<![CDATA[انجمن های متلب سایت | مرجع هوش مصنوعی و کاربران متلب - همه انجمن‌ها]]> http://forum.matlabsite.com/ Sat, 19 May 2012 05:37:47 +0000 MyBB <![CDATA[نحوه غیر فعال کردن کیبورد و ماوس]]> http://forum.matlabsite.com/thread-305.html Thu, 17 May 2012 19:23:58 +0000 http://forum.matlabsite.com/thread-305.html یا پورتهای اون رو بست]]> یا پورتهای اون رو بست]]> <![CDATA[سوال در مورد برنامه 8 وزیر]]> http://forum.matlabsite.com/thread-304.html Mon, 07 May 2012 18:31:27 +0000 http://forum.matlabsite.com/thread-304.html سلام
من برنامه 8 وزیر به روش زنتیک با متلب مینویسم
ازتون خواهش میکنم کسی میتونه کمک کنه و جواب بده
. میخوام یه عدد صحیح رندوم انتخاب کنم
با چه دستوری اینکار انجام بدم؟
rand اعداد اعشاری رندوم میده.
randpermیه آرایه رندوم تولید میکنه.
هیچ کدوم این دوتا کاری که میخوام انجام نمیده.
لطفا کمکم کنید.
]]> سلام
من برنامه 8 وزیر به روش زنتیک با متلب مینویسم
ازتون خواهش میکنم کسی میتونه کمک کنه و جواب بده
. میخوام یه عدد صحیح رندوم انتخاب کنم
با چه دستوری اینکار انجام بدم؟
rand اعداد اعشاری رندوم میده.
randpermیه آرایه رندوم تولید میکنه.
هیچ کدوم این دوتا کاری که میخوام انجام نمیده.
لطفا کمکم کنید.
]]> <![CDATA[فیلترهای کالمن]]> http://forum.matlabsite.com/thread-303.html Sat, 05 May 2012 09:08:43 +0000 http://forum.matlabsite.com/thread-303.html سلام دوستان
برای پیاده سازی فیلترهای زیر در متلب و یا سیمولینک کسی میتونه کمکم کنه؟
KF , EKF , UKF , AUKF
]]> سلام دوستان
برای پیاده سازی فیلترهای زیر در متلب و یا سیمولینک کسی میتونه کمکم کنه؟
KF , EKF , UKF , AUKF
]]> <![CDATA[الگوريتم فلويد]]> http://forum.matlabsite.com/thread-302.html Thu, 03 May 2012 21:51:24 +0000 http://forum.matlabsite.com/thread-302.html ]]> ]]> <![CDATA[اجرای برنامه]]> http://forum.matlabsite.com/thread-300.html Fri, 27 Apr 2012 15:34:24 +0000 http://forum.matlabsite.com/thread-300.html من توی متلب حدود 30 برنامه را باز کردم که در موقع لزوم بتوانم از آنها سریع استفاده کنم. اما اشاباها تمام 30 برنامه را حذف کردم.
حالا که دوباره متلب را اجرا می کنم این 30 برنامه بالا نمی آیند. می خواستم بدانم چطور می شود همه برنامه های قبلی را بالا آورد؟
]]> من توی متلب حدود 30 برنامه را باز کردم که در موقع لزوم بتوانم از آنها سریع استفاده کنم. اما اشاباها تمام 30 برنامه را حذف کردم.
حالا که دوباره متلب را اجرا می کنم این 30 برنامه بالا نمی آیند. می خواستم بدانم چطور می شود همه برنامه های قبلی را بالا آورد؟
]]> <![CDATA[مدلسازی با DTREG]]> http://forum.matlabsite.com/thread-299.html Thu, 26 Apr 2012 23:46:12 +0000 http://forum.matlabsite.com/thread-299.html DTREG
یک نرم افزار
مدلسازی پیش بینی کننده فوق العاده است که علی رغم حجم کم، اکثر روشهای مدلسازی رو
در خودش جا داده. یه توضیح کوتاهی از این نرم افزار رو در زیر میارم:




DTREG (pronounced D-T-Reg)
builds classification and regression decision trees, neural networks, support
vector machine (SVM), GMDH polynomial networks, gene expression programs,
K-Means clustering, discriminant analysis and logistic regression models that
describe data relationships and can be used to predict values for future
observations. DTREG also has full support for time series analysis.


قیمت واقعی این نرم افزار 2000 دلار هست.
اگر کسی از دوستان هست که کرک شده این نرم افزار رو داره لطفا به اشتراک بذاره.
ممنون]]> DTREG
یک نرم افزار
مدلسازی پیش بینی کننده فوق العاده است که علی رغم حجم کم، اکثر روشهای مدلسازی رو
در خودش جا داده. یه توضیح کوتاهی از این نرم افزار رو در زیر میارم:




DTREG (pronounced D-T-Reg)
builds classification and regression decision trees, neural networks, support
vector machine (SVM), GMDH polynomial networks, gene expression programs,
K-Means clustering, discriminant analysis and logistic regression models that
describe data relationships and can be used to predict values for future
observations. DTREG also has full support for time series analysis.


قیمت واقعی این نرم افزار 2000 دلار هست.
اگر کسی از دوستان هست که کرک شده این نرم افزار رو داره لطفا به اشتراک بذاره.
ممنون]]> <![CDATA[در خواست کمک اضطراری]]> http://forum.matlabsite.com/thread-298.html Fri, 20 Apr 2012 17:48:12 +0000 http://forum.matlabsite.com/thread-298.html سلام
من به یک برنامه زمانبندی با الگوریتم ژنتیک دارم و نیاز به همکاری یک کد نویس دارم لطفا اگر کسی مایله به همکاریه با من تماس بگیره موضوع خیلی فوریه با هزینه توافقی Sad
با تشکر Sad
]]> سلام
من به یک برنامه زمانبندی با الگوریتم ژنتیک دارم و نیاز به همکاری یک کد نویس دارم لطفا اگر کسی مایله به همکاریه با من تماس بگیره موضوع خیلی فوریه با هزینه توافقی Sad
با تشکر Sad
]]> <![CDATA[اندازه گیری مساحت نواحی خاص در یک تصویر]]> http://forum.matlabsite.com/thread-297.html Wed, 18 Apr 2012 16:38:56 +0000 http://forum.matlabsite.com/thread-297.html تصویر و همچنین اندازه گیری مساحت یک رنگ مشخص در یک تصویر گرفتم. اطلاعات
خیلی کمی در زمینه شبکه عصبی و نرم افزار متلب دارم.اگه امکان داره کتاب
یا مطلبی اگه سراغ دارید که به درد من تازه کار میخوره بهم معرفی کنید.در
زمینه شبکه عصبی تا بحال کار نکردم!!!!

دو ترم برای پروژه پایان نامه فرصت دارم.اگه امکان داره کمکم کنید.ایمیل
من g_monireh@yahoo.com اگه مطلبی در این مورد دارید به من میل کنید.ممنون
میشم.]]> تصویر و همچنین اندازه گیری مساحت یک رنگ مشخص در یک تصویر گرفتم. اطلاعات
خیلی کمی در زمینه شبکه عصبی و نرم افزار متلب دارم.اگه امکان داره کتاب
یا مطلبی اگه سراغ دارید که به درد من تازه کار میخوره بهم معرفی کنید.در
زمینه شبکه عصبی تا بحال کار نکردم!!!!

دو ترم برای پروژه پایان نامه فرصت دارم.اگه امکان داره کمکم کنید.ایمیل
من g_monireh@yahoo.com اگه مطلبی در این مورد دارید به من میل کنید.ممنون
میشم.]]> <![CDATA[راهنمایی و کمک!!]]> http://forum.matlabsite.com/thread-296.html Mon, 16 Apr 2012 14:47:14 +0000 http://forum.matlabsite.com/thread-296.html
خسته نباشید دوستان

سوالی داشتم و آن اینکه اگر متغیرهای اولیه در تابع هدف فرضا6 بوده و هر
کدام در یک بازه قرار داشته باشند چگونه و در کدام قسمت کدهای ژنتیک موجود
تعریف شوند؟چون به صورت ماتریس که مدل می کنم در ادامه کار پیغام خطا می
دهد.

ممنون]]>
خسته نباشید دوستان

سوالی داشتم و آن اینکه اگر متغیرهای اولیه در تابع هدف فرضا6 بوده و هر
کدام در یک بازه قرار داشته باشند چگونه و در کدام قسمت کدهای ژنتیک موجود
تعریف شوند؟چون به صورت ماتریس که مدل می کنم در ادامه کار پیغام خطا می
دهد.

ممنون]]> <![CDATA[چگونه می توانم با استفاده از متلب، داده generate کنم؟]]> http://forum.matlabsite.com/thread-295.html Sat, 14 Apr 2012 10:13:33 +0000 http://forum.matlabsite.com/thread-295.html با سلام
بنده تازه عضو این سایت شدم...به خاطر همین هیچی نمیدونم... واینکه آیا سوالم رو توی انجمن مربوطه عنوان کردم یا نه؟
به هر حال مشکلی که من دارم این است که برای درس اقتصادسنجی باید یک مدل رو تخمین بزنم و نیاز به داده دارم...منتها امروز استادم گفت که نیازی به داده های واقعی نیست و میتونی با استفاده از خود نرم افزار متلب، داده هاتو "جنریت" (یا همون " ایجاد " خودمون) کنی
منتها من بلد نیستم...از یه طرف هم وقت زیادی ندارم و باید این مدل تخمین زده شده رو تا 15 اردیبشت تحویل بدم....اگه شما کمک و راهنمایی کنید یه دنیا ممنون میشم
]]> با سلام
بنده تازه عضو این سایت شدم...به خاطر همین هیچی نمیدونم... واینکه آیا سوالم رو توی انجمن مربوطه عنوان کردم یا نه؟
به هر حال مشکلی که من دارم این است که برای درس اقتصادسنجی باید یک مدل رو تخمین بزنم و نیاز به داده دارم...منتها امروز استادم گفت که نیازی به داده های واقعی نیست و میتونی با استفاده از خود نرم افزار متلب، داده هاتو "جنریت" (یا همون " ایجاد " خودمون) کنی
منتها من بلد نیستم...از یه طرف هم وقت زیادی ندارم و باید این مدل تخمین زده شده رو تا 15 اردیبشت تحویل بدم....اگه شما کمک و راهنمایی کنید یه دنیا ممنون میشم
]]> <![CDATA[راهنمایی : diversity در الگوریتم ژنتیک ]]> http://forum.matlabsite.com/thread-294.html Sat, 14 Apr 2012 09:13:18 +0000 http://forum.matlabsite.com/thread-294.html دنبال مقاله ای هستم
با عنوان "محاسبه روشی بهینه برای diversity بهتر در الگوریتم ژنتیک
لطفا دوستان محترم مقاله به زبان اصلی در این زمینه پیدا کردند اعلام نمایند
با تشکر فراوان]]> دنبال مقاله ای هستم
با عنوان "محاسبه روشی بهینه برای diversity بهتر در الگوریتم ژنتیک
لطفا دوستان محترم مقاله به زبان اصلی در این زمینه پیدا کردند اعلام نمایند
با تشکر فراوان]]> <![CDATA[در خواست راهنمایی MTA]]> http://forum.matlabsite.com/thread-293.html Fri, 13 Apr 2012 13:53:46 +0000 http://forum.matlabsite.com/thread-293.html با سلام و خسته نباشید
من یک مسئله با 72 متغیر دارم که 36 تا متغیر باینری و 36 تا پیوسته هستند. همچنین تعداد زیادی قید که تعدادی از متغیر ها رو به هم مرتبط می کند. این قیود علاوه بر محدوده برای هر متغیر است.متاسفانه با هر بار اجرای برنامه یک نتیجه به دست می اید که با دفعه قبل متفاوت هست و جواب بهینه کلی هم نیست.یعنی هر بار در نقطه بهینه محلی قرار میگیرد. میشه من رو راهنمایی کنید]]> با سلام و خسته نباشید
من یک مسئله با 72 متغیر دارم که 36 تا متغیر باینری و 36 تا پیوسته هستند. همچنین تعداد زیادی قید که تعدادی از متغیر ها رو به هم مرتبط می کند. این قیود علاوه بر محدوده برای هر متغیر است.متاسفانه با هر بار اجرای برنامه یک نتیجه به دست می اید که با دفعه قبل متفاوت هست و جواب بهینه کلی هم نیست.یعنی هر بار در نقطه بهینه محلی قرار میگیرد. میشه من رو راهنمایی کنید]]> <![CDATA[درخواست راهنمایی]]> http://forum.matlabsite.com/thread-292.html Sun, 08 Apr 2012 07:14:29 +0000 http://forum.matlabsite.com/thread-292.html سلام، من دانشجوی کارشناسی ارشد عمران گرایش مدیریت ساخت هستم و میخوام روی موضوع بهینه سازی بافرهای زمانبندی با الگوریتم ژنتیک کار کنم، اما مشکل بزرگ من اینه که با کدنویسی الگوریتم ژنتیک در متلب آشنایی ندارم . لطفا راهنمایی کنید برای شروع باید چه کارکنم؟ آیا بسته های طلایی وفایلهای آموزشی موجود در سایت میتونه مشکل منو حل کنه؟ کدومشو تهیه کنم بهتره؟ ممنونم]]> سلام، من دانشجوی کارشناسی ارشد عمران گرایش مدیریت ساخت هستم و میخوام روی موضوع بهینه سازی بافرهای زمانبندی با الگوریتم ژنتیک کار کنم، اما مشکل بزرگ من اینه که با کدنویسی الگوریتم ژنتیک در متلب آشنایی ندارم . لطفا راهنمایی کنید برای شروع باید چه کارکنم؟ آیا بسته های طلایی وفایلهای آموزشی موجود در سایت میتونه مشکل منو حل کنه؟ کدومشو تهیه کنم بهتره؟ ممنونم]]> <![CDATA[فیلم آموزشی جامع الگوریتم مورچگان در متلب — شامل مباحث تئوری و عملی (به زبان فارسی)]]> http://forum.matlabsite.com/thread-291.html Fri, 06 Apr 2012 07:49:44 +0000 http://forum.matlabsite.com/thread-291.html [تصوير: mvpac101ab.png]

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

به عنوان مثال، عملکرد مورچه های آرژانتینی در یافتن کوتاه ترین مسیر بین لانه و منبع غذایی، بسیار عجیب و حیرت انگیز است. مورچه آرژانتینی عملا کور است و طبعا کوتاه ترین مسیر برای او مفهومی ندارد و توسط او قابل شناخت نمی باشد. اما با وجود چنین کمبودی، توده ای از این مورچه ها می توانند با همکاری یکدیگر، کوتاه ترین مسیر موجود بین لانه و محل مواد غذایی را پیدا کنند. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار می کنند. این الگوریتم برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود.

فیلم آموزشی جامع الگوریتم مورچگان در متلب، شامل مباحث تئوری و عملی در خصوص بهینه سازی کلونی مورچگان یا ACO است و می تواند به عنوان یک مرجع بسیار کامل، برای استفاده دانشجویان و دانشپژوهان مورد استفاده قرار بگیرد. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> [تصوير: mvpac101ab.png]

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

به عنوان مثال، عملکرد مورچه های آرژانتینی در یافتن کوتاه ترین مسیر بین لانه و منبع غذایی، بسیار عجیب و حیرت انگیز است. مورچه آرژانتینی عملا کور است و طبعا کوتاه ترین مسیر برای او مفهومی ندارد و توسط او قابل شناخت نمی باشد. اما با وجود چنین کمبودی، توده ای از این مورچه ها می توانند با همکاری یکدیگر، کوتاه ترین مسیر موجود بین لانه و محل مواد غذایی را پیدا کنند. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار می کنند. این الگوریتم برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود.

فیلم آموزشی جامع الگوریتم مورچگان در متلب، شامل مباحث تئوری و عملی در خصوص بهینه سازی کلونی مورچگان یا ACO است و می تواند به عنوان یک مرجع بسیار کامل، برای استفاده دانشجویان و دانشپژوهان مورد استفاده قرار بگیرد. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.
لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> <![CDATA[فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان (به زبان فارسی)]]> http://forum.matlabsite.com/thread-290.html Fri, 06 Apr 2012 07:47:14 +0000 http://forum.matlabsite.com/thread-290.html [تصوير: mvpac101c.png]

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

الگوریتم مورچگان برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود. در فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان، روش های حل مسائل گسسته (از نوع باینری، عدد صحیح و جایگشتی) مورد بحث و بررسی واقع شده است. در این فیلم با حل سه مسأله به صورت عملی، نکات عملی مربوطه به طور گام به گام آموزش داده شده اند. سه مسأله مورد بررسی در این فیلم عبارتند از:
  • مسأله کوله پشتی باینری یا Binary Knapsack Problem
  • مسأله کوله پشتی عدد صحیح یا Integer Knapsack Problem
  • مسأله تخصیص درجه دو یا Quadratic Assignment Problem (به اختصار QAP)
برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> [تصوير: mvpac101c.png]

بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند.

الگوریتم مورچگان برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود. در فیلم آموزش عملی حل مسائل گسسته با استفاده از الگوریتم مورچگان، روش های حل مسائل گسسته (از نوع باینری، عدد صحیح و جایگشتی) مورد بحث و بررسی واقع شده است. در این فیلم با حل سه مسأله به صورت عملی، نکات عملی مربوطه به طور گام به گام آموزش داده شده اند. سه مسأله مورد بررسی در این فیلم عبارتند از:
  • مسأله کوله پشتی باینری یا Binary Knapsack Problem
  • مسأله کوله پشتی عدد صحیح یا Integer Knapsack Problem
  • مسأله تخصیص درجه دو یا Quadratic Assignment Problem (به اختصار QAP)
برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.]]> <![CDATA[ژنتیک - لطفا راهنمایی فرمایید]]> http://forum.matlabsite.com/thread-288.html Sun, 01 Apr 2012 17:37:23 +0000 http://forum.matlabsite.com/thread-288.html با سلام
میخواهم مسئله زیر را حل کنم.چند سوال برام مطرح شد لطف کنید راهنماییم کنید با تشکر
مقدار مینیمم تابع زیر رابدست آورید
f=xsinx/x , x=[-5,5]
تعداد بیتهای کروموزم را 16در نظر بگیرید
سوال 1. باید یه صورت ژنتیک حقیقی حل کرد یا باینری ؟ چرا ؟
سوال 2 . تعداد بیتهای کروموزم 16است یعنی 2 عدد بطور تصادفی بین -5 و 5 انتخاب کنیم؟
unifrnd(-5,5,[1 2])
مرسی
]]> با سلام
میخواهم مسئله زیر را حل کنم.چند سوال برام مطرح شد لطف کنید راهنماییم کنید با تشکر
مقدار مینیمم تابع زیر رابدست آورید
f=xsinx/x , x=[-5,5]
تعداد بیتهای کروموزم را 16در نظر بگیرید
سوال 1. باید یه صورت ژنتیک حقیقی حل کرد یا باینری ؟ چرا ؟
سوال 2 . تعداد بیتهای کروموزم 16است یعنی 2 عدد بطور تصادفی بین -5 و 5 انتخاب کنیم؟
unifrnd(-5,5,[1 2])
مرسی
]]> <![CDATA[بسته طلایی فیلم های آموزشی الگوریتم رقابت استعماری در متلب]]> http://forum.matlabsite.com/thread-287.html Thu, 29 Mar 2012 15:12:29 +0000 http://forum.matlabsite.com/thread-287.html [تصوير: mvric9012.png]


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 ۲۰۰۷ توسط اسماعیل آتش پز گرگری و مرحوم پرفسور کارو لوکس (استاد فقید دانشگاه تهران) معرفی شد 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.

بسته طلایی فیلم های آموزشی الگوریتم رقابت استعماری در متلب، مجموعه ای از پنج فیلم آموزشی است که در مجموع شامل بیش از ۱۳ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:
  • فیلم آموزشی جامع الگوریتم رقابت استعماری — شامل مباحث تئوری و عملی
  • فیلم آموزشی خوشه بندی یا Clustering با الگوریتم رقابت استعماری
  • فیلم آموزشی درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
  • فیلم آموزشی حل مسأله کوچکترین درخت پوشا با الگوریتم رقابت استعماری
  • فیلم آموزشی جامع حل مسائل جایگشتی با الگوریتم رقابت استعماری
برای کسب اطلاعات بیشتر در مورد این بسته آموزشی، ادامه مطلب را ببینید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]> [تصوير: mvric9012.png]


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 ۲۰۰۷ توسط اسماعیل آتش پز گرگری و مرحوم پرفسور کارو لوکس (استاد فقید دانشگاه تهران) معرفی شد 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.

بسته طلایی فیلم های آموزشی الگوریتم رقابت استعماری در متلب، مجموعه ای از پنج فیلم آموزشی است که در مجموع شامل بیش از ۱۳ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:
  • فیلم آموزشی جامع الگوریتم رقابت استعماری — شامل مباحث تئوری و عملی
  • فیلم آموزشی خوشه بندی یا Clustering با الگوریتم رقابت استعماری
  • فیلم آموزشی درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
  • فیلم آموزشی حل مسأله کوچکترین درخت پوشا با الگوریتم رقابت استعماری
  • فیلم آموزشی جامع حل مسائل جایگشتی با الگوریتم رقابت استعماری
برای کسب اطلاعات بیشتر در مورد این بسته آموزشی، ادامه مطلب را ببینید.

لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.

برچسب ها: لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید., لینک ها فقط برای اعضا قابل مشاهده هستند. لطفا از طریق این لینک ثبت نام کنید.
]]> <![CDATA[سری فوریه در متلب]]> http://forum.matlabsite.com/thread-286.html Thu, 29 Mar 2012 11:13:09 +0000 http://forum.matlabsite.com/thread-286.html از استادمون که راهنمایی گرفتم گفت فقط به یه حلقه for نیاز داره می دونم آسونه ولی چون تازه کار بامتلبو شروع کردم برام سخته اگه می شه کمکم کنید ممنون
و سوال دیگه اینکه تابع f(x)=X در بازه منفی دوپی تا مثبت دوپی به صورت هم زوج و هم فرد تناوبی کرده و برای n=100 در متلب رسم کنیم
حالا من موندم و این متلب
با تشکر]]> از استادمون که راهنمایی گرفتم گفت فقط به یه حلقه for نیاز داره می دونم آسونه ولی چون تازه کار بامتلبو شروع کردم برام سخته اگه می شه کمکم کنید ممنون
و سوال دیگه اینکه تابع f(x)=X در بازه منفی دوپی تا مثبت دوپی به صورت هم زوج و هم فرد تناوبی کرده و برای n=100 در متلب رسم کنیم
حالا من موندم و این متلب
با تشکر]]> <![CDATA[تعریف تابع؟؟]]> http://forum.matlabsite.com/thread-285.html Tue, 13 Mar 2012 20:30:51 +0000 http://forum.matlabsite.com/thread-285.html کد مربوط به تعریف تابعی که در ان یک یا چند سیگما (sum(i)) است چگونه نوشته می شود؟]]> کد مربوط به تعریف تابعی که در ان یک یا چند سیگما (sum(i)) است چگونه نوشته می شود؟]]> <![CDATA[کلاسیفایر (طبقه بندی کننده) چند کلاسه ماشین بردار پشتیبان یا SVM در متلب]]> http://forum.matlabsite.com/thread-283.html Sat, 10 Mar 2012 22:15:58 +0000 http://forum.matlabsite.com/thread-283.html
کلاسیفایر (طبقه بندی کننده) چند کلاسه ماشین بردار پشتیبان یا SVM در متلب

Download MATLAB Codes

Multi-Class Support vector Machine (SVM) in MATLAB

توجه: رمز عبور فایل ها، عبارت matlabsite.com است.

.rar  multi_class_support_vector_machine_www.matlabsite.com.rar (اندازه: 3.15 ك.ب / دفعات دانلود: 71) ]]>
کلاسیفایر (طبقه بندی کننده) چند کلاسه ماشین بردار پشتیبان یا SVM در متلب

Download MATLAB Codes

Multi-Class Support vector Machine (SVM) in MATLAB

توجه: رمز عبور فایل ها، عبارت matlabsite.com است.

.rar  multi_class_support_vector_machine_www.matlabsite.com.rar (اندازه: 3.15 ك.ب / دفعات دانلود: 71) ]]>