انجام پروژه های شبکه عصبی برای یادگیری تابع طبقه بندی خوشه بندی و پیش بینی سری های زمانی

انجام و آموزش کلیه مراحل پروزه های شبکه عصبی و هوش مصنوعی
یک پروژه پژوهشی، تحقیقاتی یا دانشگاهی و یا پایان نامه در زمینه شبکه عصبی شامل قسمت های زیر می باشد :
1- آماده سازی داده ها (شامل نرمال سازی و تقسیم داده ها به داده های آموزشی و تست)
2- انتخاب نوع شبکه عصبی با توجه به نوع مسئله (مثلا شبکه های پیش خور یا feed forward برای یادگیری تابع و som یا self organizing map که نقشه های خود سامانده نامیده می شود برای خوشه بندی داده ها) mlp rbf hopfield recurrent
3- یافتن بهترین توپولوژی و تعداد مناسب نرون های لایه ی مخفی یا نرون ها توپولوژی
4- آموزش شبکه عصبی
5- بررسی و آزمون نتایج (MSE RMSE SSE MAE MAPE SCP R2 )
6- نمودار ها و جداول (شامل نتیجه پیش بینی داده ها و صحت ها و همچنین مشخصات شبکه مورد استفاده)

در صورتی که داده های مناسب را جمع آوری نموده اید، انجام پروژه و سپس آموزش کار با کد نوشته شده به شما در کمتر از یک هفته قابل انجام می باشد. کد نویسی با نرم افزار MATLAB انجام می شود. و هم با استفاده از toolbox و هم بدون استفاده از تولباکس امکان پذیر است.
همچنین می توان از ترکیب روش های بهینه سازی با شبکه های عصبی نیز برای بهبود نتایج استفاده نمود.
نتایج قابل مقایسه با الگوریتم های رقیب مثل نورو فازی یا انفیس anfis و رگرسیون های بردار پشتیبان svr و یا روش های آماری مثل آریما قابل انجام می باشد.
با سابقه انجام ده ها پروژه در زمینه های :
- پیش بینی متغیر های مالی مانند قیمت طلا و دلار و قیمت سهام و شاخص و ترکیب با روش های آماری و یا اندیکاتور های تحلیل تکنیکال، قابل مدل سازی با استفاده از داده های کلان و داده های مالی و رفتاری و قابل استفاده در بهینه سازی سبد سهام
- پیش بینی دبی رودخانه، سرعت وزش باد، تابش خورشید، تقاضای مشتری مصرف گاز و انرژی
- طبقه بندی با استفاده از شبکه عصبی ، تشخیص بیماری ، ریسک اعتباری مشتریان بانکی تشخیص تقلب
- خوشه بندی مشتریان بانک ها و شرکت های بیمه با استفاده از som
کارشناس ارشد دانشگاه تهران و مدرس دوره های هوش مصنوعی در دانشکده فنی دانشگاه تهران، دانشکده اقتصاد دانشگاه تهران، دانشگاه تربیت مدرس