سورس ها و آموزش هاي MATLAB

[ravegoat]

سورس پيوست شده مربوط به بهينه سازي چند هدفه با NSGA II است. كاربر مي تواند با تعريف دو تابع هدف (Cost Function) در فايل cf.m و تعيين پارامتر هايي نظير بازه ي تغييرات متغير هاي طراحي (به تعداد دلخواه)، طول كروموزوم، تعداد جمعيت اوليه و تعداد نسل ها در فايل main.m ، فرآيند بهينه سازي را اجرا نمايد. در نهايت برنامه Pareto Front به علاوه نقطه ي مصالحه ي طراحي (Trade-Off Point) را به كاربر نمايش مي دهد.
لازم به ذكر است كه اين سورس شامل بهينه سازي مقاوم (Robust Optimization) با ديدگاه هاي RBDO و RDO نيز است.

[ravegoat]

این سورس با استفاده از مدل Single Track یک خودرو و محاسبه ی ضریب انتقال بار (LTR) ، واژگونی (RollOver) خودرو را پیش بینی می کند.

[ravegoat]

در این بسته می توانید سورس های مفیدی را پیرامون نحوه ی طراحی فیلتر های سیگنال با متلب بیابید.

منبع

[ravegoat]

عنوان:
System Identification Toolbox 7
Reference

نویسنده:
Lennart Ljung

ناشر:
MathWorks

این کتاب مرجع کاملی برای جعبه ابزار System Identification در Simulink نرم افزار متلب محسوب می شود که در 365 صفحه به زبان انگلیسی تدوین شده است.

[ravegoat]

این آموزش خلاصه شده نحوه ی به کار گیری کتابخانه ی Open CV را در نرم افزار MATLAB نشان می دهد.

[ravegoat]

فایل پیوست شده مربوط به آموزش طراحی Filter دیجیتال با روش Butterworth در نرم افزار MATLAB است.

[arnouri]

دوست عزیز با سلام و تشکر از m-file خوبتون
یک درخواست داشتم: امکان داره لطف کنین و توضیح بدین برای بیشتر از 2 هدف چطور میشه از برنامه استفاده نمود؟

[ravegoat]

دوست عزیز با سلام و تشکر از m-file خوبتون
یک درخواست داشتم: امکان داره لطف کنین و توضیح بدین برای بیشتر از 2 هدف چطور میشه از برنامه استفاده نمود؟

با سلام!

خواهش می کنم...

دوست گرامی؛ NSGA-II فقط برای دو تا تابع هدف می تونه متغیر های طراحی رو بهینه کنه و اگر تعداد توابع هدف تون بیش تر از دو تا باشه باید از SPEA و یا MUGA استفاده کنید که متاسفانه فعلا" سورس شون رو ندارم.

موفق باشید
آرمین

[ravegoat]

کد متلب زیر الگوریتمی ساده و موثر را با پیاده سازی روش Total Variation جهت کاهش نویز سیگنال دیجیتال یک بعدی معرفی می کند:

function  [x,J]  =  denoiseTV(y,lambda,Nit)
%  [x,J]  =  denoiseTV(y,lambda,a,Nit)
%  Total  variation  filtering  (denoising)  using
%  iterative  clipping  algorithm.
%  INPUT
%     y  -  noisy  signal  (row  vector)
%     lambda  -  regularization  parameter
%     Nit  -  number  of  iterations
%  OUTPUT
%     x  -  result  of  denoising
%     J  -  objective  function
J  =  zeros(1,Nit); %  objective  function
N  =  length(y);
z  =  zeros(1,N-1); %  initialize  z
alpha  =  4;
T  =  lambda/2;
for  k  =  1:Nit
x  =  y  -  [-z(1)  -diff(z)  z(end)]; %  y  -  D’  z
J(k)  =  sum(abs(x-y).^2)  +  lambda  *  sum(abs(diff(x)));
z  =  z  +  1/alpha  *  diff(x); %  z  +  1/alpha  D  z
z  =  max(min(z,T),-T); %  clip(z,T)
end

منبع

[bmaze]

سلام
ببخشید من یه برنامه میخواستم بنویسم سوالش اینه

 
برنامه ای بنویسید که یک عدد صحیح و یک عدد طبیعی کوچکتر از 9 را به عنوان مبنا از کاربر دریافت کند و عدد خوانده شده ی اولیه را به مبنای داده شده ببرد و نتیجه را در خروجی نمایش دهد.
میشه کمکم کنید؟