بهینه سازی توابع محک CEC2017، با استفاده از یک الگوریتم فراابتکاری تعاونی
بهینه سازی(optimization) مساله بهینه سازی را می توان به زبان ساده و قابل فهم ریاضی، اینگونه بیان نمود: فرض کنید یک تابع ریاضی مانند f(x) دارید، هدف از بهینه سازی تابع f ، پیدا کردن
خوشه بندی با استفاده از یک الگوریتم ترکیبی بنام FCM-PSO
خوشه بندی(Clustering) خوشه بندی یک روش بدون نظارت برای دسته بندی داده، اشیا و … در یادگیری ماشین است. روش های زیادی برای خوشه بندی وجود دارد. الگوریتم Kmeans یکی از رایج ترین روش ها
انتخاب ویژگی با الگوریتم ژنتیک
تعریف مساله انتخاب ویژگی مساله انتخاب ویژگی(feature selection)، یکی از مسائل مهم و کاربردی در یادگیری ماشین است که در مرحله پیش پردازش از آن استفاده می گردد. برای آموزش مدل های طبقه بندی مانند
تشخیص اعداد دست نویس فارسی با استفاده از شبکه عصبی کانولوشن(CNN) در متلب
در این پست می توانید کد متلب تشخیص اعداد دست نویس فارسی با استفاده از شبکه عصبی کانولوشن(CNN) را دانلود نمایید.
خوشه بندی چیست؟
مفهوم خوشه بندی به زبان ساده عبارت است از تقسیم مجموعه داده به تعدادی از گروه ها به گونه ای نمونه های شبیه یه هم در یک گروه قرار می گیرند و معمولا معیار اندازه
الگوریتم بهینه سازی علف های هرز مهاجم(IWO)
در این پست الگوریتم بهینه سازی علف های هرز مهاجم توضیح داده شده و کدهای متلب آن روی یک تابع محک و همچنین رو مسئله mTSP ارائه شده است که می توانید از لینک های پیوستی دانلود نمایی.