آموزش شبکه عصبی RBF در متلب
شبکه عصبی تابع پایه شعاعی Radial Basis Function سه لایه دارد: لایه ورودی (Input Layer)، لایه پنهان یا مخفی (Hidden Layer) و لایه خروجی (Output Layer). نورون‌های لایه مخفی با یک تابع پایه شعاعی (RBF) فعال (تحریک) می‌شوند. لایه مخفی از آرایه‌ای از واحدهای محاسباتی تشکیل شده که گره‌های مخفی (Hidden Nodes) نامیده می‌شوند.
فیلم آموزش شبکه عصبی Heb در متلب
در این بخش فیلم آموزش شبکه عصبی Heb در متلب قرار داده شده است. شبکه عصبی مصنوعی (Artificial Neural Networks – ANN) برای یادگیری ماشین، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سیستم های پیچیده هستند. در این فیلم آموزشی علاوه بر توضیحات سورس کد شبکه عصبی Heb در متلب توضیح داده می شود.
الگوریتم جستجوی کلاغ بهبود یافته ICSA در متلب
در این بخش سورس کد الگوریتم جستجوی کلاغ بهبود یافته ICSA در متلب قرار داده شده است. این سورس کد بر اساس مقاله ای تحت عنوان An improved Crow Search Algorithm for high-dimensional problems نوشته شده است. الگوریتم جستجوی کلاغ CSA یک بهینه ساز فرا ابتکاری مبتنی بر رفتار هوشمندانه کلاغ ها است. این الگوریتم با الهام از رفتار هوشمندانه کلاغ ها با ویژگی هایی مانند سادگی و سهولت اجرا معرفی شده است.
آموزش شبکه عصبی بازگشتی Elman در متلب
شبکه عصبی مصنوعی (Artificial Neural Networks – ANN) برای یادگیری ماشین، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سیستم های پیچیده هستند. شبکه عصبی elman نوعی از شبکه عصبی بازگشتی Recurrent neural network می باشد.
شبکه عصبی نرون خطی تطبیقی Adaline در متلب
شبکه عصبی مصنوعی (Artificial Neural Networks – ANN) برای یادگیری ماشین، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سیستم های پیچیده هستند. شبکه عصبی نرون خطی تطبیقی Adaptive Linear Neuron یک شبکه عصبی مصنوعی اولیه تک لایه است. در شبکه عصبی آدلاین در مرحله یادگیری، وزن ها با توجه به مجموع وزنی ورودی ها (خالص) تنظیم می شوند.
انتخاب ویژگی با الگوریتم رقابت استعماری در متلب – انتخاب ویژگی با الگوریتم استعماری
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 استفاده شده است.
آموزش الگوریتم جستجوی کلاغ در متلب
این الگوریتم در مقاله ای با عنوان A novel metaheuristic method for solving constrained engineering optimization problems: Crow search algorithm از ژورنال معتبر Computers and Structures در انتشارات الزویر در سال 2016 به چاپ رسیده است. در این مقاله یک بهینه ساز فراابتکاری جدید، به نام الگوریتم جستجوی کلاغ CSA، مبتنی بر رفتار هوشمند کلاغ ها ارائه شده است.