دوره آموزشی فیلتر کالمن برای همه
مشخصات دوره
طول دوره: 20 ساعت
تعداد جلسات: 10 جلسه (هرجلسه دو ساعت)
زمان کلاس: جمعه ها 2 تا 4 بعد از ظهر (به وقت ایران)
نحوه شرکت در کلاس: کلاس ها در محیط اسکای روم برگزار می گردد. لینک شرکت در کلاس پس از ثبت نام نهایی خدمت شما ارسال می گردد.
هزینه شرکت در دوره: شهریه دوره 1 میلیون تومان می باشد. برای پیش ثبت نام نیازی به پرداخت مبلغ نیست. هزینه دوره در هنگام ثبت نام نهایی اخذ می گردد.
زبان برنامه نویسی: در این دوره از زبان برنامه نویسی متلب استفاده می گردد.
مدرس: دکتر مهدی شاداب فر
در صورتی که در ارتباط با این دوره سوالی دارید، می توانید در بخش ارتباط با استاد مطرح نمائید.
شرح دوره
شناخت ما از اکثر پدیده هایی که در محیط اطرافمان رخ می دهند کامل نیست. از این رو همواره با سطحی از عدم قطعیت مواجه هستیم. این موضوع تقریبا همه وجوه پژوهشی از فیزیک و مهندسی گرفته تا اقتصاد و پزشکی را شامل می شود. به عنوان مثال یک مهندسی زئوتکنیک علی رغم همه پیشرفت های صورت گرفته در شناخت زمین، نمی تواند با قاطعیت رفتار لایه های خاک یا سنگ در یک محیط زیرزمینی را تعیین نماید. یا یک اقتصاد دان نمی تواند با قاطعیت رفتار یک سهام را پیش بینی نماید. بدین منظور آشنایی با روش هایی که ما را در مدلسازی عدم قطعیت و بیان احتمالاتی نتایج کمک می کنند ضروری است.
دوره تدارک دیده را شاید بتوان از جامع ترین دوره های موجود در حیطه مدلسازی های احتمالاتی به شمار آورد. این دوره برای همه افرادی که علاقه مند به شروع کار در مدلسازی عدم قطعیت هستند مفید می باشد. این دوره به گونه ای تدارک دیده شده است که دانش پژوهان غیر متخصص در زمینه آمار و احتمالات هم بتوانند به سادگی از آن بهره ببرند. این یعنی اینکه برای شروع این دوره نیازی به شناخت عمیق از مفاهیم و قضایای آمار و احتمالات نیست و داشتن یک سطح دانش اولیه دز این زمینه کفایت می کند. مباحث این دوره عمدتا از پایه مطرح شده و جزئیات آنها گام به گام مورد بررسی قرار می گیرند.
محتوای دوره
1. جلسه اول: فیلترهای بازگشتی
1.1. فیلتر میانگین
1.1.1. فرم بازگشتی برای میانگین
2.1.1. تابع فیلتر میانگین
3.1.1. مثال: اندازه گیری ولتاژ
4.1.1. مروری بر مباحث مطرح شده از فیلتر میانگین
2.1. فیلتر میانگین متحرک
1.2.1. قیمت سهام و میانگین متحرک
2.2.1. فرم بازگشتی برای میانگین متحرک
3.2.1. تابع فیلتر میانگین متحرک
4.2.1. مثال: اندازه گیری تابش
5.2.1. مروری بر مباحث مطرح شده از فیلتر میانگین متحرک
3.1. فیلتر پائین گذر
1.3.1. محدودیت های میانگین متحرک
2.3.1. فیلتر پائین گذر مرتبه 1
3.3.1. تابع فیلتر پائین گذر
4.3.1. مثال: اندازه گیری تابش
5.3.1. مروری بر مباحث مطرح شده از فیلتر پائین گذر
2. جلسه دوم: مبانی فیلتر کالمن
1.2. معرفی فیلتر کالمن
1.1.2. مقدمه ای بر فیلتر کالمن
2.1.2. الگوریتم فیلتر کالمن
2.2. پروسه تخمین
1.2.2. مقدمه ای بر پروسه تخمین
2.2.2. نحوه انجام محاسبات برای یک تخمین
3.2.2. وزن های متغیر
4.2.2. خطای کواریانس
5.2.2. مروری بر مباحث مطرح شده از پروسه تخمین
3. جلسه سوم: فیلترهای پائین گذر
1.3. مقدمه ای بر همبستگی بین متغیرهای تصادفی
2.3. معرفی ضریب همبستگی و ماتریس کوریلیشن
3.3. بررسی نحوه تولید نمونه های رندم وابسته
4.3. حل یک مثال در محیط متلب
5.3. بررسی تاثیر همبستگی در خروجی روش نمونه گیری مونت کارلو
4. جلسه چهارم: نمودار احتمال فراگذشت
1.4. مقدمه ای بر مدل های قابلیت اعتماد
2.4. حل یک مسئله قابلیت اعتماد در محیط متلب
3.4. معرفی مفهوم نمودار احتمال فراگذشت
4.4. معرفی روش نمونه گیری هیستوگرام
5.4. پیاده سازی روش نمونه گیری هیستوگرام در محیط متلب
5. جلسه پنجم: همگرایی روش نمونه گیری مونت کارلو
1.5. دقت روش نمونه گیری مونت کارلو بر حسب تعداد نمونه های رندم
2.5. نمایش همگرایی روش نمونه گیری مونت کارلو
3.5. معرفی معیار ضریب پراکندگی جهت بررسی دقت روش نمونه گیری مونت کارلو
4.5. نحوه محاسبه ضریب پراکندگی
5.5. حل یک مسئله در محیط متلب
6. جلسه ششم: روش های نمونه گیری خاص
1.6. معرفی روش نمونه گیری لاتین هایپرکیوب
2.6. پیاده سازی روش نمونه گیری لاتین هاپرکیوب در محیط متلب
3.6. معرفی روش نمونه گیری بوت استرپ
4.6. تشریح یک مسئله برای حل به روش نمونه گیری بوت استرپ
5.6. پیاده سازی روش نمونه گیری بوت استرپ در متلب
7. جلسه هفتم: تقریب روش نمونه گیری مونت کارلو
1.7. بررسی مشکلات روش نمونه گیری مونت کارلو
2.7. معرفی یک روش تقریبی در تخمین روش نمونه گیری مونت کارلو
3.7. پیاده سازی روش تقریبی در محیط متلب
4.7. معرفی منحنی فراگذشت باندی
5.7. پیاد سازی منحنی فراگذشت باندی در محیط متلب
8. جلسه هشتم: روش نمونه گیری مونت کارلو در مسائل قابلیت اعتماد سیستم
1.8. مقایسه مسائل قابلیت اعتماد مولفه ای و سیستمی
2.8. نحوه فرمول بندی مسائل قابلیت اعتماد سیستم
3.8. نحوه استفاده از روش نمونه گیری مونت کارلو در حل مسائل قابلیت اعتماد سیستم
4.8. معرفی یک مسئله قابلیت اعتماد سیستم
5.8. حل مسئله در محیط متلب
1.1. آشنایی با سری های زمانی و روش های پردازش آنها
2.1. آشنایی با سری های زمانی
3.1. آشنایی با سری های زمانی
4.1. آشنایی با سری های زمانی
5.1. آشناسس با سری های زمانی
6.1. آشنایی با سری های زمانی
9. جلسه نهم: شبکه های عصبی مصنوعی در ترکیب با روش نمونه گیری مونت کارلو
1.9. مقدمه ای بر شبکه های عصبی مصنوعی
2.9. پیاده سازی یک شبکه عصبی مصنوعی در محیط متلب
3.9. نحوه ترکیب روش نمونه گیری مونت کارلو با شبکه های عصبی مصنوعی
4.9. معرفی یک مسئله ترکیبی از شبکه های عصبی مصنوعی و روش نمونه گیری مونت کارلو
5.9. حل مسئله در محیط متلب
10. جلسه دهم: طراحی بهینه بر اساس قابلیت اعتماد
1.10. مقدمه ای بر مسائل بهینه سازی معمول
2.10. حل یک مسئله بهینه سازی
3.10. معرفی مسائل بهینه سازی مقید
4.10. حل یک مسئله بهینه سازی مقید
5.10. معرفی مسائل بهینه سازی با قیود احتمالاتی
6.10. نحوه استفاده از روش نمونه گیری مونت کارلو در حل مسائل بهینه سازی با قیود احتمالاتی
7.10. حل یک مسئله بهینه سازی بر اساس قابلیت اعتماد
مهلت پیش ثبت نام
با ثبت نام در این دوره در مدت کوتاهی به یک صاحب نظر در حیطه تحلیل های قابلیت اعتماد و مدلسازی های احتمالاتی تبدیل خواهید شد و توانایی های لازم برای انجام پژوهش در این حیطه را فراخواهید گرفت. تا زمانی که لینک پیش ثبت نام در پائین همین صفحه در دسترس باشد، امکان پیش ثبت نام مهیا است.
پیش ثبت نام در دوره
این دوره جهت پیش ثبت نام باز است. دوستانی که علاقه مند به شرکت در این دوره هستند از طریق لینک زیر مشخصات خود را ثبت نمایند. پس از به حد نصاب رسیدن کلاس از طریق ایمیل با شما تماس گرفته خواهد شد تا هزینه کلاس واریز شده و ثبت نام نهایی گردد. سپس زمان و نحوه حضور در کلاس به همراه جزئیات تکمیلی خدمت شما ارسال می گردد.
پیش ثبت نام در دوره
سبد خرید