| 1 |
مقدمه ای بر مدل سازی و شبیه سازی، یادآوری مباحث برنامه نویسی با MATLAB و آشنایی با محیط مدل سازی و شبیه سازی متلب |
|
| 2 |
یادآوری مباحث آماری، طرح های آزمایشی مهندسی و کار با MINITAB |
|
| 3 |
معرفی روش ها و معیارهای ارزیابی مدل ها و روش های شبیه سازی و برنامه نویسی آنها در متلب و ارائه مدل های ضابطه مند و چگونگی محاسبه ضرایب آنها |
|
| 4 |
رگرسیونی خطی چندگانه (MLR) |
|
| 5 |
رگرسیون گام به گام، رگرسیون وزن دار، PLS و کار عملی با MINITAB |
|
| 6 |
مباحث تکمیلی در خصوص روش های مدل سازی با رگرسیونی |
|
| 7 |
روش های RSM و کار با نرم افزار Design Expert |
|
| 8 |
مباحث تکمیلی RSM |
|
| 9 |
PCA و FA |
|
| 10 |
حل یک مسئله مدل سازی و جمع بندی مطالب ارائه شده |
|
| 11 |
معرفی روش های مدل سازی از طریق هوش محاسباتی |
|
| 12 |
شبکه عصبی MLP |
|
| 13 |
شبکه عصبی RBF |
|
| 14 |
پیاده سازی شبکه های عصبی در MATLAB |
|
| 15 |
معرفی روش های خوشه بندی و کلاس بندی |
|
| 16 |
مرور مقالات تخصصی در حوزه مدل سازی و بیوسیستم |
|