دوره تکنیک‌های فیلترسازی و هموارسازی در مدل‌های خودرگرسیونی سری‌های زمانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های فیلترسازی و هموارسازی در مدل‌های خودرگرسیونی سری‌های زمانی

موضوع کلی: اقتصادسنجی علّی و تحلیل سری‌های زمانی

موضوع میانی: فرآیندهای خودرگرسیونی (AR)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن
• 2. مفاهیم پایه فیلترسازی سیگنال
• 3. هموارسازی ساده و میانگین متحرک
• 4. روش‌های فیلترسازی خطی
• 5. فیلترهای میانگین وزنی
• 6. فیلترهای نمایی
• 7. انتخاب طول پنجره هموارسازی
• 8. تحلیل طیفی سری‌های زمانی
• 9. تبدیل فوریه و کاربرد آن در فیلترسازی
• 10. تبدیل موجک و کاربرد آن در فیلترسازی
• 11. فیلترهای دیجیتال FIR
• 12. طراحی فیلترهای FIR با استفاده از روش پنجره
• 13. فیلترهای دیجیتال IIR
• 14. طراحی فیلترهای IIR با استفاده از روش تبدیل
• 15. فیلترهای بیضوی، باترورث و چبیشف
• 16. تحلیل پایداری فیلترها
• 17. اعوجاج فاز و روش‌های تصحیح آن
• 18. فیلترهای تطبیقی
• 19. فیلتر کالمن و کاربرد آن
• 20. فیلتر وینر و کاربرد آن
• 21. تکنیک‌های پیش‌بینی سری‌های زمانی
• 22. مدل‌های خودرگرسیونی (AR)
• 23. مدل‌های میانگین متحرک (MA)
• 24. مدل‌های خودرگرسیونی میانگین متحرک (ARMA)
• 25. مدل‌های خودرگرسیونی یکپارچه میانگین متحرک (ARIMA)
• 26. انتخاب مرتبه مدل‌های ARMA/ARIMA
• 27. تخمین پارامترهای مدل‌های ARMA/ARIMA
• 28. آزمون‌های بررسی برازش مدل
• 29. پیش‌بینی با استفاده از مدل‌های ARIMA
• 30. فیلترسازی و هموارسازی در مدل‌های ARIMA
• 31. کاربرد فیلترهای هموارساز در پیش‌بینی
• 32. مدل‌های فیلتر کالمن برای سری‌های زمانی غیرخطی
• 33. فیلترهای ذره‌ای (Particle Filters)
• 34. هموارسازی با استفاده از فیلترهای ذره‌ای
• 35. فیلترسازی و هموارسازی در داده‌های مالی
• 36. فیلترسازی و هموارسازی در داده‌های هواشناسی
• 37. فیلترسازی و هموارسازی در داده‌های زیستی
• 38. فیلترسازی و هموارسازی در داده‌های ترافیکی
• 39. تحلیل حساسیت پارامترهای فیلتر
• 40. بهینه‌سازی فیلترها با استفاده از الگوریتم‌های ژنتیک
• 41. ارزیابی عملکرد فیلترها
• 42. معیارهای ارزیابی فیلترها (MSE, MAE, RMSE)
• 43. مقایسه روش‌های مختلف فیلترسازی
• 44. پیاده‌سازی فیلترها در MATLAB
• 45. پیاده‌سازی فیلترها در Python
• 46. کاربرد فیلترها در حذف نویز
• 47. فیلترهای میانه و کاربردهای آن
• 48. فیلترهای رتبه ای
• 49. فیلترهای مورفولوژیکی
• 50. تکنیک‌های پیش‌پردازش داده برای فیلترسازی
• 51. مقابله با داده‌های گمشده در سری‌های زمانی
• 52. تشخیص و حذف داده‌های پرت
• 53. نرمال‌سازی و مقیاس‌بندی داده‌ها
• 54. تبدیل داده‌های غیرایستا به ایستا
• 55. فیلترهای مبتنی بر تبدیل هیلبرت
• 56. کاربرد فیلترها در تحلیل لرزه‌ای
• 57. فیلترسازی و هموارسازی داده‌های تصویر
• 58. فیلترهای جهت‌دار و کاربرد آن‌ها
• 59. فیلترهای دو بعدی و سه بعدی
• 60. فیلترهای واریانس متغیر
• 61. فیلترسازی و هموارسازی در سیستم‌های کنترل
• 62. فیلترهای بی‌درنگ (Real-time Filters)
• 63. فیلترهای سازگار (Adaptive Filters) در سیستم‌های بی‌درنگ
• 64. طراحی و پیاده‌سازی فیلترهای سفارشی
• 65. چالش‌ها و محدودیت‌های فیلترسازی سری‌های زمانی