This media is not supported in your browser
VIEW IN TELEGRAM
🎞فیلم آموزش فارسی نصب و فعالسازی متلب ورژن 2022
install and Crack & Activate MATLAB R2022
•••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••
install and Crack & Activate MATLAB R2022
•••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••
🔸کد جوجه تیغی در متلب
figure
hold on
set(0, 'DefaultLineLineWidth', 4);
% feet
x = (1:.01:8);
plot(x,-1 .* (x-2).*(x-1),'LineWidth',4.0);
plot(x,-1 .* (x-6).*(x-7),'LineWidth',4.0);
plot(x,-1 .* (x-7).*(x-8),'LineWidth',4.0);
%face
theta = 1.5*pi:.01:1.79*pi;
plot(4*cos(theta)+6.5, 4*sin(theta)+4.25);
theta = 1.25*pi:.01:1.5*pi;
plot(3*cos(theta)+9.5, 3*sin(theta)+5);
theta = .77*pi:.01:1*pi;
plot(4*cos(theta)+10.5, 4*sin(theta)+.25);
% nose
theta = 0:.01:2*pi;
plot(.25*cos(theta)+9.75, .25*sin(theta)+2);
% eye
theta = 0:.01:2*pi;
plot(.15*cos(theta)+7.5, .15*sin(theta)+2.1);
% back curve
theta = (.37:.05 :1)*pi;
xPoints = 4*cos(theta)+5;
yPoints = 3*sin(theta);
for idx = 1:length(theta)
thetai = theta(idx);
alpha = (-.5*pi + thetai):.01:(thetai);
plot(.5*cos(alpha)+xPoints(idx), .5*sin(alpha)+yPoints(idx))
end
xlim([0 10]);
ylim([0,5]);
%Source: matlab.com
#کدخاص
•••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••
figure
hold on
set(0, 'DefaultLineLineWidth', 4);
% feet
x = (1:.01:8);
plot(x,-1 .* (x-2).*(x-1),'LineWidth',4.0);
plot(x,-1 .* (x-6).*(x-7),'LineWidth',4.0);
plot(x,-1 .* (x-7).*(x-8),'LineWidth',4.0);
%face
theta = 1.5*pi:.01:1.79*pi;
plot(4*cos(theta)+6.5, 4*sin(theta)+4.25);
theta = 1.25*pi:.01:1.5*pi;
plot(3*cos(theta)+9.5, 3*sin(theta)+5);
theta = .77*pi:.01:1*pi;
plot(4*cos(theta)+10.5, 4*sin(theta)+.25);
% nose
theta = 0:.01:2*pi;
plot(.25*cos(theta)+9.75, .25*sin(theta)+2);
% eye
theta = 0:.01:2*pi;
plot(.15*cos(theta)+7.5, .15*sin(theta)+2.1);
% back curve
theta = (.37:.05 :1)*pi;
xPoints = 4*cos(theta)+5;
yPoints = 3*sin(theta);
for idx = 1:length(theta)
thetai = theta(idx);
alpha = (-.5*pi + thetai):.01:(thetai);
plot(.5*cos(alpha)+xPoints(idx), .5*sin(alpha)+yPoints(idx))
end
xlim([0 10]);
ylim([0,5]);
%Source: matlab.com
#کدخاص
•••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••
This media is not supported in your browser
VIEW IN TELEGRAM
🎞 شمارش گله گوسفند با بهرهگیری از هوش مصنوعی
•••••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
•••••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
This media is not supported in your browser
VIEW IN TELEGRAM
🔸کد ویدئو بالا(شکفتن گل) در متلب:
ppr=12.6; % # petals per 1 revolution
nr = 30; % radius resolution
pr = 10; % petal resolution
np = 140; % total number of petals
pf = -1.2; % How much the ends of the petals tilt up or down
ol = [ .11 1.1 ]; % How open is it? [ inner outer ]
pt = (1/ppr) * pi * 2;
theta=linspace(0, np*pt,np*pr+1);
[R,THETA]=ndgrid(linspace(0,1,nr),theta);
x = 1-(abs(1-mod(ppr*THETA, 2*pi)/pi).^2)*.7;
phi = (pi/2)*linspace(ol(1),ol(2),np*pr+1).^2;
y = pf*(R.^2).*(1.27689*R-1).^2.*sin(phi);
R2 = x.*(R.*sin(phi) + y.*cos(phi));
X=R2.*sin(THETA);
Y=R2.*cos(THETA);
Z=x.*(R.*cos(phi)-y.*sin(phi));
C=hypot(hypot(X,Y), Z);
% Draw the flower with nice colors
surf(X,Y,Z,C,FaceColor='interp', EdgeColor='none');
colormap(gca,[ linspace(.6,1,256); linspace(.1,.8,256); linspace(.7,1,256); ]');
daspect([1 1 1])
%%License: Inspired by August blooms, introducing the Dahlia.
#کدخاص
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
ppr=12.6; % # petals per 1 revolution
nr = 30; % radius resolution
pr = 10; % petal resolution
np = 140; % total number of petals
pf = -1.2; % How much the ends of the petals tilt up or down
ol = [ .11 1.1 ]; % How open is it? [ inner outer ]
pt = (1/ppr) * pi * 2;
theta=linspace(0, np*pt,np*pr+1);
[R,THETA]=ndgrid(linspace(0,1,nr),theta);
x = 1-(abs(1-mod(ppr*THETA, 2*pi)/pi).^2)*.7;
phi = (pi/2)*linspace(ol(1),ol(2),np*pr+1).^2;
y = pf*(R.^2).*(1.27689*R-1).^2.*sin(phi);
R2 = x.*(R.*sin(phi) + y.*cos(phi));
X=R2.*sin(THETA);
Y=R2.*cos(THETA);
Z=x.*(R.*cos(phi)-y.*sin(phi));
C=hypot(hypot(X,Y), Z);
% Draw the flower with nice colors
surf(X,Y,Z,C,FaceColor='interp', EdgeColor='none');
colormap(gca,[ linspace(.6,1,256); linspace(.1,.8,256); linspace(.7,1,256); ]');
daspect([1 1 1])
%%License: Inspired by August blooms, introducing the Dahlia.
#کدخاص
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
Pacman_Game(@matlab_communication).rar
141.5 KB
🔸شبیهسازی کامل،زیبا و قابل اجرای بازی PacMan در متلب
Source: Mathworks.com
#کدخاص
#بازی
••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
تصویری از نمای کلی بازی👇
Source: Mathworks.com
#کدخاص
#بازی
••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
تصویری از نمای کلی بازی👇
کانال تخصصی متلب
Pacman_Game(@matlab_communication).rar
🔸نمای کلی بازی PacMan در متلب👆👆
✔️فایلهای شبیهسازی در پست بالا
Source: mathworks.com
#کدخاص
#بازی
•••••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
✔️فایلهای شبیهسازی در پست بالا
Source: mathworks.com
#کدخاص
#بازی
•••••••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••••
@matlab_communication.pdf
61.5 KB
🔸نحوه ذخیره نمودارهای متلب در WORD
🙏سپاس ویژه از جناب آقای محمدجواد🙏
••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
••••••••••••••••••••••••••••••••••••••••
🙏سپاس ویژه از جناب آقای محمدجواد🙏
••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
••••••••••••••••••••••••••••••••••••••••
👌1
Hidden_Markov_modelling_inMatlab.rar
943.5 KB
🔸دانلود رایگان کدهای آماده متلب ویژه مدل مخفی مارکوف
🙏سپاس از سرکارخانم مهندس رازقی🙏
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🙏سپاس از سرکارخانم مهندس رازقی🙏
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
⁉️سوال:
سلام و عرض ادب. با توجه به تصویر ضمیمه در همین پیام بنده میخوام این دو ستون اخر این فایل اکسل را به صورت یک ماتریس 807×2 در متلب بنویسم. چه کار باید کرد؟🙏🌹
✅پاسخ: سلام دوست عزیز، این کد رو تست کنید و بجای اون filename اسم فایلتون رو بنویسید::
A=zeros(2*807)
A(1,:)=xlsread(filename.xlsx,B3:B809)
A(2,:)=xlsread(filename.xlsx,C3:C809)
✔️پرسش و پاسخ با مشارکت افراد حاضر گروه انجام میشود، سپاس از این عزیزان🙏🌹🙏
#سوالات
•••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••
سلام و عرض ادب. با توجه به تصویر ضمیمه در همین پیام بنده میخوام این دو ستون اخر این فایل اکسل را به صورت یک ماتریس 807×2 در متلب بنویسم. چه کار باید کرد؟🙏🌹
✅پاسخ: سلام دوست عزیز، این کد رو تست کنید و بجای اون filename اسم فایلتون رو بنویسید::
A=zeros(2*807)
A(1,:)=xlsread(filename.xlsx,B3:B809)
A(2,:)=xlsread(filename.xlsx,C3:C809)
✔️پرسش و پاسخ با مشارکت افراد حاضر گروه انجام میشود، سپاس از این عزیزان🙏🌹🙏
#سوالات
•••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••
🔶 نحوه ایجاد پنجره انتخاب فایل توسط کاربر:
گاهی اوقات شاید نیاز داشته باشید تا به خود کاربر اجازهی انتخاب 《یک فایل》 را بدهید؛ به نحوی که یک پنجرهی انتخاب فایل باز شده و کاربر شروع به انتخاب فایل کند.
در متلب، برای انجام این کار، از تابع uigetfile استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
گاهی اوقات شاید نیاز داشته باشید تا به خود کاربر اجازهی انتخاب 《یک فایل》 را بدهید؛ به نحوی که یک پنجرهی انتخاب فایل باز شده و کاربر شروع به انتخاب فایل کند.
در متلب، برای انجام این کار، از تابع uigetfile استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔶 نحوه ایجاد پنجره انتخاب فایل توسط کاربر:
گاهی اوقات شاید نیاز داشته باشید تا به خود کاربر اجازهی انتخاب 👈چند فایل👉 را بدهید؛ به نحوی که یک پنجرهی انتخاب فایل باز شده و کاربر شروع به انتخاب فایل کند.
در متلب، برای انجام این کار، از تابع uigetfile استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
گاهی اوقات شاید نیاز داشته باشید تا به خود کاربر اجازهی انتخاب 👈چند فایل👉 را بدهید؛ به نحوی که یک پنجرهی انتخاب فایل باز شده و کاربر شروع به انتخاب فایل کند.
در متلب، برای انجام این کار، از تابع uigetfile استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔶ایجاد کادر محاورهای گرافیکی پرسشی
در نرم افزار متلب، برای ایجاد کادر محاورهای یا همان (dialog box) به صورت واسطه گرافیکی کاربر یا GUI از دستور questdlg استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
در نرم افزار متلب، برای ایجاد کادر محاورهای یا همان (dialog box) به صورت واسطه گرافیکی کاربر یا GUI از دستور questdlg استفاده میشود.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
Genetic_Algorithm.zip
4.5 KB
🔸کدهای الگوریتم ژنتیک در متلب
••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
••••••••••••••••••••••••••••••••••••
••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
••••••••••••••••••••••••••••••••••••
🔹️شماره اتصال(شماره گذاری) خطهای نمودار در plot
clear all
close all
clc
figure
data = [1 3 5 6 8 9];
n = 1:numel(data);
plot(n,data, '-ob','markersize',10,'markerfacecolor','w');
for mm = 1:numel(data) text(n(mm),data(mm), num2str(data(mm)),...
'FontSize',8,...
'HorizontalAlignment','center');
end
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
clear all
close all
clc
figure
data = [1 3 5 6 8 9];
n = 1:numel(data);
plot(n,data, '-ob','markersize',10,'markerfacecolor','w');
for mm = 1:numel(data) text(n(mm),data(mm), num2str(data(mm)),...
'FontSize',8,...
'HorizontalAlignment','center');
end
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
fnwallisfilter.m
812 B
تابع فیلتر Wallis filter در متلب
•••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••
•••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••
This media is not supported in your browser
VIEW IN TELEGRAM
✔️بنا به درخواست متعدد دوستان:
✔️بچههای هوش مصنوعی ببینن👌👌
🔸هوش مصنوعی تسلا مردی را جلوی اتومبیل در یک قبرستان خالی نشان داد...!
گروه و کانال تخصصی متلب:
@matlab_communication
✔️بچههای هوش مصنوعی ببینن👌👌
🔸هوش مصنوعی تسلا مردی را جلوی اتومبیل در یک قبرستان خالی نشان داد...!
گروه و کانال تخصصی متلب:
@matlab_communication
This media is not supported in your browser
VIEW IN TELEGRAM
🎞پیشرفته ترین سیستم اطفاء حریق با استفاده از فناوریهای بینایی ماشین و
هوش مصنوعی در تشخیص آنی آتش🔥 و خاموش کردن آن
🔸ترکیب دوربین نظارتی و سیستم اطفا حریق ایده اصلی این سیستم است که با جایگزینی پردازش و تحلیل تصویر بجای سنسورهای معمول دود و آتش میتواند به کاهش هزینه(پوشش بیشتر دوربین نسبت به سنسورهای معمول) کمک اساسی کند.
🔸همچنین افزایش سرعت پاسخ(سرعت بالاتر تشخیص آتش با استفاده از پردازش تصویر نسبت به سنسور) منجر شود.
🔸همچنین تشخیص زاویه مناسب جهت پاشش به ارتقا و بهرهوری سیستم اطفا حریق، در مقایسه با پاشش کور در سیستمهای معمول اطفاء حریق کمک میکند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
هوش مصنوعی در تشخیص آنی آتش🔥 و خاموش کردن آن
🔸ترکیب دوربین نظارتی و سیستم اطفا حریق ایده اصلی این سیستم است که با جایگزینی پردازش و تحلیل تصویر بجای سنسورهای معمول دود و آتش میتواند به کاهش هزینه(پوشش بیشتر دوربین نسبت به سنسورهای معمول) کمک اساسی کند.
🔸همچنین افزایش سرعت پاسخ(سرعت بالاتر تشخیص آتش با استفاده از پردازش تصویر نسبت به سنسور) منجر شود.
🔸همچنین تشخیص زاویه مناسب جهت پاشش به ارتقا و بهرهوری سیستم اطفا حریق، در مقایسه با پاشش کور در سیستمهای معمول اطفاء حریق کمک میکند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸استخراج دیتا از نمودار رسم شده یا ذخیره شده در متلب
گاهی اوقات فقط به نمودار رسم شده یا ذخیره به فرمت fig.* دسترسی داریم و دیتاهای آن در دسترس نیستند. در این حالت برای دسترسی به دیتاهای اصلی از روی نمودار متلب با پسوند fig.* میتوان از کد موجود درعکس استفاده نمود.
کد نوشته شده بصورت اتوماتیک دیتاهای تمام نمودارهای موجود در یک fig.* را استخراج می کند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
گاهی اوقات فقط به نمودار رسم شده یا ذخیره به فرمت fig.* دسترسی داریم و دیتاهای آن در دسترس نیستند. در این حالت برای دسترسی به دیتاهای اصلی از روی نمودار متلب با پسوند fig.* میتوان از کد موجود درعکس استفاده نمود.
کد نوشته شده بصورت اتوماتیک دیتاهای تمام نمودارهای موجود در یک fig.* را استخراج می کند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸رسم نمودار ROC برای داده های چند کلاسه
%% loading data
load fisheriris
X = meas(:, 1:1); % more features -> higher AUC
Y = species;
%% dividing data to test and train sets
r = randperm(150); trn = r(1:100); tst = r(101:150);
%% train classifier
model = fitcdiscr(X(trn, :),Y(trn));
%% predict labels
% score store likelihood of each sample
% being of each class: nSample by nClass
[Y2, scores] = predict(model, X(tst, :));
%% plot ROCs
hold on
for i=1:length(model.ClassNames)
[xr, yr, ~, auc] = perfcurve(Y(tst),scores(:, i), model.ClassNames(i));
plot(xr, yr, 'linewidth', 1)
legends{i} = sprintf('AUC for %s class: %.3f', model.ClassNames{i}, auc);
end
legend(legends, 'location', 'southeast')
line([0 1], [0 1], 'linestyle', ':', 'color', 'k');
xlabel('FPR'), ylabel('TPR')
noscript('ROC for Iris Classification (1 vs Others)')
axis square
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
%% loading data
load fisheriris
X = meas(:, 1:1); % more features -> higher AUC
Y = species;
%% dividing data to test and train sets
r = randperm(150); trn = r(1:100); tst = r(101:150);
%% train classifier
model = fitcdiscr(X(trn, :),Y(trn));
%% predict labels
% score store likelihood of each sample
% being of each class: nSample by nClass
[Y2, scores] = predict(model, X(tst, :));
%% plot ROCs
hold on
for i=1:length(model.ClassNames)
[xr, yr, ~, auc] = perfcurve(Y(tst),scores(:, i), model.ClassNames(i));
plot(xr, yr, 'linewidth', 1)
legends{i} = sprintf('AUC for %s class: %.3f', model.ClassNames{i}, auc);
end
legend(legends, 'location', 'southeast')
line([0 1], [0 1], 'linestyle', ':', 'color', 'k');
xlabel('FPR'), ylabel('TPR')
noscript('ROC for Iris Classification (1 vs Others)')
axis square
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
Media is too big
VIEW IN TELEGRAM
🎞آموزش نصب کامپایلر MinGW-W64 در متلب
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
💯گروه تخصصی متلب::
👈 آموزش نرم افزار متلب در حوزههای:
مخابرات، سیمولینک، برق، مهندسی پزشکی، کنترل، پردازش صوت و تصویر، عمران، شیمی،رباتیک، هوشمصنوعی، پردازش سیگنال، هوافضا، ریاضی و ...
گروه 6.4K نفره متلب:
https://news.1rj.ru/str/joinchat/EHEbrEA6SZ1bAjLdUj7bwA
کانال تخصصی متلب:
@Matlab_Communication
👈 آموزش نرم افزار متلب در حوزههای:
مخابرات، سیمولینک، برق، مهندسی پزشکی، کنترل، پردازش صوت و تصویر، عمران، شیمی،رباتیک، هوشمصنوعی، پردازش سیگنال، هوافضا، ریاضی و ...
گروه 6.4K نفره متلب:
https://news.1rj.ru/str/joinchat/EHEbrEA6SZ1bAjLdUj7bwA
کانال تخصصی متلب:
@Matlab_Communication
👍2