مقاله مربوط به NSGA-III یک الگوریتم فراابتکاری برای حل مسائل بهینه سازی Many-Objective بسیار-هدفه مبتنی بر نقاط مرجع

مقاله بسیار معروف و کارآمد در حوزه جذاب مسائل بهینه سازی Many-Objective

✳️ آموزش کامل مقاله NSGA-III و پیاده سازی در متلب

✳️ شامل دو بخش تئوری و عملی در متلب:
🔶 بخش تئوری به صورت صوتی مبتنی بر مفاهیم و توضیح مقاله بیس
🔶 بخش عملی توضیح کدنویسی در متلب به صورت فیلم

🔹 مدت زمان کل آموزش ۲ ساعت و نیم

مدرس :
✳️ @Hassan_saadatmand

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

با سلام و احترام خدمت دوستان ارجمند
لطفا سوال های خود را به صورت ویس ارسال فرمائید تا در اولین فرصت پاسخ دهم.

با سپاس از همراهی شما

🆔: @hassan_saadatmand

❇️ انگیزشی

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

‌
✅✅✅ شاخه های مختلف یادگیری ماشین Machine Learning

✳️ کانال آموزش متلب 👇👇👇
@matlabanyone

❇️ آموزش طبقه بندی سیگنال های EEG با SVM متلب(ویولت) سرع اوتیسم شامل:
🔹 آماده سازی داده و پیش پردازش
🔹 استخراج ویژگی مبتنی بر موجک
🔹 طبقه بندی با svm و طبقه بند نایو بیزین

مدت زمان کامل آموزش ویدئویی: ۲ ساعت

❇️ لینک مشاهده دمو اموزش
http://www.aparat.com/v/elf05


✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✅ آموزش الگوریتم فراابتکاری سیاه چاله Black Hole

🔸آموزش تئوری
🔹آموزش کدنویسی در متلب طبق مقاله پایه
🔸به همراه کدنویسی های ساده شده

✴️ لینک معرفی آموزش
http://www.aparat.com/v/pb4Vw

🔶 نویسنده:
Adolreza Hatamlu (2013)

#Metaheuristic
⭕️ مدرس:
@hassan_saadatmand

✳️ آموزش متلب
🆔: @matlabanyone

❇️ Hatamlou, A. (2013). Black hole: A new heuristic optimization approach for data clustering.
❇️ مقاله پایه آموزش الگوریتم بهینه سازی سیاه چاله Black hole

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✳️ آموزش کامل مقاله NSGA-III و پیاده سازی در متلب

✳️ شامل دو بخش تئوری و عملی در متلب:
🔶 بخش تئوری به صورت صوتی مبتنی بر مفاهیم و توضیح مقاله بیس
🔶 بخش عملی توضیح کدنویسی در متلب به صورت فیلم

🔶 مشاهده دموی اموزش
https://www.aparat.com/v/kUJSe

🔹 مدت زمان کل آموزش ۲ ساعت و نیم

مدرس :
✳️ @Hassan_saadatmand

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

🔶🔶بخش هشتم از آموزش های عمومی Matlab 🔶🔶

❇️ آموزش رسم نمودار دوبعدی plot
✅ آموزش رسم چند نمودار در یک شکل
🔶 آموزش برچسب زدن به یک نمودار
🔶 آموزش تغییر رنگ نمودار ها
🔶 آموزش ویرایش نمودار ها
🔶 آموزش legend گذاری نمودارها در یک شکل
🔶 آموزش تغییر فونت چهارچوب نمودار
🔶 آموزش نحوه بکارگیری subplot


🔵 لینک دانلود و مشاهده آموزش

https://m.aparat.com/v/4xn3B

🔶 مدرس :
@hassan_saadatmand

✳️ آموزش متلب
🆔 @matlabanyone

#Matlab_8

✅✅✅ برای دانلود رایگان مقاله های لاتین میتوانید از ربات زیر استفاده کنید👇👇👇
@scihubot

دو راه برای دریافت مقاله با این ربات وجود داره :
🔹۱. استفاده از doi مقاله مذکور
🔹۲. استفاده از URL مقاله
❎ البته در استفاده از روش اول احتمال دریافت بالاتره
🔴 تذکر: این ربات همه مقالات موجود رو ندارد ولی اکثر مقالات رو میتوانید براحتی دانلود کنید.

✳️ کانال اموزش متلب👇👇👇
@matlabanyone

🔶 مثالی از نحوه دریافت مقاله با استفاده از doi

با سلام و احترام خدمت همراهان گرامی
پیرو درخواست های دوستان جهت فردی مطمئن برای:
🔹 ترجمه فارسی به انگلیسی مقالات
🔹 ترجمه انگلیسی به فارسی مقالات
🔹 ویرایش متن انگلیسی
🔹 تدریس زبان

در صورت تمایل دوستان میتوانند با استاد مهدی پاشاخانی استاد زبان ارتباط بگیرند
@Mahdi_pashakhani

❇️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✳️ توضیحاتی در مورد دانلود و نصب نرم افزار متلب MATLAB

❇️ لینک دانلود نرم افزار متلب 👇

https://soft98.ir/software/engineering/3476-%D8%AF%D8%A7%D9%86%D9%84%D9%80%D9%80%D9%88%D8%AF-%D9%85%D8%AA%D9%84%D9%80%D8%A8.html

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✳️ آموزش کامل مقاله MaOPSO و پیاده سازی در متلب

❇️ نسخه بسیار هدفه many-objective الگوریتم PSO

✳️ شامل دو بخش تئوری و عملی در متلب:
🔶 بخش تئوری مبتنی بر مفاهیم و توضیح مقاله بیس
🔶 بخش عملی توضیح کدنویسی در متلب

🔹 مدت زمان کل آموزش 2 ساعت و 40

✳️ مشاهده دموی آموزش
https://m.aparat.com/v/oU5jO

مدرس :
✳️ @Hassan_saadatmand

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✳️ مقاله مرجع آموزش MaOPSO

🔶 سال انتشار ۲۰۱۶

✳️ آموزش متلب
🆔: www.tg-me.com/matlabanyone

✅ 💻 تفاوت CPU , GPU , TPU :

🔶 CPU - Central Processing Unit
سی پی یو یا واحد پردازشگر مرکزی به عنوان مغز کامپیوتر مسئول عملیات ریاضی و منطقی درون کامپیوتر است و برای حل مسائل محاسباتی بسیار کارا است. سی پی یو قادر به پردازش دهها عملیات در هر چرخه است. ابعاد داده معمولا واحد داده 1*1 است.

🔶 GPU - Graphics Processing Unit
جی پی یو یا واحد پردازشگر گرافیک به اجرای برنامه های خاصی مانند بازی ها، ویرایش عکس/ ویدئو، انیمیشن، تحقیقات علمی، نرم افزارهای تحلیلی و یادگیری عمیق می پردازد که نیاز به تصویر کشیدن نتایج گرافیکی با مقدار زیادی داده دارند. سی پی یو نیز می تواند این وظایف را انجام دهد، اما جی پی یو بسیار بهتر قادر به انجام آنهاست. زیرا جی پی یو دهها هزار عملیات را در هر چرخه انجام می دهد و ابعاد داده عموما، واحد داده 1*N است.

🔶 TPU - Tensor Processing Unit
تی پی یو یا واحد پردازش تنسور پردازشگرهایی هستند که برای وظایف یادگیری ماشین و یادگیری عمیق طراحی شده اند و به طور خاص برای استفاده از تنسور فلو توسعه یافته است تنسورفلو یک پلت فرم یادگیری ماشین منبع باز است که توسط گوگل توسعه یافته است.

🔗 @Dr_Rezapour

❇️ Semantic Segmentation using Deep Learning
❇️ اگر با تصاویر و پردازش تصویر کار کرده باشید احتمالا به قطعه‌بندی تصاویر(Image Segmentation) به عنوان یکی از مسائل این حوزه برخورد کرده باشید. در قطعه‌بندی تصاویر، به دنبال روش‌های مختلف شناسایی تکه‌های مختلف از یک تصویر هستیم. مثلا اگر یک آدم در میان چند درخت در یک فضای سبز قرار دارد، قطعه‌بندی تصاویر باید بتواند آدم، درخت‌ها و فضای‌سبز را به عنوان عناصر جداگانه‌ای درک کند. این کار کاربرد فراوانی در پردازش تصویر دارد.
جدیدترین تحقیقات علمی منجر به ارائه مقالاتی همراه با ساخت یک کتابخانه در نرم‌افزار متلب(Matlab) شده است. این روش که به قطعه‌بندی معنای (Semantics Segmentation) معروف است، می‌تواند با استفاده از شبکه‌های عصبی عمیق پیچشی CNN، قطعه‌های مختلف تصاویر را شناسایی کرده و دقت عملیات قطعه‌بندی را افزایش دهد.

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone

❇️ مقایسه چهار مسئله کاربردی در حوزه بینایی ماشین:

الف. طبقه بندی تصویر
a. Image Classification
ب. تشخیص اشیا
b. Object Detection
ج. قطعه بندی معنایی
c. Semantic Segmentation
د. قطعه بندی نمونه
d. Instance Segmentation

🔶 تمامی مسائل بالا با استفاده از یادگیری عمیق به طور خاص با CNN یا مشتقات آن قابل حل هستند.

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone

❇️ روش های ردیابی اشیا در پردازش ویدِیو
Object Tracking Methods in Video Processing

✳️ آموزش متلب
🆔 www.tg-me.com/matlabanyone