آموزش محاسبات تکاملی و کاربردهای آن - آخرین آپدیت

دانلود Evolutionary Computation and its Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مبانی بهینه‌سازی را معرفی کرده و نشان می‌دهد که چگونه می‌توان از هوش مصنوعی برای حل مسائل بهینه‌سازی در دنیای واقعی علوم و مهندسی استفاده کرد. در این دوره با محاسبات تکاملی، یکی از شاخه‌های هوش مصنوعی برای بهینه‌سازی، آشنا خواهید شد. شما دو تکنیک بهینه‌سازی گسترده مبتنی بر هوش مصنوعی را بررسی خواهید کرد: الگوریتم‌های ژنتیک (Genetic Algorithms) و بهینه‌سازی تجمع ذرات (Particle Swarm Optimization). در طول مسیر، یاد می‌گیرید که این روش‌ها چگونه عمل می‌کنند، چه زمانی باید از آن‌ها استفاده کرد و چگونه آن‌ها را در تولباکس‌های متلب (MATLAB) برای حل مسائل طراحی و تصمیم‌گیری پیاده‌سازی کنید. این دوره مفاهیم اصلی را با مطالعات موردی عملی در علوم و مهندسی ترکیب می‌کند تا به شما در انتقال از تئوری به کاربرد کمک کند. در پایان دوره، قادر خواهید بود مسائل بهینه‌سازی را تعریف کرده و از روش‌های هوش مصنوعی برای دستیابی به راهکار در محیط‌های واقعی استفاده کنید. با همکاری شرکت MathWorks، دانشجویان ثبت‌نام شده در طول دوره به نرم‌افزار MATLAB دسترسی خواهند داشت.

سرفصل ها و درس ها

مفاهیم بنیادی در بهینه‌سازی Fundamental Concepts in Optimization

  • خوش‌آمدگویی به تخصص هوش مصنوعی کاربردی برای مهندسان و دانشمندان: مبانی Welcome to the specialization - Applied AI for Engineers and Scientists: Foundations

  • مقدمه‌ای بر مطالعه ماژول ۴ Introduction to Module 4's Study

  • مقدمه‌ای بر بهینه‌سازی: مفاهیم و کاربردها Introduction to Optimization: Concepts and Applications

  • مقدمه‌ای بر بهینه‌سازی: کاربردهای تکمیلی Introduction to Optimization: Further Applications

  • اهداف و محدودیت‌های بهینه‌سازی: اهداف و قیود Optimization Objectives and Constraints: Objectives and Constraints

  • اهداف و محدودیت‌های بهینه‌سازی: اهداف چندگانه Optimization Objectives and Constraints: Multiple Objectives

  • بهینه‌سازی سراسری و محلی: مفاهیم Global and Local Optimization: Concepts

  • تبدیل مسائل مهندسی به مسائل بهینه‌سازی: رویه‌ها و مطالعه موردی Formulate Engineering Problems to Optimization Problems: Procedures and A Case Study

  • مطالعات موردی (۱) Case Studies (1)

  • مطالعات موردی (۲) Case Studies (2)

  • مطالعات موردی (۳) Case Studies (3)

  • مطالعات موردی (۴) Case Studies (4)

الگوریتم ژنتیک Genetic Algorithm

  • مقدمه‌ای بر مطالعه ماژول ۵ Introduction to Module 5's Study

  • الگوریتم ژنتیک: آشنایی اولیه Genetic Algorithm: A First Introduction

  • الگوریتم ژنتیک: دمو Genetic Algorithm: A Demo

  • الگوریتم‌های ژنتیک: نمایش، مقداردهی اولیه و انتخاب در GA Genetic Algorithms: GA Representation, Initialization and Selection

  • الگوریتم‌های ژنتیک: crossover و جهش در GA Genetic Algorithms: GA Crossover and Mutation

  • الگوریتم‌های ژنتیک: معیار توقف و جمع‌بندی GA Genetic Algorithms: GA Stopping Criterion and Summary

  • استفاده از GA در متلب: تابع GA Use GA via MATLAB: GA Function

  • استفاده از GA در متلب: به‌کارگیری تابع Use GA via MATLAB: Employ the Function

  • استفاده از GA در متلب: مطالعات موردی Use GA via MATLAB: Case Studies

بهینه‌سازی تجمع ذرات Particle Swarm Optimization

  • مقدمه‌ای بر مطالعه ماژول ۶ Introduction to Module 6's Study

  • بهینه‌سازی تجمع ذرات: آشنایی اولیه Particle Swarm Optimization: A First Introduction

  • بهینه‌سازی تجمع ذرات: عملگرها Particle Swarm Optimization: Operators

  • بهینه‌سازی تجمع ذرات: دموی جریان کاری Particle Swarm Optimization: Workflow Demo

  • استفاده از PSO در متلب: تابع PSO Use PSO via MATLAB: PSO Function

  • استفاده از PSO در متلب: به‌کارگیری تابع Use PSO via MATLAB: Employ the Function

  • استفاده از PSO در متلب: مطالعات موردی Use PSO via MATLAB: Case Studies

نمایش نظرات

آموزش محاسبات تکاملی و کاربردهای آن
جزییات دوره
10h 19m
28
(آخرین آپدیت)
1,600
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده