| 1 |
مقدمات و لزوم یادگیری روش های داده کاوی در حوزه مکانیزاسیون کشاورزی |
|
| 2 |
روش های مدل سازی با سطح پاسخ: BBD, CCD |
|
| 3 |
روش های مدل سازی با سطح پاسخ: Mixture |
|
| 4 |
سایر روشهای غربال گری و دیگر روش های مدل سازی |
|
| 5 |
روش های کاهش ویژگی ها، انتخاب ویژگی های موثر، حذف داده های پرت و تحلیل حساسیت |
|
| 6 |
روش های تحلیل عاملی (FA) |
|
| 7 |
روش تحلیل مولفه های اصلی(PCA) |
|
| 8 |
روش های بهینه سازی: الگوریتم ژنتیک و .... |
|
| 9 |
پیاده سازی روش های بهینه سازی مانند الگوریتم ژنتیک در متلب |
|
| 10 |
شبکه های عصبی مصنوعی شامل MLP, RBF |
|
| 11 |
شبکه های عصبی مصنوعی شامل MLP, RBF |
|
| 12 |
شبکه های عصبی مصنوعی شامل MLP, RBF |
|
| 13 |
مروری به مبنای فازی و مدلسازی آن |
|
| 14 |
ANFIS |
|
| 15 |
ANFIS |
|
| 16 |
ماشین بردار پشتیبان (SVM) |
|
| 17 |
ماشین بردار پشتیبان (SVM) |
|
| 18 |
سری زمانی |
|
| 19 |
GPR |
|
| 20 |
بهینه سازی پارامترهای مدل به کمک روش های بهینه سازی |
|