SUT_machinelearning – Telegram
SUT_machinelearning
197 subscribers
18 photos
1 video
37 files
10 links
در این کانال اطلاعات مربوط به کلاس ها و منابع به روز رسانی خواهد شد.
با ما همراه باشید
Download Telegram
دانشکده در لحظاتی پیش(😐) به ما اعلام کرده است که برق 4 قابل استفاده نمی باشد. لذا کلاس در برق 3 برگزار میگردد.
با عرض پوزش از این اتفاقات.
به دلیل ادامه تعمیرات برق 4 و غیرقابل استفاده بودن آن کلاس، کلاس این جلسه هم در برق 3 تشکیل می شود
تمرین سری سوم دوره.pdf
173.8 KB
سلام
ضمن تشکر از تمام دوستانی که تمرین دوم رو تحویل ندادند، بابت آب میوه‌ی خنک و گوارا، تمرین سری سوم ضمیمه شده است.
برای مرور مباحث مرتبط با SVM مطالب زیر مفید هستند:
Introduction to SVM.pdf
188.8 KB
معرفی روش SVM و مبانی ریاضی آن
lagrange.pdf
89.8 KB
معرفی روش lagrange به زبان ساده
Introduction To Kernel Methods.pdf
222.2 KB
معرفی روش Kernel و غیر خطی سازی
نتیجه روش دسته بندی KNN روی داده ی شماره 6
myKNN.m
1.7 KB
کامل شده‌ی کد روش KNN که در کلاس پیاده سازی شد.
نتیجه‌ی روش LDA روی داده های شماره 2 و شکل تابع توزیع کلاس ها در فضای جدید
MyLDA.m
1.6 KB
کد کامل شده‌ی روش LDA که در کلاس پیاده سازی شد.
نتیجه‌ی دسته بندی خطی با روش LMS روی داده ی شماره 2
MyLinear.m
588 B
کد دسته بندی خطی با روش LMS به همراه Regularization
نتیجه ی دسته بندی با طبقه بندی خطی تعمیم داده شده (با افزایش بعد) برای کلاس های با ساختار دایره ای
NonLinear.m
1.1 KB
کد روش دسته بندی خطی تعمیم داده شده
نتیجه ی روش SVM برای داده‌ی شماره 3
MySVM.m
808 B
کد روش SVM همانطور که در کلاس پیاده سازی شد.
نتیجه ی روش شبکه عصبی برای داده‌ی شماره ی 8
MyMLP.m
2.3 KB
کد پیاده سازی شبکه عصبی به همان صورتی که در کلاس انجام شد.
با توجه به اینکه تمام کدهایی که نیاز دارید در اختیار شما قرار گرفته است، انتظار میرود همه ی دوستان تمارین رو تحویل بدهند.
myGMM.m
1.2 KB
کد پیاده سازی روش خوشه بندی Gaussian Mixture Model با استفاده از روش Expectation Maximization