متلب پروگرمر

به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است .
در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد .
اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد.


متلب پروگرمر

مشخصات

یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد.


متلب پروگرمر

مشخصات

شرکت نتفلیکس فرانسه در یک حرکت تبلیغاتی هوشمندانه، نام اکانت توئیتر شرکت را (به طور موقت) به «نکس‌فلیکس» تغییر داده است، چون مادر یکی از کاربران اسم شرکت را به این صورت تلفظ میکرده است. 

نتفلیکس برای رفع تمسخر مادر با تغییر نام اکانت نوشته است که: «همیشه حق با مادران است»! 


متلب پروگرمر

مشخصات

جک دورسی، برای چک کردن توئیتر و Square هم‌زمان به‌جای استفاده از لپ‌تاپ از آیفون خود استفاده می‌کند. در همین حال طبق دستور جدید قرار است روی پست‌های حذف‌شده کاربران، دلیل قانونی آن درج شود تا کاربران بفهمند توئیتر پست مذکور را حذف کرده است یا کاربران گزارش علیه آن داده‌اند.

وی اخیراً در مصاحبه‌ای گفت: بحث اصلی تمرکز است که می‌تواند با غیرفعال کردن نوتیفیکیشن‌ها از یک اپلیکیشن در آنِ واحد استفاده کند. 

وی زمانی که با همکاران خود جلسه دارد، موبایل را نیز کنار گذاشته تا روی موضوع موردبحث تمرکز داشته باشند. 

دورسی در این زمینه می‌گوید: اگر قرار است 15 دقیقه مفید در جلسه داشته باشیم این 15 دقیقه بدون موبایل و لپ‌تاپ می‌تواند واقعاً همان 15 دقیقه باشد!


متلب پروگرمر

مشخصات

Inv(a)

اگر دترمینان یک ماتریس، صفر باشد مع آن ماتریس تعریف نشده است.

برای اعمال یک سری تغییرات در ماتریس از دستورات زیر استفاده می کنیم:

Triu(a)   :  

بالا مثلثی

Trid(a)    :  

پایین مثلثی

Diag(a)    : 

قطر اصلی

Flipud(a)    :

چرخش از بالا به پایین

Fliplr(a)    :

چرخش از چپ به راست

برای یافتن قطر فرعی میتوانیم دو تابع را ادغام کنیم :
diag(fliplr(a))

 

ماتریس های خاصی که در متلب تعریف شده اند:

Eye(n,m)   ماتریس واحد به ما می دهد.

N تعداد سطر

M  تعداد ستون

اگر ماتریس واحد مربعی بخواهیم eye(n)  ، ماتریس n*n واحد میدهد .

Ex: eye(3,5)

1 0 0 0 0

0 1 0 0 0

0 0 1 0 0

Ones(a,b)

یک ماتریس  n*m که همه ی درایه هایش 1 است.

Zeros(a,b)

یک ماتریس  n*m که همه ی درایه هایش صفر است.

Ex:

Zeros(3)

 

ans=

 

     0     0     0

     0     0     0

     0     0     0

مثلا وقتی میخواهیم اول برنامه قالب ماتریس را معلوم کنیم و بعد درایه ها را تغییر بدهیم.


متلب پروگرمر

مشخصات

  • جهت مشاهده منبع اصلی این مطلب کلیک کنید
  • کلمات کلیدی: ماتریس ,0     ,درایه ,     ,واحد ,کنیم ,0     0     ,     0     ,درایه هایش ,ماتریس واحد ,     0     0    
  • در صورتی که این صفحه دارای محتوای مجرمانه است یا درخواست حذف آن را دارید لطفا گزارش دهید.

 

Ex:

[1 2 3 4 5 6 7 8 9]

 

ans =

 

     1     2     3     4     5     6     7     8     9

برای جدا کردن سطر ها باید مطابق زیر عمل کنیم :

[1 2 3 ;4 5 6 ;7 8 9]

 

ans =

 

     1     2     3

     4     5     6

     7     8     9 

 

 

نماد ;  دو کاربرد دارد یکی در همینجا که سطر های یک ماتریس را به وسیله ی آن مشخص می کنیم و دیگری در برنامه ها است که اگر در آخر هر دستور از ;  استفاده کنبم، نتیجه ی آن خط دستور نمایش داده نمی شود.

برای یافتن تعداد سطر و ستون ماتریس از تابع size استفاده میشود.

Size(a)

تعداد سطر و ستون ماتریس A را نمایش می دهد.

اگر به شکل زیر تعریف کنیم، تعداد سطر ها میردو در a و تعداد ستون ها میرود در b

[a b]=size(q)

برای فهمیدن تعداد سطر ها یا همان طول ماتریس از تابع length استفاده می کنیم:

Length(a)

تالع دترمینان:

Det(a)

برای استفاده از این تابع، ماتریس حتما باید مربعی باشد.

اگر مربعی نباشد با error زیر مواجه میشویم:

??? Error using ==> det

Matrix must be square


متلب پروگرمر

مشخصات

  • جهت مشاهده منبع اصلی این مطلب کلیک کنید
  • کلمات کلیدی: ماتریس ,     ,استفاده ,size ,ستون ,کنیم ,ستون ماتریس ,7     8     ,4     5     ,1     2     ,     1     ,     1     2    
  • در صورتی که این صفحه دارای محتوای مجرمانه است یا درخواست حذف آن را دارید لطفا گزارش دهید.

 

برای فرمت هگزا دسیمال

Format hex

*****فرمت فشرده :

Format compact

برای حذف کردن خط اضافه ی بین هر دو خط . یعنی خطوط فشرده تر می شوند.

برای بازگشت به حالت قبل:

Format loose

برای تعیین دقت محاسبه از تابع زیر استفاده می کنیم:

Vpa:                        variable precision arithmetic

همه ی توابع در متلب ورودی میخواهند که این ورودی باید داخل پرانتز نوشته شود.

Vpa(pi,n)

عدد  را تا n رقم اعشار نمایش می دهد.

برای محاسبه زمان دستورات از دستور tic   toc استفاده می کنیم بدین صورت که قبل از دستوراتی که میخواهیم زمانش را بفهمیم، tic و در آخر مجموعه دستورات toc مینویسیم .

و همچنین با تایپ دستور clock زمان کامپیوتر را به ما میدهد.

به عنوان مثال:

Format rat

Clock

Ans

2011              9              2              4             15           3223/87

و یا با فرمت دیگر


متلب پروگرمر

مشخصات

 

پنجره ی فرمان

هرگونه محاسبه مثل 4 عمل اصلی را در این پنجره میتوانیم مشاهده کنیم . هم چنین میتوانیم حاصل این اعمال را نیز در یک متغیر بریزیم.

Current directory

مسیر پیش فرض

برنامه ای را که مینویسیم و میخواهیم ذخیره کنیم ، در این مسیر پیش فرض ذخیره می شود . این مسیر قابل عوض کردن است

work space

تمام متغیر هایی که در command window معلوم کردیم را در این جا نشان می دهد.

Command history

تمام دستورات قبلی که اجرا کرده ایم در اینجا ذخیره می شود . همچنین میتوانیم با استفاده از کلید های جهت نما به دستورات قبلی برویم.

اگر در work space بر روی هر کدام از متغیر ها click کنیم، مشخصات آن را نشان میدهد . مثلا از جنس ماتریس است.

در این قسمت برخی دستورات ساده و مقدماتی گفته می شود :

Clc :

این دستور کل پنجره ی command window را پاک میکند .

اگر بخواهیم یکی از متغیر های موجود در work space را پاک کنیم، به صورت دستور زیر:

Clear  a


متغیرa  از work space پاک میشود .

Clear   a   b  

متغیر a  و متغیر b را پاک میکند.

پاک کردن کلیه ی متغیر ها از work space:

Clear all         یا        clear

در متلب حروف کوچک و بزرگ متفاوتند .

در متلب لازم به تعیین نوع متغیر و تعیین ابعاد آن نیست. هر متغیری که به آن عددی اختصاص یابد به عنوان یک متغیر حساب می‌شود.


متلب پروگرمر

مشخصات

شبکه های عصبی نسبت به کامپیوتر های معمولی مسیر متفاوتی را برای حل مسئله طی می کنند . کامپیوتر های معمولی یک مسیر الگوریتمی را استفاده می کنند به این معنی که کامپیوتر یک مجموعه از دستورالعمل ها را به قصد حل مسئله پی میگیرد. بدون اینکه، قدم های مخصوصی که کامپیوتر نیاز به طی کردن دارد، شناخته شده باشند کامپیوتر قادر به حل مسئله نیست. این حقیقت قابلیت حل مسئله ی کامپیوتر های معمولی را به مسائلی ،محدود می کند که ما قادر به درک آنها هستیم و می دانیم چگونه حل می شوند. اما اگر کامپیوتر ها می توانستند کار هایی را انجام دهند که ما دقیقا نمی دانیم چگونه انجام دهیم ، خیلی پر فایده تر بودن

شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد پردازش می کنند. آنها از تعداد زیادی از عناصر پردازشی(سلول عصبی) که فوق العاده بهم پیوسته اند تشکیل شده است که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می کنند .شبکه های عصبی با مثال کار میکنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف می شود و یا حتی بدتر از این شبکه ممکن است نا درست کار کند. امتیاز شبکه عصبی این است که خودش کشف می کند که چگونه مسئله را حل کند ، عملکرد آن غیر قابل پیشگویی است.از طرف دیگر ، کامپیوتر های معمولی از یک مسیر مشخص برای حل یک مسئله استفاده می کنند. راه حلی که مسئله از آن طریق حل می شود باید از قبل شناخته شود و به صورت دستورات کوتاه و غیر مبهمی شرح داده شود. این دستورات سپس به زبان های برنامه نویسی سطح بالا برگردانده می شود و بعد از آن به کدهایی که کامپیوتر قادر به درک آنها است تبدیل می شود. به طور کلی این ماشین ها قابل پیشگویی هستند و اگر چیزی به خطا انجام شود به یک اشتباه سخت افزاری یا نرم افزاری بر میگردد.

شبکه های عصبی و کامپیوتر های معمولی با هم در حال رقابت نیستند بلکه کامل کننده یکدیگرند. وظایفی وجود دارد که بیشتر مناسب روش های الگوریتمی هستند نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند . حتی فراتر از این ، مسائلی وجود دارد که نیازمند به سیستمی است که از ترکیب هر دو روش بدست می آید (بطور معمول کامپیوتر های معمولی برای نظارت بر شبکه های عصبی به کار گرفته می شوند ) به این قصد که بیشترین کارایی بدست آید.شبکه های عصبی معجزه نمی کنند اما اگر خردمندانه به کار گرفته شوند نتایج شگفت آوری را خلق میکنند.


متلب پروگرمر

مشخصات

  • جهت مشاهده منبع اصلی این مطلب کلیک کنید
  • کلمات کلیدی: کامپیوتر ,عصبی ,شبکه ,مسئله ,معمولی ,انجام ,وجود دارد ,بیشتر مناسب ,قابل پیشگویی ,دانیم چگونه ,کامپیوتر قادر
  • در صورتی که این صفحه دارای محتوای مجرمانه است یا درخواست حذف آن را دارید لطفا گزارش دهید.

مزیتهای دیگر آن شامل موارد زیر می شود:

یادگیری انطباق پذیر:  قابلیت یاد گیری نحوه انجام وظایف بر پایه اطلاعات داده شده برای تمرین و تجربه های مقدماتی .

سازماندهی توسط خود: یک ANN می تواند سازماندهی یا ارائه اش را ، برای اطلاعاتی که در طول دوره یادگیری دریافت می کند، خودش ایجاد کند.

عملکرد بهنگام: محاسبات ANN می تواند بصورت موازی انجام شود، و سخت افزارهای مخصوصی طراحی و ساخته شده است که می تواند از این قابلیت استفاده کند.

تحمل اشتباه بدون ایجاد وقفه در هنگام کد گذاری اطلاعات : خرابی جزئی یک شبکه منجر به تنزل کارایی متناظر با آن می شود اگر چه تعدادی از قابلیت های شبکه ممکن است حتی با خسارت بزرگی هم باقی بماند

دسته بندی :

آموزشی متلب 


متلب پروگرمر

مشخصات

تبلیغات

محل تبلیغات شما
عکس آقای خامنه ای

آخرین جستجو ها

اگر هرگونه سوال و یا اشکالی در رابطه با این زمینه و یا هر زمینه تحصیلی
مانند: مدرسه ، دانشگاه ، کنکور ، ارشد ، دکتری ، نظام وظیفه و... دارید ؛

...کافیست با ما تماس بگیرید

شماره تماس از خط ثابت 9099071613

شماره تماس دوم از خط ثابت 02170705003

پاسخگویی از ۸ صبح تا ۱۲ شب حتی ایام تعطیل

مجلۀ فرهنگِ‌ ادبیاتِ‌ داستانی ساوان دانلود تصفیه آب سایت رســـمی شاعــرتاپیلماز مراغه ای مطالب جذاب از سراسر وب تردمیل خانگی fullseo تاج موزیک دانلود fixamooz