شناسايي الگو

نشانه‌های سجاوندی

عجب سازنده ی این علامت عرب دولاب است



فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند.

ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد. (+)

درس های ارائه شده در این آموزش منطبق با سرفصل های وزارت علوم جهت مقطع کارشناسی ارشد هوش مصنوعی است و البته سعی شده است از مجموعه مطالب آن دسته انتخاب شود که محتوا و نحوه ارائه آنها با ساختار ارائه غیر حضوری بیشترین سازگاری را داشته باشید. این مباحث در سطحی طراحی شده است که علاوه بر ارائه مهم ترین مباحث برای افرادی از سایر رشته ها که علاقه مند کار در این حوزه و انجام طرح ها و پایان نامه های مرتبط باشند نیز ابزار را به درستی و کفایت معرفی نماید. از این رو در مقام تفاوت با ارائه دانشگاهی صرف این درس، در این آموزش مجموعه ای از مثال ها و تمرین های مرتبط نیز ارائه می شود و همچنین با برخی از ابزارهای نرم افزار MATLAB نیز آشنایی ارائه می گردد. در نهایت درسی نیز تحت عنوان مباحث پیشرفته در بازشناسی الگو نیز در تکمیل مباحث آموزش فعلی ارائه خواهد شد.

شناسايي الگو

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

بخشی از هوشمند سازی سیستم ها در ایجاد توانایی در آن ها برای تفکیک و دسته بندی الگوهاست. شناسایی الگو یکی از مهم ترین مباحث در زمینه هوش مصنوعی است و طیف وسیعی از مسائل و کاربردها را در بر می گیرد. از این رو مبحث شناسایی الگو در کنار درس یادگیری ماشین از جمله مهم ترین دروس مقطع کارشناسی ارشد است که دیدگاه خوبی در زمینه استفاده از روش های آماری و ریاضی در مدل سازی الگوها و روابط بین آنها با هدف دسته بندی آنها فراهم می نماید. این مبحث دارای کاربردهای فراوانی در حوزه های مختلف از جمله کاربردهای حفاظتی و امنیتی، ایجاد واسط کاربری برای سیستم های کامپیوتری جهت سهولت استفاده از این سیستم ها، ایجاد واسط برای افراد معلول و ناتوان، استفاده در کاربردهای تشخیص پزشکی، ارائه برنامه های کاربردی پردازش تصویر و گفتار و … می باشد.

درس های ارائه شده در این آموزش منطبق با سرفصل های وزارت علوم جهت مقطع کارشناسی ارشد هوش مصنوعی است و البته سعی شده است از مجموعه مطالب آن دسته انتخاب شود که محتوا و نحوه ارائه آنها با ساختار ارائه غیر حضوری بیشترین سازگاری را داشته باشید.

این مباحث در سطحی طراحی شده است که علاوه بر ارائه مهم ترین مباحث برای افرادی از سایر رشته ها که علاقه مند کار در این حوزه و انجام طرح ها و پایان نامه های مرتبط باشند نیز ابزار را به درستی و کفایت معرفی نماید. از این رو در مقام تفاوت با ارائه دانشگاهی صرف این درس، در این آموزش مجموعه ای از مثال ها و تمرین های مرتبط نیز ارائه می شود و همچنین با برخی از ابزارهای نرم افزار MATLAB نیز آشنایی ارائه می گردد. در نهایت درسی نیز تحت عنوان مباحث پیشرفته در بازشناسی الگو نیز در تکمیل مباحث آموزش فعلی ارائه خواهد شد.

سارا
:

با عرض سلام.
من بی صبرانه منتظر انتشار این مجموعه هستم.
متشکرم.

حمید
:

سلام و عرض خسته نباشید.
ممنون میشم اگه انتشار این مجموعه رو تسریع ببخشید.
با تشکر.

ایمان
:

از اینکه بالاخره فرادرس آموزشی برای شناسایی الگو برنامه ریزی کرد بسیار خوشحالم، برای انتشار این آموزش لحظه شماری خواهم کرد.

سجاد
:

آقا زودتر.
یک دنیا سپاس.

مهدی
:

سلام درس واقعا خوب و کاربردیی است برای تمام رشته ها مهندسی. انشالله که سریعتر و با کیفیت خوب ارایه شود.

حسن
:

سلام.
لطفا زودتر این اموزش رو شروع کنید و لطفا برنامه نویسی هم بخشی ازش باشه چون اصلا بدون برنامه نویسی ( مثلا تو متلب) این ها قابل درک نیستن. واقعا من خودم این درسو رو داشته ام، حتما برنامه نویسی هم جزو اش باشه.
یک دنیا ممنون.

زهره
:

سلام و عرض خسته نباشید.
ممنون میشم اگه انتشار این مجموعه رو تسریع ببخشید.
با تشکر.

سامان
:

سلام. بی صبرانه منتظر این آموزش هستم.

حسن
:

سلام.

اگر میشه این آموزش رو لطفا سریع تر شروع کنید و مدرسش هم حرفه ای باشه. حداقل توی حوزه دیتا ساینس و اینا کار کرده باشن که ما هم یاد بگیریم ازشون و اسلاید های زیادی هم داشته باشن که اسلایدها هم گنجینه ای ارزشمند باشه همراه تهیه این مجموعه.

ممنون از تلاش شما برای بهبود جامعه علمی و گسترش دانش از راه های مدرن تر.

ایمانی
:

سلام و عرض خسته نباشید.
ممنون میشم اگر سریع تر شروع کنید.
با تشکر.

محمد
:

سلام. خسته نباشید.

اگر میشه مدرسی که آموزش رو به عهده میگیره، اگر مقالات خوبی هم خوندن حتما اونا ها رو هم توی آموزش بگنجونن. این آموزش حتی اگر ۶۰ ساعت هم باشه ولی مطالب روز رو هم پوشش بده خیلیییییی ارزش داره، مخصوصا برای بچه های هوش مصنوعی که در به در دنبال چنین منابعی هستن.

اگر svm چند کلاسه و libsvm و svm های پیشرفته تر و شبکه های باور بیز و بیزین به صورت عددی هم باشه خیلی فوق العاده میشود.

منتظر هستیم که آموزش شروع بشه.

شناسايي الگو

نگین
:

اقا زووود منتشر کنیدد دیگه ه ه…لطفااااا.مرسی

احمد
:

سلام منتشر کنید ممنونم

احسان
:

خیلی خیلی به این دوره نیاز دارم. علاوه بر پایان نامه کاربردهای بسیار زیادی در اپلیکشن نویسی های مدرن داره. خواهش میکنم زودتر این دوره مفید را منتشر کنید.

عادل
:

ممنون از زحمات شما
لطفا سریع منتشر کنیدددد…شدیدا نیاز داریم بهش

نرگس
:

من هم منتظر انتشار این مجموعه هستم و شدیدا نیاز دارم .

saeid
:

خواهشا سریعتر

سمیرا
:

لطفا سریع منتشر کنید

جواد
:

لطفا انتشار بدید بی صبرانه منتظرم

توحید
:

منتظریم

سما
:

با سلام
خواهش می کنیم سریعتر نشر دهید. منتظریم

هادی
:

خیلی آموزش مفیدی می تونه باشه بی صبرانه منتظر انتشار این آموزش هستم

جهانی
:

باتوجه به فهرست مطالبش میتونه خیلی مفید باشه، دیدن آموزش این درس خیلی به من کمک خواهد کرد انشالله

دوست حسینی
:

با سلام من برای کنکور دکترا ۹۷ گرایش هوش مصنوعی این مجموعه را نیاز دارم. لطفا سریع تر منتشر فرمایید تا فرصت استفاده را داشته باشیم.

حجت ترابی
:

با درود به مجموعه فرادرس

سپاس بابت تنظیم و تلاش جهت ارائه‌ی این فرادرس
سرفصل‌ها به خوبی تنظیم شده‌اند، فقط خواهشی که دارم و فکر میکنم درخواست تمامی اشخاصی هم باشه که به این فرادرس نیاز دارن، در انتخاب مدرس دقت کافی و لازم رو بفرمائید

منتظر ارائه‌ی این فرادرس هستیم

سپاس و تشکر فراوان

وحید
:

با سلام و خسته نباشید.
جون هرکی دوست دارین زودتر این مجموعه را درست کنید . خیلی بهش نیاز دارم

منیره
:

با سلام و خدا قوت به مجموعه آموزشی فرادرس
با توجه به آنکه این درسی یکی از درسهای اساسی و پایه رشته هوش مصنوعی و رشته مهندسی پزشکی است.
همه دانشجویان و کسانی که جویای علم هستند منتظر انتشار آن می باشند.
مدت ها است که این صفحه را مشاهده می کنم و هیچ خبری از انتشار آن نیست، لطفا هر چI سریع تر این آموزش را منتشر کنید.

شیما
:

با سلام

لطفا روند ارائه تسریع گردد
سپاس فراوان

مجتبی
:

من تا دیدم این آموزشو کلی ذوق مرگ شدم خوب بزارینش دیگه دیر میشه ها

مجتبی
:

سلام. خسته نباشید.

اگر میشه مدرسی که آموزش رو به عهده میگیره، اگر مقالات خوبی هم خوندن حتما اونا ها رو هم توی آموزش بگنجونن. این آموزش حتی اگر ۶۰ ساعت هم باشه ولی مطالب روز رو هم پوشش بده خیلیییییی ارزش داره، مخصوصا برای بچه های هوش مصنوعی که در به در دنبال چنین منابعی هستن.

اگر svm چند کلاسه و libsvm و svm های پیشرفته تر و شبکه های باور بیز و بیزین به صورت عددی هم باشه خیلی فوق العاده میشود.

منتظر هستیم که آموزش شروع بشه.

حسین
:

لطفا هر چه سریع تر انتشار بدین
ما دانشجویان ارشد وقت زیادی نداریم تا میان ترم

امیرحسین
:

امیدوارم مثل بقیه آموزش های فرادرس خفن باشه

فقط زودتر منتشرش کنید

مریم
:

منتظر انتشار هر چه زودتر این ویدیو هستیم. فقط امیدوارم قیمتش هم مناسب باشه

علی
:

بیصبرانه منتظر انتشار هر چه سریعتر این آموزش هستم.

hamid
:

سلام
لطفا به صورت مشروح و جزء به جزء همچون سایر آموزشها اما با جزئیات بیشتر و مثالهای بیشتر تهیه بفرمایید تا کارایی بیشتر و فهم راحت تر داشته باشد.
سپاس

مجتبی
:

بیصبرانه منتظر انتشار هر چه سریعتر این آموزش هستم.

نظر شما در مورد این فرادرس چیست؟

امتیاز شما به این آموزش:

Not Selected
امتیاز …
عالی
خوب
متوسط
ضعیف
خیلی ضعیف

نام *

ای-میل *

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

تماس با فرادرس

عضویت در خبرنامه فرادرس
Please leave this field empty.

صفحات

فرادرس

سازمان علمی و آموزشی «فرادرس» (Faradars) از قدیمی‌ترین وب‌سایت‌های یادگیری آنلاین است که توانسته طی بیش از ده سال فعالیت خود بالغ بر ۱۰۰۰۰ ساعت آموزش ویدیویی در قالب فراتر از ۱۰۰۰ عنوان علمی، مهارتی و کاربردی را منتشر کند و به بزرگترین پلتفرم آموزشی ایران مبدل شود.

فرادرس با پایبندی به شعار «دانش در دسترس همه، همیشه و همه جا» با همکاری بیش از ۸۵۰ مدرس برجسته در زمینه‌های علمی گوناگون از جمله آمار و داده‌کاوی، هوش مصنوعی، برنامه‌نویسی، طراحی و گرافیک کامپیوتری، آموزش‌های دانشگاهی و تخصصی، آموزش نرم‌افزارهای گوناگون، دروس رسمی دبیرستان و پیش دانشگاهی، آموزش‌های دانش‌آموزی و نوجوانان، آموزش زبان‌های خارجی، مهندسی برق، الکترونیک و رباتیک، مهندسی کنترل، مهندسی مکانیک، مهندسی شیمی، مهندسی صنایع، مهندسی معماری و مهندسی عمران توانسته بستری را فراهم کند تا افراد با شرایط مختلف زمانی، مکانی و جسمانی بتوانند با بهره‌گیری از آموزش‌های با کیفیت، به روز و مهارت‌محور همواره به یادگیری بپردازند. شما هم با پیوستن به جمع بزرگ و بالغ بر ۲۷۰ هزار نفری دانشجویان و دانش‌آموزان فرادرس و با بهره‌گیری از آموزش‌های آن، می‌توانید تجربه‌ای متفاوت از علم و مهارت‌آموزی داشته باشید. تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند.

مشاهده بیشتر

رایانه‌ها عکس‌ها و ویدیوها را به‌شکلی که انسان‌ها می‌بینند، «مشاهده» نمی‌کنند. وقتی به عکسی نگاه می‌کنید، ممکن است بهترین دوست خود را در حالی که جلوی خانه‌اش ایستاده ببینید. از دیدگاه رایانه، این تصویر تنها یک بسته داده‌ است که رایانه آن را به عنوان اشکال و اطلاعات مربوط به مقادیر رنگ تفسیر می‌کند. باوجوداینکه واکنش رایانه هنگام دیدن عکس مانند واکنش شما نیست، می‌توان آن را به‌گونه‌ای آموزش داد که الگوهای مشخص رنگ و شکل را تشخیص دهد. برای مثال، می‌توان رایانه را به‌گونه‌ای آموزش داد که الگوهای رایج شکل‌ها و رنگ‌های تشکیل‌دهنده تصویر دیجیتال منظره‌ای مانند ساحل یا شیئی مانند خودرو را تشخیص دهد. این فناوری به Google Photos کمک می‌کند عکس‌هایتان را سازماندهی کند و به کاربران اجازه می‌دهد عکس‌ها را با جستجوی ساده‌ای پیدا کنند.

همچنین می‌توان به رایانه آموزش داد تا الگوهای رایج شکل‌ها و رنگ‌های تشکیل‌دهنده تصویر دیجیتال چهره را تشخیص دهد. این روند به‌عنوان تشخیص چهره شناخته می‌شود و فناوری‌ای است که به Google کمک می‌کند از حریم خصوصی شما در سرویس‌هایی مانند «نمای خیابان» محافظت کند؛ در این سرویس‌ها رایانه‌ها چهره‌ افرادی را که ممکن است هنگام عبور خودروی متعلق به «نمای خیابان» در خیابان ایستاده‌ باشند تشخیص می‌دهند و تار می‌کنند.

با استفاده از عملکردی کمی پیشرفته‌تر، همان فناوری تشخیص الگو که تشخیص چهره را ممکن می‌سازد می‌تواند به رایانه کمک کند مشخصات چهره‌ای را که تشخیص داده است استنتاج کند. برای مثال، می‌توان از الگوهای مشخصی استفاده کرد که نشان می‌دهند چهره‌ای لبخند می‌زند یا چشمان آن بسته است. اطلاعاتی از این قبیل را می‌توان برای کمک به ویژگی‌هایی مانند توصیه فیلم و سایر جلوه‌های ایجادشده از عکس‌ها و ویدیوهای شما در Google Photos استفاده کرد.

فناوری مشابهی ویژگی گروه‌بندی چهره موجود در Google Photos را در برخی از کشورها ارائه می‌دهد که به رایانه‌ها کمک می‌کند چهره‌های مشابه را شناسایی و آن‌ها را با یکدیگر گروه‌بندی کنند تا جستجو و مدیریت عکس‌های کاربران را برایشان آسان‌تر کند. درباره گروه‌بندی چهره در مرکز راهنمای Google Photos بیشتر بخوانید.

با جستجوی گفتاری می‌توانید در برنامه کلاینت جستجوی Google در دستگاه، به‌جای تایپ کردن، پرسمانی صوتی انجام دهید. این ویژگی از تشخیص الگو استفاده می‌کند تا واژه‌های شفاهی را به‌صورت نوشتار کتبی ترانویسی کند. گفتگوها به سرورهای Google ارسال می‌شوند تا آنچه شما گفته‌اید تشخیص داده شود.

شناسايي الگو

برای پرسمان‌های صوتی انجام‌شده در «جستجوی گفتاری»، زبان، کشور و حدس سیستم درباره آنچه گفته شده است ذخیره می‌شود. اگر برای این‌گونه استفاده از داده رضایت داده باشید، گفتگوها را برای بهبود سرویس‌هایمان (از جمله برای آموزش سیستم جهت تشخیص بهتر عبارت جستجوی صحیح) حفظ می‌کنیم. ما هیچ‌ گفتگویی را به Google ارسال نمی‌کنیم مگر اینکه مشخص کرده باشید قصد دارید ازعملکرد «جستجوی گفتاری» استفاده کنید (برای مثال فشار دادن نماد میکروفون در نوار جستجوی سریع یا در صفحه‌کلید مجازی یا گفتن «Google» وقتی نوار جستجوی سریع نشان می‌دهد که عملکرد «جستجوی گفتاری» دردسترس است).

Pattern recognition is the process of classifying input data into objects or classes based on key features. There are two classification methods in pattern recognition: supervised and unsupervised classification.

Pattern recognition has applications in computer vision, radar processing, speech recognition, and text classification.

The supervised classification of input data in the pattern recognition method uses supervised learning algorithms that create classifiers based on training data from different object classes. The classifier then accepts input data and assigns the appropriate object or class label.

In computer vision, supervised pattern recognition techniques are used for optical character recognition (OCR), face detection, face recognition, object detection, and object classification.

Face detection (left) and stop sign detection (right) using cascade classifiers. See example and tutorial for details.

شناسايي الگو

Detecting people using support vector machines (SVM) and HOG feature extraction. See documentation for details.

The unsupervised classification method works by finding hidden structures in unlabeled data using segmentation or clustering techniques. Common unsupervised classification methods include:

In image processing and computer vision, unsupervised pattern recognition techniques are used for object detection and image segmentation.

Detecting moving objects by classifying image pixels in into foreground (white pixels) and background (black pixels) using Gaussian mixture models. See example for details.

Color-based image segmentation using k-means clustering.

For details, see Computer Vision Toolbox™, Image Processing Toolbox™, and Statistics and Machine Learning Toolbox™, which are used with MATLAB®.

See also:

Deep Learning,

object detection,

object recognition,

image recognition,

face recognition,

feature extraction,

image segmentation,

machine learning,

pattern recognition videos,

point cloud,

deep learning

In this course, you’ll determine how to use unsupervised learning techniques to discover features in large data sets and supervised learning techniques to build predictive models.

Choose a web site to get translated content where available and see local events and
offers. Based on
your location, we recommend that you select: .

You can also select a web site from the following list:

Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.

Contact your local office

Accelerating the pace of engineering and science

MathWorks is the leading developer of mathematical computing software for engineers and scientists.

Discover…

© 1994-2019 The MathWorks, Inc.

Join the conversation

Dishware: general design color, trim color, backstamp info – words, numbers, symbols…

Glassware: body color, stem color if different, trim color

Silverware/Hollowware: metal type if known, backstamp info – words, numbers, symbols…

Collectibles: year, certificates, box included

To use our services, please provide your contact information below. Please be assured that we are dedicated to protecting your privacy. Privacy Policy

شناسايي الگو

We’re sorry – your browser doesn’t support the Pattern Identification Request Form. Please follow the directions below to send us images of your pattern.

Please email your images to research@replacements.com

Please include the following in your email. If you don’t know the following, that’s ok! Anything you can provide may help us identify your piece.

Version: 20190214.0

* The agree to terms and conditions box must be checked.

* Please add at least one pattern before submitting.

* Please complete the required fields in each pattern before submitting.

Upload images of your pattern to the right. In most cases, an image of the entire front of the item and a close-up of the backstamp will do (help with images).
Please measure the piece and add the measurement to the comments below the image. (help with measurements)

Add information about your pattern below. If you don’t know something, no problem! Anything you do know may help us identify your pattern, such as when/where it was bought, its age, and anything not clear in the image.

* Please upload at least one image in pattern

To receive an Offer to Purchase for this pattern, please provide either:

Upload images to the right. Most helpful: an image of front of item, and a close-up of any markings on back or bottom (help with images).

* Please upload at least one image in pattern

* Please fill in the brand name and pattern name or upload at least one image in pattern

Brand: Spode

Pattern Name: Christmas Tree

Pattern Code: SP CHT

* Please search and select a pattern for pattern

Add information about your pattern below. To send an Offer to Purchase we will need to know the Brand and Pattern name. If you do not know this information you may upload an image below.

If we can make an offer for your item(s) the offer will include a list of the items we are purchasing along with prices per piece.

Please be aware that many manufacturers have multiple patterns with the same or similar name.

If you would like to include an image to confirm your pattern identification, you may upload it below.

In most cases, an image of the entire front of the item and a close-up of the backstamp will do (help with images).
Please measure the piece and add the measurement to the comments below the image. (help with measurements)

* Please upload at least one image in pattern