/forum/ Mon, 11 May 2026 03:22:17 +0000 MyBB /forum/thread-37976.html Sat, 11 Nov 2017 20:31:39 +0000 /forum/thread-37976.html دوستان میشه کسانی که درس یادگیری ماشین رو توی کنکور زدن سرفصل رو بگن...
اسلایدای دکتر شیری خیلی زیاده من سردرگم شدم
الان با اینکه سه ماه وقت داریم میشه شروع کرد برا خوندن؟
با تشکر
لطفا راهنمایی کنید خداخیرتون بده.... ]]> دوستان میشه کسانی که درس یادگیری ماشین رو توی کنکور زدن سرفصل رو بگن...
اسلایدای دکتر شیری خیلی زیاده من سردرگم شدم
الان با اینکه سه ماه وقت داریم میشه شروع کرد برا خوندن؟
با تشکر
لطفا راهنمایی کنید خداخیرتون بده.... ]]> /forum/thread-37407.html Sun, 18 Jun 2017 12:45:13 +0000 /forum/thread-37407.html میخواستم بدونم میشه از ارزیابی k بخشی برای ارزیابی روش های خوشه بندی مثل kmeans استفاده کرد یا خیر؟
اگر نه جایگزین اون چی هست؟]]> میخواستم بدونم میشه از ارزیابی k بخشی برای ارزیابی روش های خوشه بندی مثل kmeans استفاده کرد یا خیر؟
اگر نه جایگزین اون چی هست؟]]> /forum/thread-36679.html Fri, 24 Feb 2017 12:23:30 +0000 /forum/thread-36679.html
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]>
مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]> /forum/thread-30094.html Tue, 28 Apr 2015 19:58:33 +0000 /forum/thread-30094.html

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]>

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]> /forum/thread-27249.html Tue, 11 Nov 2014 09:56:56 +0000 /forum/thread-27249.html
کسی میدونه چجوری میشه سر فصل دروس آزمون دکترا هوش مصنوعی رو گیر آورد؟؟؟

مثلا

من نمیدونم الگوریتم ژنتیک اختیاریه یا نه!

و اینکه

هر دانشگاهی به عشق خودش یه سری سرفصلو مشخص میکنه و به دانشجوهاش تدریس میکنه.
معمولا وزارت علوم مشخص کنه یا سازمان سنجش.
اما نمیدونم فایلشو کجا میتونم گیر بیارم.
اگر هم پیدا کنم بازم نوشته فلان کتاب مرجع این درس هست.
اگر هم میشد فهمید کدوم استاد سوال طرح میکنه که دیگه خیلی خوب میشد.

ممنون از شما دوستان]]>
کسی میدونه چجوری میشه سر فصل دروس آزمون دکترا هوش مصنوعی رو گیر آورد؟؟؟

مثلا

من نمیدونم الگوریتم ژنتیک اختیاریه یا نه!

و اینکه

هر دانشگاهی به عشق خودش یه سری سرفصلو مشخص میکنه و به دانشجوهاش تدریس میکنه.
معمولا وزارت علوم مشخص کنه یا سازمان سنجش.
اما نمیدونم فایلشو کجا میتونم گیر بیارم.
اگر هم پیدا کنم بازم نوشته فلان کتاب مرجع این درس هست.
اگر هم میشد فهمید کدوم استاد سوال طرح میکنه که دیگه خیلی خوب میشد.

ممنون از شما دوستان]]> /forum/thread-22917.html Sat, 08 Mar 2014 05:42:44 +0000 /forum/thread-22917.html اینا جوابهای من بوده البته شانسی هم زیاد توش زدم
1-21
4-22
2-23
2-24
4-25
3-26
4-27
1-28
3-29
3-30
؟-31
2-32
33-2
1-34
3-35
3-36
4-37
38-؟
1-39
40-؟
1-41
3-42
3-43
4-44
2-45
این هم لینک گرفتن دفتر چه

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]> اینا جوابهای من بوده البته شانسی هم زیاد توش زدم
1-21
4-22
2-23
2-24
4-25
3-26
4-27
1-28
3-29
3-30
؟-31
2-32
33-2
1-34
3-35
3-36
4-37
38-؟
1-39
40-؟
1-41
3-42
3-43
4-44
2-45
این هم لینک گرفتن دفتر چه

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.
]]> /forum/thread-19431.html Sat, 26 Oct 2013 18:42:18 +0000 /forum/thread-19431.html کسی می دونه آیا نمایش توزیعی جزو مباحث یادگیری ماشین هست یا نه؟
واگه هست توضیحی یا فایل آموزشی می تونید در اختیارم بدارید؟
ممنون از راهنماییتون]]> کسی می دونه آیا نمایش توزیعی جزو مباحث یادگیری ماشین هست یا نه؟
واگه هست توضیحی یا فایل آموزشی می تونید در اختیارم بدارید؟
ممنون از راهنماییتون]]> /forum/thread-13755.html Sat, 09 Mar 2013 21:03:26 +0000 /forum/thread-13755.html طبق دفترچه F
لینک دفترچه:

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.


۲۱- گزینه ۴ - گزینه های اول و دوم کاملا شبیه هم هستن فقط در جهت عکس. هر چند اگر قدر مطلق همبستگی خیلی بزرگ باشه یه جورایی redundancy داریم ولی به راحتی میشه مثالی زد که با وجود همبستگی هم نشه صرفنظر کرد. گزینه ۳ همبستگی با لیبل هست که اگر صفر باشه میشه حذفشون کرد.
۲۲- گزینه ۱ - به نظر غلطه چون اولی در شرایطی اصلا میتونه چگالی احتمال هم نباشه (فکر کنم یه منفی باید می گذاشت) در این صورت باید حالتی رو بگیریم که میانگین ها یکی و واریانس های یکی بیشتره. با رسم کانتور یعنی دو تا بیضی داخل هم. میشه با فرمول و اینا هم در آورد گزینه ۱ رو.
۲۳- گزینه ۲ - البته مطمئن نیستم. ولی مطمئنم که یا دو یا سه غلطه. توی SVM چشمپوشی از ویژگی نداریم. وقتی داده ها خطی جداپذیر باشن با کرنل های درجه دو به بالا هم می تونن جدا بشن که البته نمیدونم بردار پشتیبان ها هم ثابت می مونه یا نه.
۲۴- گزینه ۲- برای حالت +۱ و -۱ با سه نود میشه حلش کرد. (برای صفر و یک همون XOR هست)
۲۵- گزینه ۳
فرض کنیم y1 و y2 دو نقطه در فضای جدید باشن که هر کدوم به ترتیب مربوط به x1 و x2 باشن
[tex]\left \| y_1-y_2 \right \|^2=(y_1-y_2)^T(y_1-y_2)=\\ \left \| y_1 \right \|^2-2y_1^Ty_2 \left \| y_2 \right \|^2=2-2y_1^Ty_2\leq 2[/tex]
۲۶- گزینه ۴ - دو بیضی کاملا شبیه هم یه همچین شرایطی (مرز جداسازی خطی) رو خواهند داشت.
۲۷- گزینه ۲
[tex]A^TAx=\lambda x \Leftrightarrow AA^T(Ax)=\lambda (Ax)[/tex]
۲۸- گزینه ۲ - دو تا یک سوم میشد. دیگه حسش نیست بنویسم جواب رو...
۲۹- نزدم
۳۰- گزینه ۴
۳۱- گزینه ۱ - پاسخ رگرسیون خطی دارای فرم بسته، یکتا و بهینه عمومی است.
۳۲- نزدم. به نظر غلط می رسه سوال.
۳۳- گزینه ۴ - بعد VC خط ۳ است. دومی هم طبق قبلی غلط است.
۳۴- گزینه ۱
۳۵- گزینه ۳
۳۶- گزینه ۴
۳۷- گزینه ۴
۳۸- گزینه ۱-خیلی ساده بود.
۳۹- نزدم
۴۰- نزدم
۴۱- نزدم
۴۲- گزینه ۴ - البته مطمئن نیستم
۴۳- نزدم، ولی فکر کنم بی‌نهایت بشه
۴۴- گزینه ۱ - در دومی افزایش داده احتمال بیش‌برازش را کم می کند. خطا لزوما تخمین بدبینانه نیست. مثلا در صورت بیش‌برازش اصلا مقدار خطا خیلی کم خواهد بود. در مورد آخری هم احتمال کمتر می شود. چون هرچه فضای فرضیه غنی تر باشد می توان مدل را پیچیده تر انتخاب کرد تا برازش بیشتری به داده ها داشته باشد.
۴۵- نزدم]]> طبق دفترچه F
لینک دفترچه:

مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.


۲۱- گزینه ۴ - گزینه های اول و دوم کاملا شبیه هم هستن فقط در جهت عکس. هر چند اگر قدر مطلق همبستگی خیلی بزرگ باشه یه جورایی redundancy داریم ولی به راحتی میشه مثالی زد که با وجود همبستگی هم نشه صرفنظر کرد. گزینه ۳ همبستگی با لیبل هست که اگر صفر باشه میشه حذفشون کرد.
۲۲- گزینه ۱ - به نظر غلطه چون اولی در شرایطی اصلا میتونه چگالی احتمال هم نباشه (فکر کنم یه منفی باید می گذاشت) در این صورت باید حالتی رو بگیریم که میانگین ها یکی و واریانس های یکی بیشتره. با رسم کانتور یعنی دو تا بیضی داخل هم. میشه با فرمول و اینا هم در آورد گزینه ۱ رو.
۲۳- گزینه ۲ - البته مطمئن نیستم. ولی مطمئنم که یا دو یا سه غلطه. توی SVM چشمپوشی از ویژگی نداریم. وقتی داده ها خطی جداپذیر باشن با کرنل های درجه دو به بالا هم می تونن جدا بشن که البته نمیدونم بردار پشتیبان ها هم ثابت می مونه یا نه.
۲۴- گزینه ۲- برای حالت +۱ و -۱ با سه نود میشه حلش کرد. (برای صفر و یک همون XOR هست)
۲۵- گزینه ۳
فرض کنیم y1 و y2 دو نقطه در فضای جدید باشن که هر کدوم به ترتیب مربوط به x1 و x2 باشن
[tex]\left \| y_1-y_2 \right \|^2=(y_1-y_2)^T(y_1-y_2)=\\ \left \| y_1 \right \|^2-2y_1^Ty_2 \left \| y_2 \right \|^2=2-2y_1^Ty_2\leq 2[/tex]
۲۶- گزینه ۴ - دو بیضی کاملا شبیه هم یه همچین شرایطی (مرز جداسازی خطی) رو خواهند داشت.
۲۷- گزینه ۲
[tex]A^TAx=\lambda x \Leftrightarrow AA^T(Ax)=\lambda (Ax)[/tex]
۲۸- گزینه ۲ - دو تا یک سوم میشد. دیگه حسش نیست بنویسم جواب رو...
۲۹- نزدم
۳۰- گزینه ۴
۳۱- گزینه ۱ - پاسخ رگرسیون خطی دارای فرم بسته، یکتا و بهینه عمومی است.
۳۲- نزدم. به نظر غلط می رسه سوال.
۳۳- گزینه ۴ - بعد VC خط ۳ است. دومی هم طبق قبلی غلط است.
۳۴- گزینه ۱
۳۵- گزینه ۳
۳۶- گزینه ۴
۳۷- گزینه ۴
۳۸- گزینه ۱-خیلی ساده بود.
۳۹- نزدم
۴۰- نزدم
۴۱- نزدم
۴۲- گزینه ۴ - البته مطمئن نیستم
۴۳- نزدم، ولی فکر کنم بی‌نهایت بشه
۴۴- گزینه ۱ - در دومی افزایش داده احتمال بیش‌برازش را کم می کند. خطا لزوما تخمین بدبینانه نیست. مثلا در صورت بیش‌برازش اصلا مقدار خطا خیلی کم خواهد بود. در مورد آخری هم احتمال کمتر می شود. چون هرچه فضای فرضیه غنی تر باشد می توان مدل را پیچیده تر انتخاب کرد تا برازش بیشتری به داده ها داشته باشد.
۴۵- نزدم]]> /forum/thread-9829.html Thu, 06 Sep 2012 17:35:51 +0000 /forum/thread-9829.html به نظرم اومد که بهتره با قرار دادن کتاب یا جزوه هر درس به هم برا خوندن کمک کنیم اینطوری همه لااقل 1 منبع از هر درس رو واسه خوندن در اختیار دارن]]> به نظرم اومد که بهتره با قرار دادن کتاب یا جزوه هر درس به هم برا خوندن کمک کنیم اینطوری همه لااقل 1 منبع از هر درس رو واسه خوندن در اختیار دارن]]>