✅✅✅ آموزش بهینه سازی سیستم های فازی FIS و یا ANFIS با استفاده از الگوریتم های فراابتکاری مثل ژنتیک، PSO، خفاش، ملخ و ...
❇️ لینک مشاهده دمو اموزش
https://www.aparat.com/v/KyG1j
❎ مدرس
@hassan_saadatmand
#Fuzzy
#Metaheuristic
✳️ کانال اموزش متلب👇👇👇
@matlabanyone
❇️ لینک مشاهده دمو اموزش
https://www.aparat.com/v/KyG1j
❎ مدرس
@hassan_saadatmand
#Fuzzy
#Metaheuristic
✳️ کانال اموزش متلب👇👇👇
@matlabanyone
🔶🔶بخش هفتم از آموزش های عمومی Matlab 🔶🔶
❇️ آموزش نرمال سازی Normalization داده دل خواه در متلب
✅ آموزش ایجاد یک تابع Function و نوشتن تابع نرمال سازی
🔵 لینک دانلود و مشاهده آموزش
http://www.aparat.com/v/zZbI9
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
#Matlab_7
❇️ آموزش نرمال سازی Normalization داده دل خواه در متلب
✅ آموزش ایجاد یک تابع Function و نوشتن تابع نرمال سازی
🔵 لینک دانلود و مشاهده آموزش
http://www.aparat.com/v/zZbI9
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
#Matlab_7
آپارات - سرویس اشتراک ویدیو
آموزش نرمال سازی Normalization داده ها در متلب رایگان
آموزش نرمال سازی Normalization داده ها در متلب رایگان
راه ارتباطی با مدرس 09155137038 در تلگرام واتس آپ سروش
کانال تلگرام www.tg-me.com/matlabanyone
راه ارتباطی با مدرس 09155137038 در تلگرام واتس آپ سروش
کانال تلگرام www.tg-me.com/matlabanyone
✅✅✅ پک اموزشی کدنویسی خوشه بندی در متلب شامل:
1. الگوریتم Kmeans
2. الگوریتم DBSCAN
3. الگوریتم Hierarchical
4. الگوریتم FCM
✅ آموزش متلب
@matlabanyone
1. الگوریتم Kmeans
2. الگوریتم DBSCAN
3. الگوریتم Hierarchical
4. الگوریتم FCM
✅ آموزش متلب
@matlabanyone
در مسأله n وزیر، برای n = ۸ (صفحه شطرنج با ۸ وزیر) جمعا ۴,۴۲۶,۱۶۵,۳۶۸ حالت ممکن برای قرارگیری وزیران داریم که از میانشان فقط ۹۲ تا صحیحند؛ یعنی حالتی که هیچ وزیری زیر ضرب دیگری نباشد. از اینها تنها ۱۲ عدد منحصر به فردند و دیگر پاسخها از تقارن و دوران جوابهای اصلی حاصل میشوند.
🔗 مقاله پیشنهادی برای مطالعات تکمیلی:
حل مساله n وزیر با الگوریتم پس گرد (Backtracking) — به زبان ساده
#ریاضیات
@elmyab — علمیاب
✳️ آموزش متلب
🆔 @matlabanyone
در مسأله n وزیر، برای n = ۸ (صفحه شطرنج با ۸ وزیر) جمعا ۴,۴۲۶,۱۶۵,۳۶۸ حالت ممکن برای قرارگیری وزیران داریم که از میانشان فقط ۹۲ تا صحیحند؛ یعنی حالتی که هیچ وزیری زیر ضرب دیگری نباشد. از اینها تنها ۱۲ عدد منحصر به فردند و دیگر پاسخها از تقارن و دوران جوابهای اصلی حاصل میشوند.
🔗 مقاله پیشنهادی برای مطالعات تکمیلی:
حل مساله n وزیر با الگوریتم پس گرد (Backtracking) — به زبان ساده
#ریاضیات
@elmyab — علمیاب
✳️ آموزش متلب
🆔 @matlabanyone
✳️✳️ دمو آموزش الگوریتم طبقه بندی درخت تصمیم Decision Tree
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/8iOVw
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/8iOVw
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
✳️✳️ آموزش الگوریتم طبقه بندی نزدیک ترین همسایه KNN
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/qgEnN
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/qgEnN
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
✳️✳️ آموزش الگوریتم طبقه بندی جنگل تصادفی Random Forest
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/EpQiU
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
🔵 لینک مشاهده دمو آموزش
http://www.aparat.com/v/EpQiU
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
✳️✳️ آموزش الگوریتم طبقه بندی بیزین ساده Naive Bayes
🔵 لینک مشاهده دمو اموزش
http://www.aparat.com/v/sLIzE
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
🔵 لینک مشاهده دمو اموزش
http://www.aparat.com/v/sLIzE
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
✳️✳️ آموزش رایگان اضافه کردن قید به تابع هزینه برای مسائل بهینه سازی با الگوریتم های فراابتکاری در متلب MATLAB
🔵 لینک مشاهده و دانلود اموزش
https://www.aparat.com/v/G1RJV
🔴 لطفا برای دوستانتون هم ارسال فرمایید
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
🔵 لینک مشاهده و دانلود اموزش
https://www.aparat.com/v/G1RJV
🔴 لطفا برای دوستانتون هم ارسال فرمایید
🔶 مدرس :
@hassan_saadatmand
✳️ آموزش متلب
🆔 @matlabanyone
❇️❇️❇️ بهترین ابزار تبدیل کد های متلب به پایتون ، بسیار دقیق 💎
https://stackoverflow.com/questions/9845292/a-tool-to-convert-matlab-code-to-python
Best tool to convert matlab codes to python ,
✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone
https://stackoverflow.com/questions/9845292/a-tool-to-convert-matlab-code-to-python
Best tool to convert matlab codes to python ,
✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone
Stack Overflow
A tool to convert MATLAB code to Python
I have a bunch of MATLAB code from my MS thesis which I now want to convert to Python (using numpy/scipy and matplotlib) and distribute as open-source. I know the similarity between MATLAB and Python
Forwarded from MATLAB Learning
✅ آموزش یادگیری عمیق در متلب(MATLAB): شامل موارد زیر
✴️ آموزش مباحث تئوری
✴️ بررسی سخت افزار و نرم افزار مورد نیاز
✴️ آموزش اضافه کردن جعبه ابزار مورد نیاز با متلب
✴️ بررسی انواع معماری های CNN
(Alexnet, Googlenet, Inceptionv3, Resnet18 50 , ...)
✴️ نحوه ایجاد یک معماری ساده CNN و نحوه اموزش ان روی تصاویر دلخواه
✴️ استفاده از معماری های متفاوت برای طبقه بندی تصاویر رنگی و خاکستری
✴️ نحوه خواندن و اماده سازی تصاویر از طریق فولدر
....
⭕️ مدت زمان اموزش ۴ ساعت و نیم
🔵 مدرس:
@hassan_saadatmand
✳️ آموزش متلب
🆔: @matlabanyone
✴️ آموزش مباحث تئوری
✴️ بررسی سخت افزار و نرم افزار مورد نیاز
✴️ آموزش اضافه کردن جعبه ابزار مورد نیاز با متلب
✴️ بررسی انواع معماری های CNN
(Alexnet, Googlenet, Inceptionv3, Resnet18 50 , ...)
✴️ نحوه ایجاد یک معماری ساده CNN و نحوه اموزش ان روی تصاویر دلخواه
✴️ استفاده از معماری های متفاوت برای طبقه بندی تصاویر رنگی و خاکستری
✴️ نحوه خواندن و اماده سازی تصاویر از طریق فولدر
....
⭕️ مدت زمان اموزش ۴ ساعت و نیم
🔵 مدرس:
@hassan_saadatmand
✳️ آموزش متلب
🆔: @matlabanyone
Forwarded from MATLAB Learning
✅ دمو آموزش یادگیری عمیق Deep Learning در متلب(MATLAB)
✴️ لینک مشاهده دمو آموزش
http://www.aparat.com/v/lzC2T
🔶 مدرس:
@hassan_saadatmand
✳️ آموزش متلب
🆔: @matlabanyone
✴️ لینک مشاهده دمو آموزش
http://www.aparat.com/v/lzC2T
🔶 مدرس:
@hassan_saadatmand
✳️ آموزش متلب
🆔: @matlabanyone
Forwarded from Deleted Account
با سلام و احترام،
بدینوسیله به اطلاع میرساند که به خواست خداوند منان، امیدواریم در تاریخ ۱۴ الی ۱۶ اسفند ماه ۱۳۹۸ شاهد برگزاری کنگره مشترک هوش محاسباتی (CCI2020) توسط قطب علمی رایانش نرم و پردازش هوشمند اطلاعات در دانشگاه فردوسی مشهد و با حمایت انجمنهای علمی کشوری (۱) انجمن سیستمهای فازی ایران و (۲) انجمن سیستمهای هوشمند ایران باشیم. این کنگره شامل سه کنفرانس است که هریک دارای سابقه درخشانی می باشند. به نام مبارک امام هشتم شیعیان، امام مهربانیها، روز آغازین این کنگره مصادف با روز احسان و نیکوکاری نیز میباشد. لذا خدمت به جامعه انسانی و پاسخگویی به مشکلات اساسی کشور از طریق به کارگیری مفاهیم و ابزارهای گسترده سیستمهای هوشمند موضوع اصلی این کنگره ملی تعریف شده است.
از کلیه اساتید فرهیخته، دانشجویان گرامی، متخصصین و علاقهمندان جهت شرکت در کنگره، ارائه مقاله و استفاده از کارگاههای آموزشی دعوت به عمل میآید. همچنین خواهشمند است نسبت به اطلاع رسانی این کنگره به سایر محققین مساعدت فرمائید.
آدرس وب سایت: http://cci.um.ac.ir
آدرس لینک کانال اطلاع رسانی تلگرام کنگره: www.tg-me.com/cci2020
بدینوسیله به اطلاع میرساند که به خواست خداوند منان، امیدواریم در تاریخ ۱۴ الی ۱۶ اسفند ماه ۱۳۹۸ شاهد برگزاری کنگره مشترک هوش محاسباتی (CCI2020) توسط قطب علمی رایانش نرم و پردازش هوشمند اطلاعات در دانشگاه فردوسی مشهد و با حمایت انجمنهای علمی کشوری (۱) انجمن سیستمهای فازی ایران و (۲) انجمن سیستمهای هوشمند ایران باشیم. این کنگره شامل سه کنفرانس است که هریک دارای سابقه درخشانی می باشند. به نام مبارک امام هشتم شیعیان، امام مهربانیها، روز آغازین این کنگره مصادف با روز احسان و نیکوکاری نیز میباشد. لذا خدمت به جامعه انسانی و پاسخگویی به مشکلات اساسی کشور از طریق به کارگیری مفاهیم و ابزارهای گسترده سیستمهای هوشمند موضوع اصلی این کنگره ملی تعریف شده است.
از کلیه اساتید فرهیخته، دانشجویان گرامی، متخصصین و علاقهمندان جهت شرکت در کنگره، ارائه مقاله و استفاده از کارگاههای آموزشی دعوت به عمل میآید. همچنین خواهشمند است نسبت به اطلاع رسانی این کنگره به سایر محققین مساعدت فرمائید.
آدرس وب سایت: http://cci.um.ac.ir
آدرس لینک کانال اطلاع رسانی تلگرام کنگره: www.tg-me.com/cci2020
❇️ مثال شمارۀ 1:
برنامه ای بنویسید که یک تابع را از کاربر بگیرد
و مشتق و انتگرال آن را نمایش دهد.
🆔 @matlabenyone
برنامه ای بنویسید که یک تابع را از کاربر بگیرد
و مشتق و انتگرال آن را نمایش دهد.
🆔 @matlabenyone
❇️ مثال شماره ۲:
تابعی بنویسید که عدد n را به عنوان ورودی گرفته، اعداد زوج بین یک تا n را به ماتریسی به نام x انتقال داده و x را به عنوان خروجی تابع، ارائه دهد.
همچنین توابع زیر را با رنگ های متفاوت در یک صفحه رسم کرده و نمودارها را نام گذاری کند:
x=sin(x) , x=x^2 , x=x
🆔: @Matlabanyone
تابعی بنویسید که عدد n را به عنوان ورودی گرفته، اعداد زوج بین یک تا n را به ماتریسی به نام x انتقال داده و x را به عنوان خروجی تابع، ارائه دهد.
همچنین توابع زیر را با رنگ های متفاوت در یک صفحه رسم کرده و نمودارها را نام گذاری کند:
x=sin(x) , x=x^2 , x=x
🆔: @Matlabanyone
Forwarded from Applycafe
«میلتون» ، با وجود اینکه نابینا بود ، می نوشت
«بتهوون» ، در حالی که ناشنوا بود آهنگ می ساخت
«هلن کلر» ، در حالی که نابینا و ناشنوا بود سخنرانی می کرد!
«رنوار» ، در حالی که دست هایش دچار عارضه رماتیسمی بود ، نقاشی می کرد
+مجسمه ساز مکزیکی بعد از قطع دست راستش ، ساخت مجسمه ای را که آغاز کرده بود با دست چپ به پایان رساند!
آدم ها ثابت کرده اند علیرغم نابینایی ، ناشنوایی ، معلولیت ، پیری ، فقر ، کم سنی ، مشقت یا بی سوادی بر سختی ها غلبه می کنند ، از همه پیشی می گیرند ، کار را به اتمام می رسانند و موفق می شوند .
شما هم شک نکنید می توانید علیرغم سختی ها و مشکلات خود را به هدف برسانید.
«بتهوون» ، در حالی که ناشنوا بود آهنگ می ساخت
«هلن کلر» ، در حالی که نابینا و ناشنوا بود سخنرانی می کرد!
«رنوار» ، در حالی که دست هایش دچار عارضه رماتیسمی بود ، نقاشی می کرد
+مجسمه ساز مکزیکی بعد از قطع دست راستش ، ساخت مجسمه ای را که آغاز کرده بود با دست چپ به پایان رساند!
آدم ها ثابت کرده اند علیرغم نابینایی ، ناشنوایی ، معلولیت ، پیری ، فقر ، کم سنی ، مشقت یا بی سوادی بر سختی ها غلبه می کنند ، از همه پیشی می گیرند ، کار را به اتمام می رسانند و موفق می شوند .
شما هم شک نکنید می توانید علیرغم سختی ها و مشکلات خود را به هدف برسانید.
❇️ دستورات مهم در متلب
ایجاد ماتریس:
A=[1,2,3 ; 4,5,6];
A=[1:10]
A=[1:2:10]
A=[10:-1:1]
A=zeros(2,3);
ایجاد ماتریس ۲ در۳ با مقادیر صفر
A=ones(4,6);
یجاد ماتریس ۴ در۶ با مقادیر یک
T=A’
ترانهاده ماتریس A:
دستیابی به یک یا چند مقدار از یک ماتریس:
A(2,3);
عنصر سطر۲ ستون ۳
A(:,2);
عناصر ستون ۲
A(1,:);
عناصر سطر ۱
A(3:6, 2:4);
ستونهای ۲ تا ۴ از سطرهای۳ تا ۶
دستیابی به ستون آخر یک ماتریس:
A(:,end)
مجموع ستونهای یک ماتریس دو بعدی (و یا مجموع مقادیر یک ماتریس یک بعدی):
sum(A’)’;
مجموع سطرهای یک ماتریس دو بعدی
بدست آوردن مقادیر روی قطر اصلی A:
diag(A)
ایجاد ماتریس جادویی n×n: (ماتریس جادویی ماتریسی است که مجموع تمام سطرها و ستونها و قطرهای آن برابر است)
magic(n)
می خواهیم جای ستونهای دوم و سوم در ماتریس B را جابه جا کرده و نتیجه را در A ذخیره نماییم:
A=B(: , [1,3,2,4])
توابع مقدماتی پرکاربرد:
abs(A);
exp(A);
sin(A);
sqrt(A);
factorial(n);
<li>log2(A)
لگاریتم در مبنای ۲
<li>log10(A)
لگاریتم در مبنای ۱۰
برای مشاهده لیست توابع مقدماتی عبارت help elfun را تایپ کنید.
عملگرهای محاسباتی:
A=B+C جمع ماتریسی
A=B-C تفریق ماتریسی
A=B*C ضرب ماتریسی
A=B .* C ضرب عناصر متناظر در یکدیگرA=B ./ C تقسیم عناصر متناظر بر یکدیگرA=B .^ C به توان رساندن هر عنصر به عنصر متناظرش
اگر B یک ماتریس n×m باشد و C یک عدد اسکالر (یک ماتریس ۱×۱) باشد آنگاه عملگرهای فوق مقدار موجود در C را در تک تک مقادیر B اِعمال میکنند.
بنابراین عبارت A=B+1 تک تک مقادیر B را با ۱ جمع کرده و در A ذخیره میکند. عبارت A=B.^2 نیز تک تک مقادیر B را به توان ۲ رسانده و نتیجه را در A ذخیره میکند.
روش بدست آوردن باقیمانده تقسیم:
A=mod(B,C)
ایجاد یک ماتریس ۳×۴ از اعداد تصادفی که دارای توزیع یکنواخت بین ۰ تا ۱ میباشند:
A=rand(3,4)
ایجاد یک ماتریس ۳×۴ از اعداد تصادفی بین a تاb
A=floor((b-a+1)*rand(3,4)+a)
ایجاد یک ماتریس ۱×n که اعداد صحیح ۱ تا n به ترتیب تصادفی در آن قرار گرفتهاند:
A=randperm(n)
ایجاد ماتریس با n×m که در هر سطر عناصر ۱ تا m به طور تصادفی قرار داده شده اند
for i=1:n</pre>
A(i,:)=randperm(m);
end
روند کردن اعداد:
</pre>
<ul>
<li>A=fix(B) گرد کردن به سمت صفر</li>
<li>A=round(B) گرد کردن به سمت نزدیک ترین عدد صحیح(براساس رقم اعشار)</li>
<li>A=ceil(B) گرد کردن به سمت مثبت بینهایت</li>
<li>A=floor(B) گرد کردن به سمت منفی بینهایت</li>
</ul>
<pre>
مرتب کردن هر یک از ستونهای ماتریس B بطور جداگانه:
A=sort(B)
مرتب کردن سطرهای ماتریس B ابتدا بر اساس ستون اول سپس ستون دوم و الی آخر:
A=sortrows(B)
مرتب کردن سطرهای ماتریس B فقط بر اساس ستون سوم:
A=sortrows(B,3)
حذف ستون دوم ماتریس A:
A(: , 2) = []
میانگین هر یک از ستونهای ماتریس B:
A=mean(B)
میانه هر یک از ستونهای ماتریس B:
A=median(B)
انحراف از معیار هر یک از ستونهای ماتریس B:
A=std(B)
مینیمم هر یک از ستونهای ماتریس B:
A=min(B)
ماکسیمم هر یک از ستونهای ماتریس B:
A=max(B)
یافتن اندیس عددهای غیر صفر در ماتریس B:
A=find(B)
یافتن اندیس سطر و ستون خانه مساوی ۲ ماتریس B:
[i,j]=find(B==2)
یافتن اندیس سطر و ستون خانه مساوی ۲ در سطر سوم از ماتریس B:
[i,j]=find(B(3,:)==2)
یافتن اندیس عددهای بین ۱ تا ۵ در ماتریس B:
A=find(A>1 & A<5)
جمع تجمعی عناصر ماتریس B:
A=cumsum(B)
حاصل ضرب عناصر ماتریس B:
A=prod(B)
تولید n عدد در فواصل مساوی که از a شروع و به b ختم میشود:
A=linspace(a,b,n)
ترسیم دو بعدی y برحسب x:
plot(x,y)
ترسیم سه بعدی:
plot3(x,y,z)
دستور زیر مقادیری از B که از ۶ بزرگتر است را در A ذخیره میکند:
A=B(B>6)
شیفت دادن چرخشی: دستور زیر ماتریس B را یک واحد در جهت عمودی (از بالا به پایین) و دو واحد در جهت افقی (از راست به چپ) شیفت چرخشی میدهد.
A=circshift(B, [1, -2])
دستور زیر ابعاد یک ماتریس را برمیگرداند:
size(A)
دستور زیر طول یک بردار را برمیگرداند: (اگر A دارای بیش از یک بعد باشد، طول طولانیترین بعد برگردانده میشود)
length(A)
با دستور زیر میتوان تابع f را در محیط editor مشاهده کرد و در صورت دلخواه آن را تغییر داد. با این دستور حتی میتوان توابع خود MATLAB را نیز ویرایش نمود.
edit f
دستور زیر ماتریس B را بصورت تنک (خلوت) در A ذیره میکند. اگر تعداد زیادی از مقادیر یک ماتریس برابر با صفر باشد با این روش میتوان در تخصیص حافظه صرفه جویی کرد.
A = sparse(B)
دستور زیر ماتریس B را از حالت تنک به حالت کامل تبدیل کرده و در A ذخیره میکند.
A = full(B)
توابع مخصوص رشته ها:
strcat متصل کردن دو رشته
strcmp مقایسه دو رشته
strcmpi مقایسه
🆔: @Matlabanyone
ایجاد ماتریس:
A=[1,2,3 ; 4,5,6];
A=[1:10]
A=[1:2:10]
A=[10:-1:1]
A=zeros(2,3);
ایجاد ماتریس ۲ در۳ با مقادیر صفر
A=ones(4,6);
یجاد ماتریس ۴ در۶ با مقادیر یک
T=A’
ترانهاده ماتریس A:
دستیابی به یک یا چند مقدار از یک ماتریس:
A(2,3);
عنصر سطر۲ ستون ۳
A(:,2);
عناصر ستون ۲
A(1,:);
عناصر سطر ۱
A(3:6, 2:4);
ستونهای ۲ تا ۴ از سطرهای۳ تا ۶
دستیابی به ستون آخر یک ماتریس:
A(:,end)
مجموع ستونهای یک ماتریس دو بعدی (و یا مجموع مقادیر یک ماتریس یک بعدی):
sum(A’)’;
مجموع سطرهای یک ماتریس دو بعدی
بدست آوردن مقادیر روی قطر اصلی A:
diag(A)
ایجاد ماتریس جادویی n×n: (ماتریس جادویی ماتریسی است که مجموع تمام سطرها و ستونها و قطرهای آن برابر است)
magic(n)
می خواهیم جای ستونهای دوم و سوم در ماتریس B را جابه جا کرده و نتیجه را در A ذخیره نماییم:
A=B(: , [1,3,2,4])
توابع مقدماتی پرکاربرد:
abs(A);
exp(A);
sin(A);
sqrt(A);
factorial(n);
<li>log2(A)
لگاریتم در مبنای ۲
<li>log10(A)
لگاریتم در مبنای ۱۰
برای مشاهده لیست توابع مقدماتی عبارت help elfun را تایپ کنید.
عملگرهای محاسباتی:
A=B+C جمع ماتریسی
A=B-C تفریق ماتریسی
A=B*C ضرب ماتریسی
A=B .* C ضرب عناصر متناظر در یکدیگرA=B ./ C تقسیم عناصر متناظر بر یکدیگرA=B .^ C به توان رساندن هر عنصر به عنصر متناظرش
اگر B یک ماتریس n×m باشد و C یک عدد اسکالر (یک ماتریس ۱×۱) باشد آنگاه عملگرهای فوق مقدار موجود در C را در تک تک مقادیر B اِعمال میکنند.
بنابراین عبارت A=B+1 تک تک مقادیر B را با ۱ جمع کرده و در A ذخیره میکند. عبارت A=B.^2 نیز تک تک مقادیر B را به توان ۲ رسانده و نتیجه را در A ذخیره میکند.
روش بدست آوردن باقیمانده تقسیم:
A=mod(B,C)
ایجاد یک ماتریس ۳×۴ از اعداد تصادفی که دارای توزیع یکنواخت بین ۰ تا ۱ میباشند:
A=rand(3,4)
ایجاد یک ماتریس ۳×۴ از اعداد تصادفی بین a تاb
A=floor((b-a+1)*rand(3,4)+a)
ایجاد یک ماتریس ۱×n که اعداد صحیح ۱ تا n به ترتیب تصادفی در آن قرار گرفتهاند:
A=randperm(n)
ایجاد ماتریس با n×m که در هر سطر عناصر ۱ تا m به طور تصادفی قرار داده شده اند
for i=1:n</pre>
A(i,:)=randperm(m);
end
روند کردن اعداد:
</pre>
<ul>
<li>A=fix(B) گرد کردن به سمت صفر</li>
<li>A=round(B) گرد کردن به سمت نزدیک ترین عدد صحیح(براساس رقم اعشار)</li>
<li>A=ceil(B) گرد کردن به سمت مثبت بینهایت</li>
<li>A=floor(B) گرد کردن به سمت منفی بینهایت</li>
</ul>
<pre>
مرتب کردن هر یک از ستونهای ماتریس B بطور جداگانه:
A=sort(B)
مرتب کردن سطرهای ماتریس B ابتدا بر اساس ستون اول سپس ستون دوم و الی آخر:
A=sortrows(B)
مرتب کردن سطرهای ماتریس B فقط بر اساس ستون سوم:
A=sortrows(B,3)
حذف ستون دوم ماتریس A:
A(: , 2) = []
میانگین هر یک از ستونهای ماتریس B:
A=mean(B)
میانه هر یک از ستونهای ماتریس B:
A=median(B)
انحراف از معیار هر یک از ستونهای ماتریس B:
A=std(B)
مینیمم هر یک از ستونهای ماتریس B:
A=min(B)
ماکسیمم هر یک از ستونهای ماتریس B:
A=max(B)
یافتن اندیس عددهای غیر صفر در ماتریس B:
A=find(B)
یافتن اندیس سطر و ستون خانه مساوی ۲ ماتریس B:
[i,j]=find(B==2)
یافتن اندیس سطر و ستون خانه مساوی ۲ در سطر سوم از ماتریس B:
[i,j]=find(B(3,:)==2)
یافتن اندیس عددهای بین ۱ تا ۵ در ماتریس B:
A=find(A>1 & A<5)
جمع تجمعی عناصر ماتریس B:
A=cumsum(B)
حاصل ضرب عناصر ماتریس B:
A=prod(B)
تولید n عدد در فواصل مساوی که از a شروع و به b ختم میشود:
A=linspace(a,b,n)
ترسیم دو بعدی y برحسب x:
plot(x,y)
ترسیم سه بعدی:
plot3(x,y,z)
دستور زیر مقادیری از B که از ۶ بزرگتر است را در A ذخیره میکند:
A=B(B>6)
شیفت دادن چرخشی: دستور زیر ماتریس B را یک واحد در جهت عمودی (از بالا به پایین) و دو واحد در جهت افقی (از راست به چپ) شیفت چرخشی میدهد.
A=circshift(B, [1, -2])
دستور زیر ابعاد یک ماتریس را برمیگرداند:
size(A)
دستور زیر طول یک بردار را برمیگرداند: (اگر A دارای بیش از یک بعد باشد، طول طولانیترین بعد برگردانده میشود)
length(A)
با دستور زیر میتوان تابع f را در محیط editor مشاهده کرد و در صورت دلخواه آن را تغییر داد. با این دستور حتی میتوان توابع خود MATLAB را نیز ویرایش نمود.
edit f
دستور زیر ماتریس B را بصورت تنک (خلوت) در A ذیره میکند. اگر تعداد زیادی از مقادیر یک ماتریس برابر با صفر باشد با این روش میتوان در تخصیص حافظه صرفه جویی کرد.
A = sparse(B)
دستور زیر ماتریس B را از حالت تنک به حالت کامل تبدیل کرده و در A ذخیره میکند.
A = full(B)
توابع مخصوص رشته ها:
strcat متصل کردن دو رشته
strcmp مقایسه دو رشته
strcmpi مقایسه
🆔: @Matlabanyone
❇️ معرفی آموزش تشخیص جوامع Community Detection با استفاده از الگوریتم PSO در متلب
✳️ لینک مشاهده دمو آموزش
✳️ http://www.aparat.com/v/zifoR
🔹 مدرس
🚹 @hassan_saadatmand
🔶 آموزش متلب
🆔: www.tg-me.com/matlabanyone
✳️ لینک مشاهده دمو آموزش
✳️ http://www.aparat.com/v/zifoR
🔹 مدرس
🚹 @hassan_saadatmand
🔶 آموزش متلب
🆔: www.tg-me.com/matlabanyone
[email protected]
2.5 KB
❇️ کد متلب الگوریتم ژنتیک GA
❇️ Genetic Algorithm
🆔 سال انتشار 1970
#GA
#Metaheuristic
✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone
❇️ Genetic Algorithm
🆔 سال انتشار 1970
#GA
#Metaheuristic
✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone