کاهش بعد با استفاده از شبکه های عصبی
برچسبها:
شبکه عصبی مصنوعی
شبکه عصبی در متلب
مدل نرون
معماری شبکه عصبی
شبکه هاپفیلد
شبکه پرسپترون
شبکه های رقابتی
کاربردهای منطق فازی
جعبه ابزار شبکه عصبی
نرم افزار متلب
محاسبه معکوس ماتریس
کوفاکتور در متلب
تحلیل ماتریسی
حل معادلات لاپلاس
مدلسازی و شبیه سازی موتور هیسترزیس
حل معادله انتقال حرارت
روش صریح و ضمنی
مش بندی سه و هشت گرهی
توضیحات محصول
کاهش بعد با استفاده از شبکه های عصبی
پیشرفت در جمع آوری و ذخیره داده در طول دهه های گذشته موجب انفجار داده در بیشتر موارد شده است. محققان در بسیاری از حیطه ها مانند مهندسی، ستاره شناسی، اقتصاد و تعاملات مصرف کننده، با مشاهدات و شبیه سازی بزرگ و بزرگتری روبه رو شده اند. چنین مجموعه داده ها در مقابل با مجموعه داده های کوچکتری که در گذشته مطالعه می شدند، چالش های جدیدتر در تحلیل داده ها به وجود آورده اند. به دلیل افزایش تعداد مشاهدات و از آن مهمتر به دلیل افزایش تعداد متغیرهای مربوط به هر مشاهده، روش های آماری قدیمی نسبتا درهم شکسته شد. مجموعه داده های با ابعاد زیاد چالش های ریاضیاتی زیادی همراه با فرصت های جدید به همراه داشتند. یکی از مسائل با مجموعه داده ابعاد بالا این است که در بسیاری از موارد همه متغیرهای اندازه
محصولات مرتبط در دستهبندی "Artifical Neural Network (ANN)"
