تخفیف نوروزی پی استور

کد تخفیف: PR1404

شامل تمامی آثار
روز
ساعت
دقیقه
ثانیه

با خرید اشتراک ویژه ، با هزینه بسیار کمتر به فایل های پاورپوینت دسترسی داشته باشید!

تصویر شاخص انتخاب ویژگی با الگوریتم استعماری

انتخاب ویژگی با الگوریتم رقابت استعماری در متلب

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۷۶۹,۰۰۰ تومان بود.قیمت فعلی: ۳۰۷,۶۰۰ تومان.

روز
ساعت
دقیقه
ثانیه
دریافت کد تخفیف با گردونه شانس %
تعداد فراگیر
361 نفر
امتیاز کاربران
امتیاز 5.00 از 5

در این بخش فیلم آموزش انتخاب ویژگی با الگوریتم رقابت استعماری قرار داده شده است. این آموزش به مسئله انتخاب ویژگی یا Feature Selection در مسائل Classification یا دسته بندی از حوزه الگوریتم های یادگیری ماشین و داده کاوی می پردازد. در انتخاب ویژگی در این آموزش از یک الگوریتم فرا ابتکاری یا متاهیورستیک در حوزه محاسبات تکاملی و فرآیند تکامل اجتماعی – سیاسی با نام الگوریتم رقابت استعماری Imperialist Competitive Algorithm که به اختصار ICA نامیده می شود استفاده شده است.

الگوریتم رقابت استعماری

پیش از بررسی انتخاب ویژگی با الگوریتم رقابت استعماری می خواهیم درمورد الگوریتم ICA صحبت کنیم. الگوریتم رقابت استعماری (Imperialist Competitive Algorithm) یا ICA روشی در حوزه محاسبات تکاملی است که به یافتن پاسخ بهینه مسائل مختلف بهینه‌سازی می‌پردازد. این الگوریتم با مدلسازی ریاضی فرآیند تکامل اجتماعی – سیاسی، الگوریتمی برای حل مسائل ریاضی بهینه‌سازی ارائه می‌دهد.

همانند همه الگوریتم‌های قرار گرفته در دسته الگوریتم های بهینه سازی، الگوریتم رقابت استعماری نیز مجموعه اولیه ای از جوابهای احتمالی را تشکیل می‌دهد. این جوابهای اولیه در الگوریتم ژنتیک با عنوان «کروموزوم»، در الگوریتم ازدحام ذرات با عنوان «ذره» و در الگوریتم رقابت استعماری نیز با عنوان «کشور» شناخته می‌شوند.

الگوریتم رقابت استعماری با روند خاصی که در ادامه می‌آید، این جوابهای اولیه (کشورها) را به تدریج بهبود داده و در نهایت جواب مناسب مسئله بهینه‌سازی (کشور مطلوب) را در اختیار می‌گذارد.

پایه‌های اصلی این الگوریتم را سیاست همسان سازی (Assimilation)، رقابت استعماری (Imperialistic Competition) و انقلاب (Revolution) تشکیل می‌دهند. این الگوریتم با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و با مدلسازی ریاضی بخش‌هایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه می‌دهد که می‌توانند به حل مسائل پیچیده بهینه‌سازی کمک کنند.

در واقع این الگوریتم جوابهای مسئله بهینه‌سازی را در قالب کشورها نگریسته و سعی می‌کند در طی فرایندی تکرار شونده این جواب‌ها را رفته رفته بهبود داده و در نهایت به جواب بهینه مسئله برساند.

مراحل الگوریتم رقابت استعماری

مراحل کلی روند الگوریتم به‌صورت زیر است.

  1. چند نقطه تصادفی روی تابع انتخاب کرده و امپراتوری‌های اولیه را تشکیل بده.
  2. مستعمرات را به سمت کشور امپریالیست حرکت بده (سیاست همسان‌سازی یا جذب).
  3. عملگر انقلاب را اعمال کن.
  4. اگر مستعمره‌ای در یک امپراتوری وجود داشته باشد که هزینه ای کمتر از امپریالیست داشته باشد جای مستعمره و امپریالیست را عوض کن.
  5. هزینه کل یک امپراتوری را حساب کن (با در نظر گرفتن هزینه امپریالیست و مستعمراتشان).
  6. یک (چند) مستعمره از ضعیف‌ترین امپراتوری را انتخاب کرده و آن را به امپراتوری که بیشترین احتمال تصاحب را دارد، بده.
  7. امپراتوری‌های ضعیف را حذف کن.
  8. اگر تنها یک امپراتوری باقیمانده باشد توقف کن و در غیر این صورت به ۲ برو.

انتخاب ویژگی با الگوریتم رقابت استعماری در متلب

در انتخاب ویژگی از یک دیتاست هدف انتخاب زیر مجموعه ای از دیتاست اصلی است که از لحاظ کارایی و معیارهای عملکرد بهتر یا مشابه مجموعه داده کلی باشد. این انتخاب در مسائل بهینه سازی جزو مسائل NP-Hard بوده چون فضای حالت زیادی برای انتخاب وجود دارد بنابراین می توان با استفاده از الگوریتم های تکاملی یا متاهیورستیک آن را حل کرد.

در فیلم آموزشی تهیه شده با استفاده از الگوریتم رقابت استعماری و الگوریتم های یادگیری K همسایه نزدیک KNN و ماشین بردار پشتیبان SVM انتخاب ویژگی های موثر انجام می شود.

محتویات انتخاب ویژگی با الگوریتم رقابت استعماری در متلب

آموزش انتخاب ویژگی با الگوریتم رقابت استعماری در متلب شامل ۳ فایل می باشد. فیلم آموزش در دو فایل mp4 با کیفیت بالا و بصورت زیپ شده (rar.) است که برای اکسترکت کردن آن می توانید از Winrar 2019 به بالا استفاده کنید. یک فایل دیگر نیز مربوط به سورس کد آموزش می باشد که در متلب نوشته شده است.

درباره انتخاب ویژگی با الگوریتم استعماری

فیلم آموزش انتخاب ویژگی با الگوریتم رقابت استعماری در متلب عنوان محصولی است که در این پست به آن پرداخته شده است. در این آموزش به توضیح و تشریح انتخاب ویژگی و دسته بندی با روش K همسایه نزدیک و ماشین بردار پشتیبان SVM پرداخته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و بازبینی شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.

پیش‌نمایش سرفصل‌های آموزش

پیش نمایش 1: انتخاب ویژگی با الگوریتم رقابت استعماری

پیش نمایش 2: انتخاب ویژگی با الگوریتم رقابت استعماری


مدرس:  حسن سعادتمند

کارشناس ارشد کنترل از دانشگاه فردوسی مشهد

زمینه های کاری تخصصی ایشان علاوه بر مهندسی کنترل، الگوریتم های فراابتکاری، یادگیری ماشین و داده کاوی است. ایشان علاوه بر سابقه تدریس در زمینه مباحث مهندسی کنترل، الگوریتم های فراابتکاری، سیستم های فازی، شبکه های عصبی، داده کاوی، رباتیک و آموزش پیاده سازی مباحث ذکر شده در محیط نرم افزار متلب (MATLAB)، مسلط به زبان های برنامه نویسی پایتون (Python)، سی پلاس پلاس (++C)، سی شارپ (#C) و سی (C) نیز می باشند.

مشخصات تکمیلی دوره آموزشی

نام اثر: انتخاب ویژگی با الگوریتم رقابت استعماری در متلب
نوع اثر: دوره آموزشی
مدرس: حسن سعادتمند
مدت زمان: 1 ساعت و 18 دقیقه
نوع آموزش: تئوری و عملی

راهنمای خرید و ثبت سفارش

تصویر مراحل خرید از پی استور

اگر در مورد این اثر یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین 44225175 (پیش شماره 041) تماس بگیرید. – تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). – تمام ساعات

توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

تصویر و لوگوی گارانتی

نظرات

4 نظر|5.00 (میانگین امتیاز کاربران)

  1. Avatar of کاظم وند

    کاظم وند

    تدریس خوب و روانی بود
    تشکر

  2. Avatar of حسینی

    حسینی

    ممنون از توضیحات خوب و روانتون

  3. Avatar of nafas nafas

    nafas nafas

    خوبه ممنون از شما

  4. Avatar of مدیریت و پشتیبانی

    مدیریت و پشتیبانی

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

هزینه سفارش:

تخفیف ویژه 60 درصدی

قیمت اصلی: ۷۶۹,۰۰۰ تومان بود.قیمت فعلی: ۳۰۷,۶۰۰ تومان.

دریافت کد تخفیف %