| 1 |
مقدمه: چرایی ارائه درس، جایگاه درس در انجام پروژه ها |
|
| 2 |
اصول برنامه نویسی: اصول برنامه نویسی با متلب با رویکرد انجام پروژه ها درس |
|
| 3 |
تعریف شبکه های عصبی: قابلیت شبکه عصبی در حل مسائل و وجه تمایز آن با سایر روشهای ریاضی |
|
| 4 |
ساختار شبکه های عصبی مصنوعی: نورون ها و مغز انسان و ساختار نورون های طبیعی و مصنوعی |
|
| 5 |
انواع شبکه های عصبی مصنوعی: معرفی کلی شبکه های عصبی مختلف قابل کاربرد در حوزه مکانیزاسیون |
|
| 6 |
پیاده سازی شبکه عصبی در محیط متلب: استفاده از GUI متلب و ابزار nftool |
|
| 7 |
پیاده سازی شبکه عصبی در محیط متلب: استفاده از GUI متلب و ابزار nftool |
|
| 8 |
مراحل مختلف کاری شبکه عصبی: یادگیری مفاهیم آموزش، اعتبارسنجی، آزمون به شکل عملی با حل مثال در متلب |
|
| 9 |
الگوریتم های آموزش: شرح عملکرد کاری الگوریتم های مختلف آموزش شبکه عصبی MLP |
|
| 10 |
حل مسئله و مرور مسائل عملی در حوزه رشته مکانیزاسیون |
|
| 11 |
میان ترم |
|
| 12 |
پیاده سازی عملی شبکه در متلب: معرفی توابع کاربردی به روش برنامه نویسی |
|
| 13 |
پیاده سازی عملی شبکه در متلب: معرفی توابع کاربردی به روش برنامه نویسی و حل یک مسئله واقعی |
|
| 14 |
معیارهای ارزیابی دقت کار شبکه عصبی: معرفی معیارهای خطا و ارزیابی معیارهای آماری دقت کار شبکه عصبی در مرحله آموزش و تست |
|
| 15 |
شبکه عصبی RBF بخش 1: معرفی پارامترهای شبکه عصبی RBF |
|
| 16 |
شبکه عصبی RBF بخش 2: پیاده سازی RBF در متلب و نحوه ارزیابی دقت کار آن |
|
| 17 |
شبکه عصبی RBF بخش 3: پیاده سازی RBF در متلب و نحوه ارزیابی دقت کار آن |
|
| 18 |
آشنایی با مفاهیم عصبی - فازی |
|
| 19 |
پیاده سازی ANFIS |
|
| 20 |
چگونگی حل مسئله کلاس بندی به کمک روش های شبکه عصبی مصنوعی |
|
| 21 |
حل مسائل و بررسی مقالات در حوزه شبکه های عصبی |
|
| 22 |
حل مسائل و بررسی مقالات در حوزه شبکه های عصبی |
|