كتاب مقدمه اي بر تحليل اجزاء محدود با استفاده از نرم افزارهاي MATLAB & ABAQUS، يكي از كتاب هاي مفيد و كاربردي در زمينه تحليل اجزاء محدود با استفاده از دو نرم افزار معروف متلب و آباكوس مي باشد. اين كتاب مشتمل بر 11 فصل، 485 صفحه، به زبان انگليسي روان، تايپ شده، به همراه تصاوير، روابط مهم رياضي و فرمول هاي مهم اجزاء محدود، با فرمت PDF، به ترتيب زير گردآوري شده است:

Chapter 1: Introduction

• Prologue
• Finite Element Analysis and the User
• Aim of the Book
• Book Organization

Chapter 2: Bar Element

• Introduction
• One-Dimensional Truss Element
• Global Stiffness Matrix Assembly
• Boundary Conditions
• Solution of the System of Equations
• Support Reactions
• Members’ Forces
• Computer Code: truss.m
• Problems
• Analysis of a Simple Truss with Abaqus

Chapter 3: Beam Element

• Introduction
• Stiffness Matrix
• Uniformly Distributed Loading
• Internal Hinge
• Computer Code: beam.m
• Problems
• Analysis of a Simple Beam with Abaqus

Chapter 4: Rigid Jointed Frames

• Introduction
• Stiffness Matrix of a Beam–Column Element
• Stiffness Matrix of a Beam–Column Element in the Presence of Hinged End
• Global and Local Coordinate Systems
• Global Stiffness Matrix Assembly and Solution for Unknown Displacements
• Computer Code: frame.m
• Analysis of a Simple Frame with Abaqus

Chapter 5: Stress and Strain Analysis

• Introduction
• Stress Tensor
• Deformation and Strain
• Stress–Strain Constitutive Relations
• Solved Problems

Chapter 6: Weighted Residual Methods

• Introduction
• General Formulation
• Galerkin Method
• Weak Form
• Integrating by Part over Two and Three Dimensions (Green Theorem)
• Rayleigh Ritz Method

Chapter 7: Finite Element Approximation

• Introduction
• General and Nodal Approximations
• Finite Element Approximation
• Basic Principles for the Construction of Trial Functions
• Two-Dimensional Finite Element Approximation
• Shape Functions of Some Classical Elements for C0 Problems

Chapter 8: Numerical Integration

• Introduction
• Gauss Quadrature
• Integration over a Reference Element
• Integration over a Triangular Element
• Solved Problems

Chapter 9: Plane Problems

• Introduction
• Finite Element Formulation for Plane Problems
• Spatial Discretization
• Constant Strain Triangle
• Linear Strain Triangle
• The Bilinear Quadrilateral
• The 8-Node Quadrilateral
• Solved Problem with MATLAB

Chapter 10: Axisymmetric Problems

• Definition
• Strain–Displacement Relationship
• Stress–Strain Relations
• Finite Element Formulation
• Programming
• Analysis with Abaqus Using the 8-Node Quadrilateral

Chapter 11: Thin and Thick Plates

• Introduction
• Thin Plates
• Thick Plate Theory or Mindlin Plate Theory
• Linear Elastic Finite Element Analysis of Plates
• Boundary Conditions
• Computer Program for Thick Plates Using the 8-Node Quadrilateral
• Analysis with Abaqus

مدل سازي مواد پيزوالكتريك در نرم افزار تحليلي آباكوس

دانلود 5 كتاب مرجع آموزش نرم افزار آباكوس

مش بندي حرفه اي و دقيق با نرم افزار هايپرمش

جهت دانلود كتاب مقدمه اي بر تحليل اجزاء محدود با استفاده از نرم افزارهاي MATLAB & ABAQUS بر لينك زير كليك نماييد.

مقدمه اي بر تحليل اجزاء محدود با استفاده از نرم افزارهاي متلب و آباكوس

اگر به فراگيري مباحث مشابه مطلب بالا علاقه‌مند هستيد، آموزش‌هايي كه در ادامه آمده‌اند نيز به شما پيشنهاد مي‌شوند:

دانلود 5 كتاب مرجع آموزش نرم افزار آباكوس

تحليل ديناميكي و استاتيكي در نرم افزار آباكوس

آناليز و تحليل مهندسي با نرم افزار آباكوس

آزمايشگاه هاي مكانيك مواد با شبيه سازي ساليدوركس

تحليل صفحه خمشي تحت بار گسترده ثقلي در نرم افزار متلب

طراحي اسيلواسكوپ با استفاده از adc كارت صدا و نرم افزار MATLAB

تحليل تير سراسري با استفاده از نرم افزار متلب

محاسبه معكوس ماتريس با استفاده از كوفاكتور در متلب

تحليل ورق تحت بار درون صفحه اي به روش اجزاء محدود با استفاده از نرم افزار متلب

با استفاده از تكنيك هاي پردازش تصوير مي‌توان دگرگوني اساسي در خطوط توليد ايجاد كرد. بسياري از پروسه‌هاي صنعتي كه تا چند دهه پيش پياده سازي شان دور از انتظار بود، هم اكنون با بهره گيري از پردازش هوشمند تصاوير به مرحله عمل رسيده‌اند. از جمله منافع كاربرد پردازش تصوير به شرح زير است:

• افزايش سرعت و كيفيت توليد
• كاهش ضايعات
• اصلاح روند توليد
• گسترش كنترل كيفيت

كتاب اصول و كاربردهاي پردازش تصوير (Image Processing Principles and Applications)، مشتمل بر 452 صفحه، در 18 فصل، با فرمت PDF، به زبان انگليسي، همراه با تصاوير به ترتيب زير گردآوري شده است:

Chapter 1: Introduction

• Fundamentals of Image Processing
• Applications of Image Processing
• Human Visual Perception
• Components of an Image Processing System
• Organization of the book
• How is this book different
• Summary

Chapter 2: Image Formation and Representation

• Introduction
• Image formation
• Sampling and Quantization
• Binary Image
• Three-Dimensional Imaging
• Image file formats
• Some Important Notes
• Summary
• References

Chapter 3: Color and Color Imagery

• Introduction
• Perception of Colors
• Color Space and Transformation
• Color Space Quantization and Just Noticeable Difference
• Color Interpolation or Demosaicing
• Summary

Chapter 4: Image Transformation

• Introduction
• Fourier Transforms
• Discrete غير مجاز مي باشدine Transform
• Walsh-Hadamard Transform (WHT)
• Karhaunen-Loeve Transform or Principal Component Analysis
• Summary

Chapter 5: Discrete Wavelet Transform

• Introduction
• Wavelet Transforms
• Extension to Two-Dimensional Signals
• Lifting Implementation of the DWT
• Advantages of Lifting-Based DWT
  Summary

Chapter 6: Image Enhancement and Restoration

• Introduction
• Spatial Image Enhancement Techniques
• Distinction between image enhancement and restoration
• Histrogram based Contrast Enhancement
• Frequency Domain Methods of Image Enhancement
• Noise Modeling
• Image Restoration
• Image Reconstruction by Other Methods
• Summary

Chapter 7: Image Segmentation

• Preliminaries
• Edge Detector
• Edge, Line, and Point Detection
• Image Thresholding Techniques
• Region Growing
• Waterfall algorithm for segmentation
• Connected component labeling
• Document Image segmentation
• Summary
• References

Chapter 8: Recognition of Image Patterns

• Introduction
• Decision Theoretic Pattern Classification
• Bayesian Decision Theory
• Nonparametric Classification
• Linear Discriminant Analysis
• Unsupervised Classification Strategies - clustering
• K-Means Clustering Algorithm
• Syntactic Pattern Classification
• Syntactic Inference
• Symbolic Projection Method
• Artificial Neural Networks
• Summary

Chapter 9: Texture and Shape Analysis

• Introduction
• Gray Level Cooccurrence Matrix
• Texture Spectrum
• Texture Classification using Fractals
• Shape Analysis
• Active Contour Model
• Shape Distortion and Normalization
• Contour-Based Shape Descriptor
• Region Based Shape Descriptors
• Gestalt Theory of Perception
• Summary

Chapter 10: Fuzzy Set Theory in Image Processing

• Introduction to Fuzzy Set Theory
• Why Fuzzy Image
• Introduction to Fuzzy Set Theory
• Preliminaries and Background
• Image as a Fuzzy Set
• Fuzzy Methods of Contrast Enhancement
• Image Segmentation using Fuzzy Methods
• Fuzzy Approaches to Pixel Classification
• Fuzzy c-Means Algorithm
• Fusion of fuzzy logic with neural networks
• Summary

Chapter 11: Image Mining and Content-Based Image Retrieval

• Introduction
• Image Mining
• Image Features for Retrieval and Mining
• Fuzzy Similarity Measure in an Image Retrieval System
• Video Mining
• Summary

Chapter 12: Biometric And Biomedical Image Processing

• Introduction
• Biometric Pattern Recognition
• Face Recognition Using Eigenfaces
• Signature Verification
• Preprocessing of Signature Patterns
• Biomedical Image Analysis
• Biomedical Imaging Modalities
• X-Ray Imaging
• Dental X-Ray Image Analysis
• Classification of Dental Caries
• Mammogram Image Analysis
• Summary

Chapter 13: Remotely Sensed Multispectral Scene Analysis

• Introduction
• Satellite sensors and imageries
• Features of Multispectral Images
• Spectral reflectance of various earth objects
• Scene Classification Strategies
• Spectral classification-A knowledge-Based Approach
• Spatial Reasoning
• Other Applications of Remote Sensing
• Summary

Chapter 14: Dynamic Scene Analysis: Moving Object Detection and Tracking

• Introduction
• Problem Definition
• Adaptive Background Modeling
• Connected Component Labeling
• Shadow Detection
• Principles of Object Tracking
• Model of Tracker System
• Discrete Kalman Filtering
• Extended Kalman Filtering
• Particle Filter Based object Tracking
• Condensation Algorithm
• Summary

Chapter 15: Introduction to Image Compression

• Introduction
• Information Theory Concepts
• Classification of Compression algorithms
• Source Coding Algorithms
• Huffman Coding
• Arithmetic Coding
• Summary

Chapter 16: JPEG: Still Image Compression Standard

• Introduction
• The JPEG Lossless Coding Algorithm
• Baseline JPEG Compression
• Summary

Chapter 17: JPEG2000 Standard For Image Compression

• Introduction
• Why JPEG2000
• Parts of the JPEG2000 Standard
• Overview of the JPEG2000 Part 1 Encoding System
• Image Preprocessing
• Compression
• Tier-2 Coding and Bitstream Formation
• Summary

Chapter 18: Coding Algorithms in JPEG2000 Standard

• Introduction
• Partitioning Data for Coding
• Tier-1 Coding in JPEG2000
• Tier-2 Coding in JPEG2000
• Summary

جهت دانلود كتاب اصول و كاربردهاي پردازش تصوير (Image Processing Principles and Applications)، برلينك زير كليك نماييد.

اصول و كاربردهاي پردازش تصوير

تهيه اطلاعات پيوسته به روز و دقيق در مورد مكان و سرعت يك شي معين فقط به كمك توالي مشاهدات در مورد موقعيت آن شي، كه هر كدام شامل مقداري خطاست امكان پذير است. اين فيلتر در طيف گسترده‌اي از كاربري‌هاي مهندسي از رادار گرفته تا بصيرت رايانه‌اي كاربرد دارد. روش تصفيه كالمن يكي از عناوين مهم در تئوري كنترل و مهندسي سيستم‌هاي كنترلي مي‌باشد.

فيلتر كالمن (Kalman Filter) يك فيلتر بازگشتي كارامد است كه حالت يك سيستم پويا را از يك سري اندازه گيري‌هاي همراه با خطا بر آورد مي‌كند. به همراه يك تنظيم كننده خطي مرتبه دوم (linear quadratic regulator LQR) فيلتر كالمن مسائل Gaussian control خطي مرتبه دوم (linear-quadratic Gaussian control - LQG) را حل مي‌كند. فيلتر كالمن، LQR و LQG راه حلي هستند براي آنچه شايد اساسي‌ترين مسائل تئوري كنترل مي نامند...

كتاب نظريه و تمرين فيلتر كالمن با استفاده از نرم افزار متلب (Kalman Filtering - Theory and Practice Using MATLAB)، مشتمل بر 9 فصل، 582 صفحه، با فرمت pdf، همراه با تصاوير، به زبان انگليسي، به ترتيب زير گردآوري شده است:

Chapter 1: General Information

• On Kalman Filtering
• On Optimal Estimation Methods
• On the Notation Used In This Book
• Summary
• Problems

Chapter 2: Linear Dynamic Systems

• Chapter Focus
• Dynamic System Models
• Continuous Linear Systems and Their Solutions
• Discrete Linear Systems and Their Solutions
• Observability of Linear Dynamic System Models
• Summary
• Problems

Chapter 3: Random Processes and Stochastic Systems

• Chapter Focus
• Probability and Random Variables (RVs)
• Statistical Properties of RVs
• Statistical Properties of Random Processes (RPs)
• Linear RP Models
• Shaping Filters and State Augmentation
• Mean and Covariance Propagation
• Relationships Between Model Parameters
• Orthogonality Principle
• Summary
• Problems

Chapter 4: Linear Optimal Filters and Predictors

• Chapter Focus
• Kalman Filter
• Kalman–Bucy Filter
• Optimal Linear Predictors
• Correlated Noise Sources
• Relationships Between Kalman–Bucy and Wiener Filters
• Quadratic Loss Functions
• Matrix Riccati Differential Equation
• Matrix Riccati Equation In Discrete Time
• Model Equations for Transformed State Variables
• Application of Kalman Filters
• Summary
• Problems

Chapter 5: Optimal Smoothers

• Chapter Focus
• Fixed-Interval Smoothing
• Fixed-Lag Smoothing
• Fixed-Point Smoothing
• Summary
• Problems

Chapter 6: Implementation Methods

• Chapter Focus
• Computer Round off
• Effects of Round off Errors on Kalman Filters
• Factorization Methods for Square-Root Filtering
• Square-Root and UD Filters
• Other Implementation Methods
• Summary
• Problems

Chapter 7: Nonlinear Filtering

• Chapter Focus
• Quasilinear Filtering
• Sampling Methods for Nonlinear Filtering
• Summary
• Problems

Chapter 8: Practical Considerations

• Chapter Focus
• Detecting and Correcting Anomalous Behavior
• Prefiltering and Data Rejection Methods
• Stability of Kalman Filters
• Suboptimal and Reduced-Order Filters
• Schmidt–Kalman Filtering
• Memory, Throughput, and Wordlength Requirements
• Ways to Reduce Computational Requirements
• Error Budgets and Sensitivity Analysis
• Optimizing Measurement Selection Policies
• Innovations Analysis
• Summary
• Problems

Chapter 9: Applications to Navigation

• Chapter Focus
• Host Vehicle Dynamics
• Inertial Navigation Systems (INS)
• Global Navigation Satellite Systems (GNSS)
• Kalman Filters for GNSS
• Loosely Coupled GNSS/INS Integration
• Tightly Coupled GNSS/INS Integration
• Summary
• Problems

* توجه:
لازم به ذكر است كه علاوه بر فايل كتاب آموزشي بالا، مجموعه كدهاي تخمين حالت و پارامتر با فيلتر كالمن در نرم افزار MATLAB، جهت آموزش هرچه بهتر اين مبحث نيز جهت دانلود قرار داده شده است:

• مدل سيميولينك و برنامه فيلتر كالمن استاندار يك بعدي 1D standard Kalman Filter (Simulink model and program)
• بسته جامع فيلتر كالمن (Kalman Filter Package)
• فايل آموزشي فيلتر كالمن در متلب Kalman Filter in Matlab (Tutorial)
• آموزش فيلتر كالمن بي رد (Learning the Unscented Kalman Filter)
• فيلتر كالمن خطي (Linear Kalman Filter)
• چارچوب فيلتر كالمن براي تخمين حالت و پارامتر در متلب (Kalman filtering framework)
• فيلتر كالمن براي رفع نويز فيلم هاي داراي نويز (Kalman filter for noisy movies)
• بهينه سازي كمترين مربعات غير خطي با استفاده از تخمين پارامتر توسط فيلتر كالمن بي رد (Nonlinear least square optimization through parameter estimation using the Unscented Kalman Filter)
• يادگيري فيلتر كالمن از ديدگاه فيدبك (Learning the Kalman Filter: A Feedback Perspective)
• آموزش پياده سازي فيلتر كالمن در سيميولينك (Learning Kalman Filter Implementation in Simulink)
• آموزش فيلتر كالمن توسعه يافته (Learning the Extended Kalman Filter)
• فيلتر كالمن توسعه يافته دوگانه (Dual Extended Kalman Filter)
• فيلتر كالمن توسعه يافته براي داده هاي سيستم موقعيت دهي عمومي (Extended Kalman Filter(EKF) for GPS)
• آموزش و طراحي شبكه هاي عصبي مصنوعي با استفاده از فيلتر كالمن بي رد (Neural Network training using the Unscented Kalman Filter)
• فيلتر كالمن دسته اي (Ensemble Kalman Filter)
• رابط گرافيكي يا GUI براي رفع نويز سيگنال هاي ويدئويي و تصويري با استفاده از فيلتر كالمن (GUI for denoising video signals with Kalman filter)
• تعقيب هدف دو بعدي با استفاده از فيلتر كالمن (2D Target tracking using Kalman filter)
• تخمين يك حالت داراي مقدار ثابت با استفاده از فيلتر كالمن (Estimating a constant state using the Kalman Filter)
• فيلتر كالمن سلسله مراتبي براي پيش بيني سري هاي زماني پزشكي (Hierarchical Kalman Filter for clinical time series prediction)
• آموزش و طراحي شبكه هاي عصبي مصنوعي با استفاده از فيلتر كالمن توسعه يافته (Neural Network training using the Extended Kalman Filter)

جهت دانلود كتاب آموزشي و مجموعه كدهاي تخمين حالت و پارامتر با فيلتر كالمن در نرم افزار MATLAB برلينك زير كليك نماييد.

مجموعه كدهاي تخمين حالت و پارامتر با فيلتر كالمن

This book is for people who need to solve ordinary differential equations (ODEs), both initial value problems (IVPs) and boundary value problems (BVPs) as well as delay differential equations (DDEs). These topics are usually taught in separate courses of length one semester each, but Solving ODEs with MATLAB provides a sound treatment of all three in about 250 pages. The chapters on each of these topics begin with a discussion of “the facts of life” for the problem, mainly by means of examples. Numerical methods for the problem are then developed
– but only the methods most widely used. Although the treatment of each method is brief and technical issues are minimized, the issues important in practice and for understanding the codes are discussed. Often solving a real problem is much more than just learning how to call a code. The last part of each chapter is a tutorial that shows how to solve problems by means of small but realistic examples

كتاب حل كردن مشكلات با استفاده از نرم افزار متلب (Solving ODEs with MATLAB)، مشتمل بر 4 فصل، 265 صفحه، با فرمت pdf، همراه با تصاوير، به زبان انگليسي، به ترتيب زير گردآوري شده است:

Chapter 1: Getting Started

• Introduction
• Existence, Uniqueness, and Well Posedness
• Standard Form
• Control of the Error
• Qualitative Properties

Chapter 2: Initial Value Problems

• Introduction
• Numerical Methods for IVPs
• One-Step Methods
• Methods with Memory
• Solving IVPs in Matlab
• Event Location
• ODEs Involving a Mass Matrix
• Large Systems and the Method of Lines
• Singularities

Chapter 3: Boundary Value Problems

• Introduction
• Boundary Value Problems
• Boundary Conditions
• Boundary Conditions at Singular Points
• Boundary Conditions at Infinity
• Numerical Methods for BVPs
• Solving BVPs in Matlab

Chapter 4: Delay Differential Equations

• Introduction
• Delay Differential Equations
• Numerical Methods for DDEs
• Solving DDEs in Matlab
• Other Kinds of DDEs and Software
• Bibliography
• Index

جهت دانلود كتاب حل كردن مشكلات با استفاده از نرم افزار متلب (Solving ODEs with MATLAB) برلينك زير كليك نماييد.

حل كردن مشكلات با استفاده از نرم افزار متلب

كتاب آموزش فشرده سازي تصاوير و ويدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، مشتمل بر 10 فصل، 443 صفحه، با فرمت pdf، همراه با تصاوير، به زبان انگليسي، به ترتيب زير گردآوري شده است:

Chapter 1: Introduction

• What is Source Coding
• Why is Compression Necessary
• Image and Video Compression Techniques
• Video Compression Standards
• Organization of the Book
• Summary
• References

Chapter 2: Image Acquisition

• Introduction
• Sampling a Continuous Image
• Image Quantization
• Color Image Representation
• Summary
• References
• Problems

Chapter 3: Image Transforms

• Introduction
• Unitary Transforms
• Karhunen–Lo`eve Transform
• Properties of Unitary Transforms
• Summary
• References
• Problems

Chapter 4: Discrete Wavelet Transform

• Introduction
• Continuous Wavelet Transform
• Wavelet Series
• Discrete Wavelet Transform
• Efficient Implementation of 1D DWT
• Scaling and Wavelet Filters
• Two-Dimensional DWT
• Energy Compaction Property
• Integer or Reversible Wavelet
• Summary
• References
• Problems

Chapter 5: Lossless Coding

• Introduction
• Information Theory
• Huffman Coding
• Arithmetic Coding
• Golomb–Rice Coding
• Run–Length Coding
• Summary
• References
• Problems

Chapter 6: Predictive Coding

• Introduction
• Design of a DPCM
• Adaptive DPCM
• Summary
• References
• Problems

Chapter 7: Image Compression in the Transform Domain

• Introduction
• Basic Idea Behind Transform Coding
• Coding Gain of a Transform Coder
• JPEG Compression
• Compression of Color Images
• Blocking Artifact
• Variable Block Size DCT Coding
• Summary
• References
• Problems

Chapter 8: Image Compression in the Wavelet Domain

• Introduction
• Design of a DWT Coder
• Zero-Tree Coding
• JPEG2000
• Digital Cinema
• Summary
• References
• Problems

Chapter 9: Basics of Video Compression

• Introduction
• Video Coding
• Stereo Image Compression
• Summary
• References
• Problems

Chapter 10: Video Compression Standards

• Introduction
• MPEG-1 and MPEG-2 Standards
• MPEG-4
• H.264
• Summary
• References
• Problems
• Index

جهت دانلود كتاب آموزش فشرده سازي تصاوير و ويدئو با استفاده از نرم افزار متلب (Still Image & Video Compression with MATLAB)، برلينك زير كليك نماييد.

آموزش فشرده سازي تصاوير و ويدئو با استفاده از نرم افزار متلب

سيستم كروز كنترل، در واقع ابزاري براي ثابت نگه داشتن سرعت خودرو حين رانندگي در سطح جاده‌ها، بزرگراه‌ها، يا اتوبان‌هاست. به‌طور مثال، اگر راننده بخواهد سرعت را روي ۱۲۰ كيلومتر بر ساعت ثابت نگه دارد، با فعال‌سازي كروز كنترل به‌راحتي مي‌تواند اين كار را انجام دهد. اساس اين ابزار به‌گونه‌اي است كه خودرو به‌صورت اتوماتيك مي‌تواند سرعت خودرو را تحت هر شرايطي از رانندگي ثابت نگه دارد. لازم به يادآوري است، زماني كه اين ابزار را فعال مي‌كنيد و سرعت خودرو روي عدد خاصي ثابت شده است، اين سرعت، در مسيرهاي سربالايي، سراشيبي، يا هنگام وزش باد مخالف، تغيير نخواهد كرد. گفتني است، كروز كنترل اين امكان را نيز در اختيار راننده قرار مي‌دهد تا بي آنكه نيازي به فشردن پدال‌هاي ترمز و گاز باشد، سرعت خودرو را با هر بار فشردن دكمه كنار فرمان، به ميزان يك كيلومتر بر ساعت، افزايش يا كاهش دهد.

سيستم كروز در ماشين عمل تثبيت سرعت را انجام مي دهد و طراحي بخش كنترلي آن به گونه اي است كه پاسخ سريع باشد و اثر اغتشاشات در آن كم باشد بسيار مهم است. نكته مهم در مورد اين پروژه آموزشي اين است كه تمركز اصلي آن بر روي نرم افزار متلب است و از فراگير انتظار مي رود يك آشنايي كلي با مباحث كنترل خطي داشته باشد...

پروژه مدلسازي سيستم كروز كنترل در نرم افزار MATLAB، مشتمل بر 13 بخش، 330 صفحه، تايپ شده، با فرمت pdf به ترتيب زير گردآوري شده است:

بخش 1: اصول كلي نرم افزار MATLAB

• شروع كار با MATLAB
• نمايش پنجره ها
• فرمان هاي ورودي
• MATLAB Expo
• abort
• نقطه ويرگول
• تايپ كردن علامت درصد
• دستور clc
• راهنما (Help)
• علامت (...)

بخش 2: گزاره ها و متغيرها

• نامگذاري متغيرها
• متغيرهاي پيش فرض
• دستوراتي براي مديريت متغيرها
• قالب هاي نمايش
• توابع داخلي رياضي مقدماتي
• دستورات عمومي

بخش 3: آرايه ها

• بردار سطري
• بردار ستوني
• ماتريس
• آدرس دهي آرايه ها
• علامت دو نقطه براي بردارها
• علامت دو نقطه براي يك ماتريس
• اضافه كردن عناصر به يك بردار و يا يك ماتريس
• حذف المان ها
• توابع داخلي متلب جهت تنظيمات دستي آرايه ها

بخش 4: عمليات با آرايه ها

• جمع و تفريق آرايه ها
• حاصلضرب نقطه اي
• ضرب آرايه اي
• تقسيم آرايه اي
• ماتريس هماني
• معكوس يك ماتريس
• ترانهاده
• دترمينان
• مقادير ويژه و بردارهاي ويژه
• عامل هاي بالا - پايين مثلثي
• تجزيه به مقادير ويژه
• عمليات نظير به نظير يا عنمصر به عنصر
• توابع داخلي براي آرايه ها
• توليد اعداد تصادفي
• دستور تصادفي randn
• تغيير در آرايه ها

بخش 5: چند جمله اي ها

• سيستم شامل معادلات خطي
• روش تقسيم ماتريسي
• روش ماتريس معكوس

بخش 6: فايل هاي متني (اسكريپت فايل ها)

• ايجاد و ذخيره يك فايل متني
• اجراي يك فايل متني
• ورودي يك Script Files

بخش 7: توابع در MATLAB

• دستورات خارجي
• دستور disp
• دستور fprintf

بخش 8: برنامه نويسي در MATLAB

• عملگرهاي رابطه اي و منطقي
• الويت هاي استفاده از عملگرها
• توابع داخلي منطقي رد MATLAB
• جملات شرطي
• جملات شرطي تو در تو
• بندهاي شامل else و elseif
• ساختار شرطي while در MATLAB
• شرط هاي Switch-case

بخش 9: ترسيمات

• ترسيمات دو بعدي
• رسم چند نمودار روي هم
• دستور plot
• دستور hold
• دستور line
• برخي از دستورهاي پر كاربرد در ترسيم
• انواع رسم شكل در MATLAB
• ترسيمات دو بعدي خاص
• ترسيمات سه بعدي
• ترسيمات پارامتري روي سطح
• مثال هاي متنوع در رسم شكل
• قالب بندي متن

بخش 10: ورودي و خروجي در MATLAB

• دستور fopen
• رياضيات نمادين يا سمبوليك
• عبارات نمادين
• حل معادلات ديفرانسيل
• حساب ديفرانسيل و انتگرال
• حد (Limit)
• تفكيك كسر در تبديلات لاپلاس
• پيدا كردن صفر، قطب و بهره
• انطباق منحني

بخش 11: كادرهاي محاوره اي

• كادر محاوره اي dialog
• كادر محاوره اي errorglg
• كادر محاوره اي helpdlg
• كادر محاوره اي inputdlg
• كادر محاوره اي listdlg
• كادر محاوره اي mesgbox
• كادر محاوره اي printdlg
• كادر محاوره اي questdlg
• كادر محاوره اي warndlg
• كادر محاوره اي uigetfile
• كادر محاوره اي uiputfile
• كادر محاوره اي uisetcolor
• كادر محاوره اي uisetfont
• كادر محاوره اي waitbar

بخش 12: حل معادلات حالت به كمك MATLAB

• روش بسط مرتبه اول تيلور
• روش رانگ كوتا

بخش 13: كروز كنترل

• مدلسازي سيستم كروز كنترل
• معادلات سيستم
• پارانترهاي سيستم
• مدل فضاي حالت
• مدل تابع تبديل
• تحليل سيستم كروز كنترل
• مشخصات عملكرد
• پاسخ پله حلقه باز
• قطب ها و صفرهاي حلقه باز
• رسم دياگرام بود حلقه باز
• طراحي كنترل كننده PID براي سيستم كروز كنترل
• مروري بر كنترل كننده PID
• كنترل كننده تناسبي
• كنترل كننده PI
• كنترل كننده PID
• مكان هندسي ريشه ها براي سيستم كروز كنترل
• جبران ساز پس فاز (lag compensator)
• روش هاي طراحي كنترل كننده در حوزه فركانس
• دياگرام بود و پاسخ سيستم حلقه باز
• مدل فضاي حالت براي طراحي كنترل كننده
• طراحي سيستم كنترل با استفاده از جايابي قطب
• ورودي مرجع
• مدل سازي سيستم كروز كنترل در محيط سيمولينك
• مدلسازي فيزيكي و معادلات مورد نياز
• ايجاد مدل سيمولينك
• پاسخ حلقه باز
• ايجاد كنترل كننده در محيط سيمولينك
• استخراج يك مدل خطي در MATLAB
• پياده سازي كنترل كننده PI
• پاسخ حلقه بسته

جهت دانلود پروژه مدلسازي سيستم كروز كنترل در نرم افزار MATLAB، برلينك زير كليك نماييد.

مدلسازي سيستم كروز كنترل در نرم افزار متلب

شبكه‌ هاي عصبي مصنوعي (Artificial Neural Network – ANN) يا به زبان ساده ‌تر شبكه‌ هاي عصبي سيستم‌ ها و روش ‌هاي محاسباتي جديدي براي يادگيري ماشيني، نمايش دانش و در انتها اعمال دانش به دست آمده در جهت بيش‌ بيني پاسخ ‌هاي خروجي از سامانه ‌هاي پيچيده مي باشد. اين شبكه ها از تعداد دلخواهي سلول يا گره يا واحد يا نرون تشكيل مي شود كه مجموعه ورودي را به خروجي ربط مي دهند. همچنين اين شبكه‌ ها قادر به يادگيري‎ هستند...

جزوه آموزش شبكه عصبي مصنوعي، مشتمل بر 131 صفحه، در 7 فصل، با فرمت PDF، به زبان فارسي، همراه با تصاوير و روابط مهم رياضي به ترتيب زير گردآوري شده است:

فصل 1: هوش محاسباتي

• تاريخچه
• هوش مصنوعي
• چالش هاي بنيادين هوش مصنوعي
• هوش محاسباتي
• شبكه هاي عصبي (Neural Networks)
• مدل رياضي شبكه هاي عصبي
• منطق فازي (Fuzzy logic)
• الگوريتم هاي ژنتيك (GA)
• كاربردهاي شبكه هاي عصبي در پزشكي
• سيستم هاي تشخيص
• آناليزهاي شيمي پزشكي
• آناليز تصوير
• پيشرفتهاي دارويي و مدلسازي سيستم قلبي عروقي
• بويايي الكترونيكي
• شناخت الگو
• پزشك نمونه
• كاربردهاي سيستم هاي فازي در پزشكي
• سيستم هاي فازي در بيو انفورماتيك
• سيستم هاي فازي ژنتيك

فصل 2: شبكه هاي عصبي

• مقدمه
• معناي شبكه هاي عصبي
• انگيزه هاي بيولوژيكي
• تشابهات و انتظارات
• تاريخچه و كاربرد
• مدل رياضي نرون
• مدل تك ورودي
• برخي توابع تحريك مرسوم نرون مصنوعي
• مدل چند ورودي
• ساختار شبكه هاي عصبي
• شبكه هاي يك و چند لايه
• مثال: يك شبكه پيشخور 3 لايه
• چند سئوال
• شبكه هاي پسخور يا برگشتي
• مسائل حل شده

فصل 3: مسئله تشريحي شناسايي الگو

• شناسايي الگو
• روش هاي كلاسيك و شبكه هاي عصبي
• معرفي سه شبكه هاي نمونه: پرسپترون، همينگ و هاپفيلد
• پرسپترون تك لايه با تابع تحريك آستانه اي دو مقداره متقارن
• مثال تشريحي با پرسپترون
• شبكه همينگ
• شبكه همينگ، لايه اول
• شبكه همينگ، لايه دوم
• شبكه همينگ، لايه سوم
• شبكه هاپفيلد
• مهمترين ويژگي ها
• مهمترين نكات

فصل 4: پرسپترون تك لايه

• فرايند يادگيري
• يادگيري با ناظر
• يادگيري بدون ناظر
• خلاصه فرايند يادگيري
• سيستم هاي ديناميكي آموزش پذير
• معادله يادگيري در حالت كلي
• يادگيري با ناظر در شبكه عصبي
• يادگيري تشديدي (تقويتي) در شبكه عصبي
• يادگيري بدون ناظر در شبكه عصبي
• قانون يادگيري پرسپترون تك لايه (SLPR)

فصل 5: شبكه هاي آدالاين و يادگيري LMS

• مقدمه
• مباني بهينه سازي و نقاط بهينه
• بسط تيلور و تقريب توابع
• مشتقات برداري جهت دار
• شرايط لازم براي نقاط بهينه
• توابع درجه دوم
• توابع درجه دوم و ساختار ويژه
• روند مينيمم سازي، الگوريتم كلي
• روش بيشترين نزول (SD)
• نكات مربوط به الگوريتم SD
• مثالي از الگوريتم SD
• نكات

فصل 6: يادگيري LMS يا ويدرو هوف

• شبكه آدالاين
• معادلات ويدرو هوف در حالت تك نرون
• الگوريتم LMS
• فرم دسته اي يادگيري LMS در حالت تك نرون
• فرم دسته اي يادگيري LMS در حالت كلي
• بهبود هايي بر LMS
• كاربرد شبكه آدالاين در فيلترهاي تطبيقي

فصل 7: شبكه هاي عصبي چند لايه پيشخور و يادگيري پس انتشار خطا

• مقدمه
• تاريخچه
• شبكه پرسپترون چند لايه
• حل چند مسئله شناسايي الگو
• شناسايي الگو
• الگوريتم BP
• خلاصه الگوريتم BP

* توجه:
لازم به ذكر است كه علاوه بر جزوه آموزشي بالا، جزوه حل تمرينات درس شبكه عصبي مصنوعي (دكتر منهاج، 68 صفحه، به زبان فارسي، با فرمت pdf) نيز جهت دانلود قرار داده شده است.

جهت دانلود جزوه آموزش شبكه عصبي مصنوعي به همراه تشريح كامل مسائل، برلينك زير كليك نماييد.

آموزش شبكه عصبي مصنوعي به همراه تشريح كامل مسائل

در جهان امروز به علت پيشرفت تكنولوژي و پيچيده تر شدن مسائل، استفاده از روش هاي نوين، جايگزين بسياري از روش هاي سنتي شده كه ديگر قادر به تخمين درستي از وضعيت موجود نمي باشند. همچنين پيچيده شدن فرايندها منجر به مشكلاتي مانند غير خطي شدن رابطه پارامترهاي فرايند شده كه روش هاي پيشين قادر به انجام و يا تصميم گيري در مورد آنها نيستند، از اين رو روش هاي جديدي از قبيل شبكه هاي عصبي جهت تحليل اين فرايندها پديد آمده است. به دليل پيچيده بودن محاسبات شبكه عصبي استفاده از نرم افزارهاي كامپيوتري توسط كاربران ناگزير مي نمايد. در اين ميان نرم افزارهاي متعددي به محاسبه شبكه هاي عصبي مي پردازند. نرم افزار SPSS نسبت به ساير نرم افزارها داراي مزيت هايي بوده كه مهمترين آن سهولت استفاده از آن مي باشد. از اين رو بر آن شديم تا راهنماي مناسبي جهت استفاده از اين نرم افزار مهيا كنيم كه كتاب حاضر حاصل اين احساس نياز مي باشد. توجه داشته باشيد كه اين آموزش بر اساس مثال هاي كاربردي صورت مي پذيرد كه تأثير مفيدي بر آموزش نرم افزار دارد...

كتاب آموزش شبكه هاي عصبي در نرم افزار SPSS، مشتمل بر 152 صفحه، در 3 فصل، با فرمت PDF، به زبان فارسي، همراه با تصاوير و روابط مهم رياضي به ترتيب زير گردآوري شده است:

فصل 1: مقدمه

• شبكه عصبي چيست؟
• مزيت هاي شبكه هاي عصبي
• محدوديت هاي شبكه عصبي
• نرون عصبي انسان
• شبكه هاي عصبي تك نرونه، تك لايه، چند لايه
• انواع شبكه اي عصبي مصنوعي از نظر برگشت پذيري
• مراحل طراحي يك شبكه عصبي مصنوعي
• يادگيري نظارت نشده يا بدون ناظر
• شبكه پرسپترون
• يادگيري يك پرسپترون
• توابعي كه پرسپترون قادر به يادگيري آنها مي باشد
• الگوريتم هاي يادگيري پرسپترون
• مشكلات روش Gradient descent
• الگوريتم Back propagation
• انواع مدل هاي پرسپترون چند لايه
• شبكه هاي تابع شعاع مدار (RBF)
• معماري شبكه
• شبكه هاي عصبي در SPSS
• آموزش شبكه RBF
• لايه خروجي
• مزاياي يك RBF
• برخي كاربردهاي شبكه هاي عصبي مصنوعي

فصل 2: راهنماي كاربر

بخش اول

• شبكه هاي عصبي در SPSS
• ساختار شبكه عصبي

بخش دوم

• پرسپترون چند لايه
• متغيرهاي وابسته
• ساخت يك شبكه پرسپترون چند لايه
• تفكيك كردن (Partitions)
• ساختار (Architecture)
• لايه هاي پنهان
• آموزش (Training)
• خروجي (Out Put)
• ذخيره (save)
• احتمال ها و شبه احتمال ها
• صدور (Export)
• گزينه ها (Options)

بخش سوم

• تابع شعاع مدار
• متغيرهاي وابسته
• ساخت يك شبكه تابع شعاع مدار
• تفكيك كردن (Partiotions)
• ساختار (Architecture)
• خروجي (Out Put)
• ذخيره (save)
• احتمال ها و شبه احتمال ها
• صدور (Export)
• گزينه ها (Options)

فصل 3: مثال ها

بخش اول

• پرسپترون چندلايه
• آماده سازي داده ها جهت انجام تحليل ها
• شروع تحليل ها
• خلاصه فرايند انجام شده
• اطلاعات شبكه
• خلاصه مدل
• طبقه بندي
• تصحيح نمودن آموزش اضافي
• ايجاد نمونه آموزشي
• آغاز نمودن تحليل ها
• خلاصه اي از فرايند انجام شده
• اطلاعات شبكه
• خلاصه مدل
• طبقه بندي
• منحني ROC
• نمودار پيش بيني بر اساس مشاهده (Predicted-by-Observed Chart)
• Cumulative Gains and lift charts
• اهميت متغيرهاي مستقل
• خلاصه
• استفاده از پرسپترون چند لايه به منظور محاسبه هزينه هاي درماني و مدت زمان بستري بيماران
• آماده سازي داده ها جهت انجام تحليل ها
• آغاز آناليزها
• اعلام خطرها
• خلاصه فرايند
• اطلاعات شبكه
• خلاصه مدل
• جدول پيش بيني بر اساس مشاهده (Predicted-by-Observed Charts)
• Residual by predicted chart
• Independent variable importance
• شبكه هاي عصبي در SPSS
• خلاصه

بخش دوم

• تابع شعاع مدار
• استفاده از RBF جهت طبقه بندي مشتريان خدمات ارتباط از راه دور
• آماده سازي داده ها جهت آغاز آناليزها
• راه اندازي آناليزها
• خلاصه فرايند انجام شده
• اطلاعات شبكه
• خلاصه مدل
• طبقه بندي
• نمودار پيش بيني بر اساس مشاهده
• منحني ROC
• Cumulative gains and lift charts
• پيوست
• فايل هاي نمونه

جهت دانلود كتاب آموزش شبكه هاي عصبي در نرم افزار SPSS، برلينك زير كليك نماييد.

آموزش شبكه هاي عصبي در نرم افزار SPSS

جزوه آموزشي مجموعه مثال هاي كاربردي حل شده در زمينه شبكه عصبي مصنوعي با استفاده از نرم افزار MATLAB، مشتمل بر 13 مثال كاربردي كه به صورت گام به گام و به زبان روان به حل كامل مثال ها پرداخته شده است. جزوه مورد نظر 92 صفحه، با فرمت PDF، به زبان انگليسي، به ترتيب زير گردآوري شده است:

• Example 1: Calculate the output of a simple neuron
• Example 2: Create and view custom neural networks
• Example 3: Classification of linearly separable data with a perceptron
• Example 4: Classification of a 4-class problem with a 2-neuron perceptron
• Example 5: ADALINE time series prediction with adaptive linear filter
• Example 6: Classification of an XOR problem with a multilayer perceptron
• Example 7: Classification of a 4-class problem with a multilayer perceptron
• Example 8: Industrial diagnostic of compressor connection rod defects
• Example 9: Prediction of chaotic time series with NAR neural network
• Example 10: Radial basis function networks for function approximation
• Example 11: Radial basis function networks for classification of XOR problem
• Example 12: 1D and 2D Self Organized Map
• Example 13: PCA for industrial diagnostic of compressor connection rod defects

* توجه: لازم به ذكر است كه علاوه بر فايل جزوه آموزشي بالا، 3 فايل مرتبط با مباحث شبكه عصبي مصنوعي با عناوين زير نيز جهت دانلود قرار داده شده است:

• فايل 1: جزوه آموزشي شبكه عصبي مصنوعي (به زبان فارسي، 43 صفحه، فرمت JPEG)
• فايل 2: جزوه آموزشي شبكه عصبي مصنوعي (به زبان فارسي، 23 اسلايد، فرمت powerpoint)
• فايل 3: آموزش تصويري پياده سازي شبكه عصبي براي داده هاي آماري بانك مركزي (به زبان فارسي، 13 دقيقه، فرمت MP4)

جهت دانلود جزوه آموزشي مجموعه مثال هاي كاربردي حل شده در زمينه شبكه عصبي مصنوعي با استفاده از نرم افزار MATLAB به همراه فايل هاي ضميمه بالا، برلينك زير كليك نماييد.

مجموعه مثال هاي كاربردي حل شده در زمينه شبكه عصبي مصنوعي

جبر خطّي شاخه‌اي از رياضيات است كه به بررسي و مطالعه ماتريس ها، بردارها، فضاهاي برداري (فضاهاي خطّي)، تبديلات خطي، و دستگاه‌هاي معادلات خطي مي‌پردازد. جبر خطّي كاربردهاي فراوان و گوناگوني در رياضيات و محاسبات گسسته دارد. علاوه بر كاربردهاي آن در زمينه‌هايي از خود رياضيات همانند جبر مجرد، آناليز تابعي، هندسه تحليلي، و آناليز عددي، جبر خطّي استفاده‌هاي وسيعي نيز در فيزيك، مهندسي، علوم طبيعي، و علوم اجتماعي پيداكرده است. اين درس شامل موضوعاتي است كه در يك درس جبر خطي دانشگاهي بررسي مي شود كه شامل فضاهاي برداري، تبديلات خطي، مقدار يكه و بردار يكه،‌ دستگاه معادلات خطي مي باشد...

كتاب جبر خطي پيشرفته براي مهندسين با استفاده از نرم افزار متلب (Advanced Linear Algebra for Engineers with MATLAB)، مشتمل بر 6 فصل، 367 صفحه، با فرمت pdf، همراه با تصاوير، به زبان انگليسي، به ترتيب زير گردآوري شده است:

Chapter 1: Matrices, Matrix Algebra, and Elementary, Matrix Operations

• Introduction
• Basic Concepts and Notation
• Matrix Algebra
• Elementary Row Operations
• Solution of System of Linear Equations
• Matrix Partitions
• Block Multiplication
• Inner, Outer, and Kronecker Products

Chapter 2: Determinants, Matrix Inversion and Solutions to Systems of Linear Equations

• Introduction
• Determinant of a Matrix
• Matrix Inversion
• Solution of Simultaneous Linear Equations
• Applications: Circuit Analysis
• Homogeneous Coordinates System
• Rank, Null Space and Invertibility of Matrices
• Special Matrices with Applications
• Derivatives and Gradients

Chapter 3: Linear Vector Spaces

• Introduction
• Linear Vector Space
• Span of a Set of Vectors
• Normed Vector Spaces
• Inner Product Spaces
• Orthogonality
• Matrix Factorization

Chapter 4: Eigenvalues and Eigenvectors

• Introduction
• Matrices as Linear Transformations
• Eigenvalues and Eigenvectors
• Matrix Diagonalization
• Special Matrices
• Singular Value Decomposition
• Numerical Computation of Eigenvalues and Eigenvectors
• Properties of Eigenvalues and Eigenvectors of Different Classes of Matrices
• Applications

Chapter 5: Matrix Polynomials and Functions of Square Matrices

• Introduction
• Matrix Polynomials
• Cayley–Hamilton Theorem
• Functions of Matrices
• The State Space Modeling of Linear Continuous-time Systems
• State Space Representation of Discrete-time Systems
• Controllability of LTI Systems
• Observability of LTI Systems

Chapter 6: Introduction to Optimization

• Introduction
• Stationary Points of Functions of Several Variables
• Least-Square (LS) Technique
• Total Least-Squares
• Eigen Filters
• Stationary Points with Equality Constraints

جهت دانلود كتاب جبر خطي پيشرفته براي مهندسين با استفاده از نرم افزار متلب (Advanced Linear Algebra for Engineers with MATLAB)، برلينك زير كليك نماييد.

جبر خطي پيشرفته براي مهندسين با استفاده از نرم افزار متلب