| 1 |
آشنایی با مبانی انواع مدل سازی با هوش مصنوعی |
|
| 2 |
بررسی انواع روش های مدلسازی سامانه های منابع آب |
|
| 3 |
مراحل مدلسازی و شاخص های ارزیابی مدلها |
|
| 4 |
مفهوم مدلسازی رگرسیون پارامتری و ناپارامتری و کارایی هر یک |
|
| 5 |
مدل سازی رگرسیون پارامتری در اکسل |
|
| 6 |
مدل سازی رگرسیون پارامتری تک متغیره و دو متغیره در متلب |
|
| 7 |
رگرسیون خطی چند متغیره در متلب |
|
| 8 |
آشنایی با مفهوم رگرسیون فازی، توابع عضویت و قوانین فازی |
|
| 9 |
بررسی روش های پیش پردازش داده ها و مزایا و معایب آنها |
|
| 10 |
مدل سازی رگرسیون ناپارامتری K نزدیک ترین همسایگی |
|
| 11 |
آشنایی با ساختار شبکه عصبی ANN |
|
| 12 |
مدل سازی رگرسیون چند متغیره با شبکه عصبی ANN |
|
| 13 |
آشنایی با ساختار انواع شبکه های عصبی و نحوه مدل سازی با آنها |
|
| 14 |
مدل سازی طبقه بندی با شبکه های عصبی |
|
| 15 |
آشنایی با مفهوم بهینه سازی و اجزای مدل بهینه ساز |
|
| 16 |
آشنایی با انواع روش های بهینه سازی بر اساس ساختار مسئله |
|
| 17 |
آشنایی با روش های بهینه سازی کلاسیک و ساختار آنها |
|
| 18 |
آشنایی با ساختار روش های بهینه سازی فراکاوشی |
|
| 19 |
آشنایی با ساختار الگوریتم ژنتیک |
|
| 20 |
بهینه سازی با الگوریتم ژنتیک در متلب |
|
| 21 |
بررسی روش اتصال و نحوه عملکرد الگوریتم های شبیه سازی و بهینه سازی |
|
| 22 |
ارائه سمینار محوله به دانشجویان |
|