آمار کلی

بازدیدکنندگان : 2930967

Who's Online

ما 56 مهمان آنلاین داریم

آخرين ارسالهاي تالار

پرداخت آنلاین بانک ملت

مبلغ تراکنش (ريال):
ثبت سفارش مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 55 Votes )
میانگین امتیار کاربران: / 55
ضعیفعالی 

پروژه های آماده و پروژه های جدید

پروژه خود را ثبت کنید

آیا به مقاله شبیه سازی شده نیاز دارید؟

مقالات معتبر همراه با پیاده سازی متلب هوش مصنوعی و پردازش تصویر مقالات معتبر همراه با پیاده سازی متلب برق - کنترل مقالات معتبر همراه با پیاده سازی متلب برق - قدرت

ارسال درخواست موضوعی مقالات دارای شبیه سازی فازی- عصبی-ژنتیک-الترونیک قدرت-کنترل مقاوم- چند متغیره- مدرن- دیجیتال-بهینه-شناسایی-قابلیت اطمینان-پردازش تصویر- سیگنال- ریاضیات  و ...

ثبت سفارش پیاده سازی مقالات جدید شما با نرم افزار متلب

ثبت سفارش ترجمه روان مقالات انگلیسی با هزینه مناسب

سفارش پستی DVD آخرین نسخه متلب  برای  ویندوز یا لینوکس (32 و 64 بیتی) همراه با مجموعه کتاب های آموزشی

ما را در صفحه فیسبوک دنبال کنید

facebook.com/mathworks.ir

 
راهنماي كاربران براي تولباكس مخابرات مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 10 Votes )
میانگین امتیار کاربران: / 10
ضعیفعالی 

آخرين نسخه‌ي راهنماي كاربران براي تولباكس مخابرات(نگارش شده توسط شركت Mathworks)، از لينك زير قابل دريافت است:

 

 

زبان: انگليسي

تعداد صفحات: 554

فرمت: PDF

 

 

 

 

لينك دانلود

 
معادلات دیفرانسیل معمولی – مسایل مقدار اولیه مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 6 Votes )
میانگین امتیار کاربران: / 6
ضعیفعالی 

معادلات دیفرانسیل معمولی – مسایل مقدار اولیه

Ordinary Differential Equation - initial value problems

(IVPs)

با سلام خدمت تمامی دوستان  بخصوص دانشجویان فیزیک. قصد دارم بتدریج به یکسری از مسایل برنامه نویسی عمومی در زمینه فیزیک که غالبا با آن سرو کار داریم بپردازم. اولین گام ( به شرطی که با مقدمات برنامه نویسی در Matlab خصوصا کار با توابع، ماتریسها آشنا باشید) می­تواند حل معادلات دیفرانسیل معمولی باشد.

معادلات دیفرانسیل معمولی به آندسته از معادلات دیفرانسیل اطلاق می شود که تمامی متغیرهای وابسته ( بعنوان مثال x، y و z ) تنها تابعی از یک متغیر مستقل (برای مثال t) می باشند. مثال آشنا در این مورد می­تواند معادله نوسانگر هارمونیک باشد که در آن مکان نوسانگر تنها تابعی از زمان است. در مقابل معادله دیفرانسیل معمولی معادلات دیفرانسیل جزیی قرار می گیرند که نمونه بسیار آشنای آن معادله شرودینگر است که در آن تابع موج (متغیر وابسته) تابعی از مختصات مکانی و زمان (یعنی   متغیرهای مستقل ) می باشد.

ابتدا به حل مسایل مقدار اولیه (IVP) با معرفی سه روش اویلر (Euler’s method)، رانگ کوتا (Runge–Kutta method) و تابع آماده در متلب بانام ode45 می پردازیم.

1-   روش اویلر

این ساده ترین روش است. با استفاده از تقریب مشتق عددی پیشرو الگوریتم تکرار بسادگی بدست می آید :

ادامه مطلب...
 
برنامه تیر اندازی در متلب مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 7 Votes )
میانگین امتیار کاربران: / 7
ضعیفعالی 

بحث ویژگی های تابع figure را با یك مثال بررسی می کنیم

برنامه زیر را اجرا کنید تا در مرحله بعد به مرور برنامه بپردازیم.

clc

close all

udata=struct('color',[.2 .3 .4],'unit','normal','pos',[.5 .5 .075 .12],'menubar','none','name','fig',...

'NumberTitle','off','resize','off','WindowStyle','modal');

hfigure=figure(udata,'UserData',udata);

rectangle('Position',[.5,.5,.5,.5],'Curvature',[1,1],'FaceColor','r')

rectangle('Position',[.55,.55,.4,.4],'Curvature',[1,1],'FaceColor','b')

rectangle('Position',[.6,.6,.3,.3],'Curvature',[1,1],'FaceColor','w')

rectangle('Position',[.65,.65,.2,.2],'Curvature',[1,1],'FaceColor',[.5 .2 .1])

rectangle('Position',[.7,.7,.1,.1],'Curvature',[1,1],'FaceColor',[.4 .9 .2])

axis('off')

 

ادامه مطلب...
 
الگوریتم پردازش سیگنال در matlab مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 8 Votes )
میانگین امتیار کاربران: / 8
ضعیفعالی 

کتاب حاضر در مورد پردازش سیگنال های دیجیتالی است

مشخصات کتاب:

نام:

Algorithm Collections for Digital Signal Processing Applications Using Matlab

ناشر : springer

سال انتشار : 2007

تعداد صفحات: 199

فرمت کتاب: pdf

ISBN 978-1-4020-6410-4 (e-book)

لینک دریافت کتاب:

ادامه مطلب...
 
اعمال تبديل بر ويژگيها با استفاده از خطاي كلاس­بندي كمينه مبتني بر هسته برای بازشناسي الگو مشاهده در قالب PDF چاپ فرستادن به ایمیل
( 1 Vote )
میانگین امتیار کاربران: / 1
ضعیفعالی 

اعمال تبديل بر ويژگيها  با استفاده از خطاي كلاس­بندي كمينه مبتني بر هسته برای بازشناسي الگو

 

چكيده

روشهاي اعمال تبديل بر وي‍‍ژگي را مي­توان به دو دسته خطي و غيرخطي تقسيم كرد. روشهاي تبديل و استخراج وي‍ژگي مبتني بر هسته از جمله روش­هاي غيرخطي هستند كه اخيراً مورد توجه بيشتري قرار گرفته­اند. در اين روشها، ايده اصلي نگاشت غيرخطي ويژگيها به فضايي با ابعاد بالاتر است. اين نگاشت با هدفها و معيارهاي متفاوتي صورت مي­گيرد. در آناليز متمايزساز خطي مبتني بر هسته (KLDA)، معيار تفكيك­پذيري بيشتر ويژگيها در فضاي جديد است، حال آنكه در آناليز مولفه­هاي اصلي مبتني بر هسته (KPCA)، معيار استقلال بيشتر ويژگيها در فضاي حاصل است. در مقاله حاضر يك روش جديد مبتني بر هسته پيشنهاد و فرموله مي شود كه بر كمينه كردن خطاي كلاس­بندي در فضاي ايجاد شده توسط هسته (KMCE) تكيه دارد. معیارهای بهینه­سازی در روشهای KLDA و KPCA مستقل از خطای کلاس­بندی می­باشند در صورتیکه در روش پیشنهادی علاوه بر بهره برداری از ایده­ی نگاشت غیرخطی هسته­، معیار کمینه­سازی خطای کلاس بندی نیز مورد نظر قرار می­گیرد. نتايج حاصل بر روي دادگان UCI و كلاس­بندهاي مختلف، نشان مي­دهند كه روش پيشنهادي در مقايسه با روشهاي تبديل ويژگي خطي و روشهاي شناخته شده تبديل ويژگي مبتني بر هسته، در مورد كلاس­بندهای مبتنی بر فاصله، نرخ بازشناسی بهتری دارد و در مورد کلاس­بندهای آماری و مبتنی بر درخت تصمیم نیز کارآیی قابل قبولی دارد.

کلمات کلیدی: تبدیل ویژگی،  آنالیز تفکیک­پذیری خطی، روش آنالیز مولفه اصلی، خطای کلاس­بند کمینه، تابع هسته

 

ادامه مطلب...
 
<< شروع < قبلی 1 2 بعدی > انتها >>

صفحه 1 از 2