آپلود ویدئو | ورود | ثبت نام


فرادرس-

"ترکیب اطلاعات درس دهم: شبکه‏های عصبی مصنوعی "


Embed گزارش تخلف

مشاهده 1136

دریافت ویدئو: حجم کم کیفیت بالا
توسط فرادرس در 23 Apr 2017
توضیحات:


برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvsft9505

نظریه ترکیب اطلاعات به مقوله استفاده از منابع اطلاعاتی متعدد به منظور اتخاذ تصمیمات بهینه می پردازد. منظور از ترکیب داده / اطلاعات، ادغام توأمان اطلاعات دریافتی از منابع مختلف برای دستیابی به درک بهتر محیط مساله و در نتیجه، اتخاذ تصمیمات دقیق تر است. علت این امر آن است که در اکثر موارد، داده های دریافتی از منابع مختلف پیرامون یک موضوع واحد، ممکن است ناقص، مبهم و حتی متناقض باشند. بر این اساس، ترکیب اطلاعات می تواند به عنوان ابزاری قدرتمند در خدمت داده کاوی (Data Mining) و اکتشاف معرفت (Knowledge Discovery) به کار گرفته شود. در حال حاضر، روش های ترکیب اطلاعات در گستره وسیعی از کاربردهای متعدد از جمله در جستجوی اطلاعات در وب، پردازش داده های زیستی، سنجش از راه دور (Remote Sensing)، سامانه های حمل و نقل هوشمند (Intelligent Transportation Systems) و نیز پیش بینی وقوع بلایای طبیعی، مورد استفاده واقع می شود.

طی این آموزش، علاوه بر بیان مدلهای مختلف ترکیب اطلاعات، به معرفی انواع روشهای محاسباتی مطرح در زمینه ترکیب اطلاعات پرداخته خواهد شد. همچنین نمونه های مختلفی از کاربردهای روشهای ترکیب اطلاعات در حل مسائل مختلف نیز مورد بحث و بررسی قرار خواهد گرفت. علاوه بر آن، معرفی مختصری از برخی از نرم افزارهای قابل استفاده در حوزه ترکیب اطلاعات نیز به عمل خواهد آمد.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: کلیات و مفاهیم پایه نظریه ترکیب اطلاعات
تعاریف، ضرورت ها و مزایا، گستره کاربرد
درس دوم: معماری و مدل های ترکیب اطلاعات
بررسی سطوح مختلف فرآیند ترکیب
ترکیب داده ها (Data Fusion)
ترکیب اطلاعات (Information Fusion)
ترکیب تصمیمات (Decision Fusion)
درس سوم: معماری های مختلف سامانه های مبتنی بر ترکیب اطلاعات
بررسی معماری های سه سطحی، متمرکز و توزیع شده در فرآیند ترکیب اطلاعات
درس چهارم: بررسی انواع مدل های ترکیب اطلاعات
مدل مرجع JDL (Joint Directors of Laboratories)‎
مدل آبشاری اصلاح شده (Modified Waterfall Fusion Model)
مدل TRIP
مدل Omnibus
مدل عملیاتی Dasarathy
مدل های مبتنی بر فعالیت (OODA Loop)
مدل مبتنی بر نقش (شیءگرا)
مدل مبتنی بر آگاهی از موقعیت (Situational Awareness)
درس پنجم: عملگر پایه میانگین گیری مرتب وزن دار (Ordered Weighted Averaging – OWA)
درس ششم: گونه های گسترش یافته عملگر میانگین گیری مرتب وزن دار
عملگرهای میانگین گیری مرتب وزن دار نمایی (Exponential)
روش های خوش بینانه (Optimistic) و بدبینانه (Pessimistic)
روش IOWA (Induced OWA)‎
روش UOWA (Uncertain OWA)‎
روش HOWA (Heavy OWA)‎
روش GOWA (Generalized OWA)‎
روش WOWA (Weighted OWA)‎
روش Dependent OWA
درس هفتم: روش های استنتاج کلاسیک (Classical Inference)
روش مبتنی بر شاخص نسبت احتمال (Likelihood Ratio)
روش Neyman-Pearson برای آزمون فرضیه ها
روش بیزین (Bayesian)
درس هشتم: نظریه دمپستر – شیفر (Dempster-Shafer Theory)
روش های هوشمند
درس نهم: عملگرهای انتگرال فازی (Fuzzy Integral Operators)
انتگرال Sugeno
انتگرال Choquet
درس دهم: شبکه های عصبی مصنوعی (Artificial Neural Networks)
درس یازدهم: سامانه های چند رده بندی کننده (Multi-Classifier Systems)
بیان مفهوم، ضرورت، مزایا و تاریخچه بحث
انواع عوامل تأثیر گذار در خروجی سامانه های چند رده بندی کننده
معرفی روش های پایه
میانگین گیری وزن دار (Weighted Average)
چارچوب تصمیم گیری (Decision Template)
ترکیب کننده میانگین تعمیم یافته (Generalized Mean Combiner)
روش های ترکیب رده بندی کننده های با خروجی به صورت اولویت رده های مختلف (Class Ranking)
روش های ترکیب رده بندی کننده های با خروجی به صورت برچسب رده برتر (Class Label)
مفهوم تنوع (Diversity) و روش های محاسبه آن
انواع روش های مختلف پیاده سازی سامانه های چند رده بندی کننده
روش Bagging
روش Boosting (AdaBoost)‎
روش Random Feature Space
معرفی برخی نمونه های کاربرد سامانه های چند رده بندی کننده در حل مسائل مختلف
درس دوازدهم: معرفی برخی از نمونه های کاربرد نظریه ترکیب اطلاعات
طراحی سامانه های جستجوی اطلاعات در وب
جویشگرهای وب (Web Search Engines)
فرا جویشگرهای وب (Web Meta-Search Engines)
پیش بینی وقوع بلایای طبیعی نظیر سیل و زلزله
ارزیابی کیفیت محصولات کشاورزی
سامانه های حمل و نقل هوشمند (Intelligent Transportation Systems)
درس سیزدهم: معرفی نمونه های کاربرد روش های ترکیب اطلاعات در حل مسائل مختلف
درس چهاردهم: معرفی برخی از نرم افزارهای ترکیب اطلاعات

مدرس: دکتر امیر حسین کیهانی پور

لغات کلیدی:

آموزش, ترکیب, اطلاعات, (Information, Fusion)


نظرات برای این ویدئو توسط کاربر غیر فعال شده است.

درباره ما | تماس با ما | قوانین تخته سفید