. الگوریتمهای ژنتیک اغلب گزینه خوبی برای تکنیکهای پیشبینی بر مبنای رگرسیون هستند. شما می توانید این مجموعه را درسایت متلب یار از لینک داده شده در ادامه مطلب همین پست دانلود نمایید…
فیلم آموزش الگوریتم کلونی مورچه ها
در حوزه ي “الگوريتمهاي مورچگان” مدلهايي بررسي ميشودکه از مشاهده رفتار مورچه ها در طبيعت بدست آمدهاند. اين مدلها به مرجعي الهام بخش در طراحي الگوريتمهاي جديد در حل مسائل بهينه سازي تبديل شدهاند. ايدهاي که منجر به شکلگيري بهينهسازي کلوني مورچگان (ACO ) شده است، برگرفته از رفتار کاوشگرانه اين موجودات براي غذا مي باشد. . روش ACO … شما می توانید این مجموعه را درسایت متلب یار از […]
دانلود فیلم آموزش الگوریتم بهینه سازی ذرات
باسلام الگوريتم بهينه سازي ازدحام ذرات (PSO)، که به نام الگوريتم پرندگان نيز مشهور است، يک خانواده از روشهاي هوش جمعي و يکي از الگوريتم هاي موفق در زمينه بهينه سازي پيوسته و گسسته مي باشد. شما می توانید این مجموعه را درسایت متلب یار از لینک داده شده در ادامه مطلب همین پست دانلود نمایید…
فیلم آموزش الگوریتم سیستم ایمنی مصنوعی
سیستم ایمنی مصنوعی توسط کاسترو به صورت زیر تعریف شده است: سيستم هاي وفقي كه با الهام از ايمونولوژي نظري و توابع، اصول و مدل هاي ايمني مشاهده شده به وجود آمدهاند و برای حل مسائل مورد استفاده قرار میگیرند. دي كاسترو و تيميس تعريف بالا را براي AIS برگزيده اند و سه نكته را برشمردند كه در هر الگوريتم ايمني مصنوعي بايد لحاظ شود: 1. در هر الگوريتم ايمني مصنوعي، حداقل بايد يك جزء ايمني مانند لنفوسيت ها وجود داشته باشد. 2. در هر الگوريتم ايمني مصنوعي بايد ايده اي برگرفته از بيولوژي نظري يا تجربي استفاده شود. 3. الگوريتم ايمني مصنوعي طراحي شده بايد به حل مسئله اي كمك كند. بر اساس اين سه ضابطه، ديكاسترو و تيميس، اولين الگوريتم هاي ايمني مصنوعي را … از زمان آغاز بحث AIS، این سیستم برای اهداف متنوعی به کار گرفته شده است میتوان اکثر این کاربردها را تحت سه عنوان بزرگ دستهبندی کرد. این سه عنوان عبارتند از: 1. تشخيص بي قاعدگي 2. بهينه سازي 3. داده كاوي (كلاس بندي ، خوشه بندي و …)
فیلم آموزش الگوریتم ممتیک
الگوریتم های ژنتیک کلاسیک در یافتن نواحی جواب با سرعت خوبی عمل می کنند اما در به دست آوردن جواب با دقت مورد نظر زمان زیادی را صرف می کنند. این نقص را می توان تا حدودی با بکارگیری دانش موجود از مساله و یا اضافه کردن فاز جستجوی محلی به چرخه ی تکاملی بهبود بخشید. محققان با الهام گرفتن از ایده ی »مم« که توسط ریچارد داوکینز مطرح شد، […]