کتاب تشخیص ناهنجاری در تصاویر ابرطیفی با یادگیری دیکشنری

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص ناهنجاری در تصاویر ابرطیفی با یادگیری دیکشنری

موضوع کلی: هوش مصنوعی و پردازش تصاویر

موضوع میانی: پردازش تصاویر ابرطیفی و تشخیص ناهنجاری

📋 سرفصل‌های دوره

  • 1. مبانی تصاویر ابرطیفی و ساختار داده‌های طیفی
  • 2. مکعب داده ابرطیفی و نمایش پیکسل‌های طیفی
  • 3. ویژگی‌های طیفی و مکانی در تصاویر ابرطیفی
  • 4. چالش‌های تشخیص ناهنجاری در تصاویر ابرطیفی
  • 5. تعریف ناهنجاری و تفاوت آن با اهداف معمولی
  • 6. مدل‌سازی پس‌زمینه و اهداف نادر در تصاویر ابرطیفی
  • 7. روش‌های آماری پایه برای تشخیص ناهنجاری
  • 8. معیارهای فاصله و شباهت طیفی
  • 9. مقدمه‌ای بر یادگیری دیکشنری
  • 10. دیکشنری، اتم‌ها و کدهای تنک
  • 11. مدل بازسازی تنک و نمایش داده
  • 12. فرمول‌بندی مسئله یادگیری دیکشنری
  • 13. مقایسه یادگیری دیکشنری با PCA و روش‌های زیرفضایی
  • 14. مبانی Sparse Coding در داده‌های ابرطیفی
  • 15. بهینه‌سازی کدهای تنک با L1 و روش‌های مشابه
  • 16. یادگیری دیکشنری با روش K-SVD
  • 17. یادگیری آنلاین دیکشنری برای داده‌های بزرگ
  • 18. انتخاب اندازه مناسب دیکشنری
  • 19. ساخت دیکشنری پس‌زمینه از داده‌های ابرطیفی
  • 20. نمایش پیکسل‌های عادی با دیکشنری پس‌زمینه
  • 21. مدل‌سازی ناهنجاری با اتم‌های دیکشنری
  • 22. تفکیک مؤلفه‌های پس‌زمینه و ناهنجاری
  • 23. معیار خطای بازسازی برای تشخیص ناهنجاری
  • 24. Residual-Based Anomaly Detection
  • 25. استفاده از Sparse Reconstruction Error برای امتیازدهی ناهنجاری
  • 26. مدل‌های کم‌رتبه و تنک در تشخیص ناهنجاری
  • 27. یادگیری دیکشنری تفکیک‌پذیر برای پس‌زمینه و ناهنجاری
  • 28. دیکشنری‌های ساختاریافته برای داده‌های ابرطیفی
  • 29. ادغام اطلاعات مکانی و طیفی در یادگیری دیکشنری
  • 30. همسایگی فضایی و پچ‌های ابرطیفی
  • 31. یادگیری دیکشنری مبتنی بر پچ‌های مکانی ـ طیفی
  • 32. کاهش اثر نویز در فرآیند یادگیری دیکشنری
  • 33. مقابله با داده‌های پرت هنگام آموزش دیکشنری
  • 34. تنظیم پارامترهای Sparse Coding
  • 35. تنظیم پارامترهای یادگیری دیکشنری
  • 36. انتخاب آستانه برای تشخیص ناهنجاری
  • 37. ساخت نقشه ناهنجاری از امتیازهای پیکسل‌ها
  • 38. نرمال‌سازی و کالیبراسیون نقشه ناهنجاری
  • 39. مقایسه روش‌های دیکشنری‌محور با RX و نسخه‌های آن
  • 40. ترکیب RX با نمایش تنک
  • 41. مقایسه روش‌های کم‌رتبه، تنک و دیکشنری‌محور
  • 42. تشخیص ناهنجاری بدون نمونه آموزشی برچسب‌دار
  • 43. تشخیص ناهنجاری با دیکشنری یادگرفته‌شده از تصویر
  • 44. یادگیری دیکشنری تطبیقی برای تصاویر متنوع
  • 45. به‌روزرسانی دیکشنری در محیط‌های غیرایستا
  • 46. مقابله با تغییرات طیفی پس‌زمینه
  • 47. مقابله با تغییرات روشنایی و شرایط تصویربرداری
  • 48. کاهش پیچیدگی محاسباتی الگوریتم‌های دیکشنری
  • 49. پیاده‌سازی الگوریتم‌های Sparse Coding با Python
  • 50. پیاده‌سازی یادگیری دیکشنری با NumPy و Scikit-learn
  • 51. پیش‌پردازش و آماده‌سازی داده‌های ابرطیفی
  • 52. مدیریت ابعاد بالای داده‌های ابرطیفی
  • 53. انتخاب باند و کاهش ابعاد پیش از یادگیری دیکشنری
  • 54. پیاده‌سازی خط لوله کامل تشخیص ناهنجاری
  • 55. ارزیابی عملکرد با ROC و AUC
  • 56. معیارهای Detection Probability و False Alarm Rate
  • 57. ارزیابی Precision، Recall و F1 در تشخیص ناهنجاری
  • 58. تحلیل اثر عدم توازن شدید کلاس‌ها
  • 59. انتخاب مجموعه‌داده‌های استاندارد ابرطیفی
  • 60. طراحی آزمایش برای مقایسه الگوریتم‌ها
  • 61. تحلیل حساسیت نسبت به پارامترهای مدل
  • 62. تحلیل حساسیت نسبت به اندازه دیکشنری
  • 63. تحلیل حساسیت نسبت به میزان تنکی
  • 64. تحلیل حساسیت نسبت به نویز و کیفیت داده
  • 65. تحلیل خطا و بررسی موارد مثبت و منفی کاذب
  • 66. ترکیب چند دیکشنری برای نمایش چندگانه پس‌زمینه
  • 67. یادگیری دیکشنری غیرمنفی برای داده‌های طیفی
  • 68. مدل‌های Robust Dictionary Learning
  • 69. یادگیری دیکشنری با قیود ساختاری
  • 70. روش‌های مبتنی بر Dictionary Pair
  • 71. یادگیری دیکشنری عمیق و ارتباط آن با روش‌های کلاسیک
  • 72. ارتباط Dictionary Learning با Autoencoderها
  • 73. استفاده از مدل‌های یادگیری عمیق برای بهبود تشخیص ناهنجاری
  • 74. ترکیب یادگیری دیکشنری با روش‌های یادگیری نیمه‌نظارتی
  • 75. طراحی یک سامانه عملی تشخیص ناهنجاری ابرطیفی
  • 76. بهینه‌سازی نهایی مدل برای داده‌های واقعی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.