کشاورزی ماشینی

مهندسی مکانیک بیوسیستم

مهندسی مکانیک بیوسیستم

امیدی ارجنکی
دکتری مهندسی مکانیک بیوسیستم

در این وبلاگ آموخته هایم را نشر می دهم.
آموزش و یاد دادن از زکات علم است.پیامبر خوبی ها حضرت محمد صلوا تالله علیه و آله فرمودند حکایت کسی که علم آموزد و از آن سخن نکند چون کسی است که گنجی نهد و از آن خرج نکند.
این روزها که دانش مهندسی ماشین ها و مکانیزاسیون کشاورزی غریب و محجور افتاده است، آموزش و بیان فایده ها و سودهای استفاده از اتوماسیون در کشاورزی شاید راهی برای تغییر نگرش بر این رشته باشد.
فارغ التحصیلان، استادان و دانشجویان رشته مهندسی مکانیک ماشین های کشاورزی بهترین متخصصان برای ارتباط علم نوین مهندسی با کشاورزی هستند. چون در این رشته انوع تخصص ها آموزش داده می شود. برق، کشاورزی، باغبانی، دامپروری، کامپیوتر، تجهیزات و ابزار اندازه گیری، علوم نوین مثل شبکه های عصبی، بینایی ماشین، انرژی های نوین که همه و همه از ملزمات توسعه کشاورزی نوین هستند.
استفاده از علم نوین در کشاورزی صد در صد باعث تولید غذای بیشتر، رفع وابستگی، تولید غذای با کیفیت تر، ارزانی محصولات و بازارپسندی و سود بیشتر می شود.
امیدوارم بتوانم گامی را برای این مهم بردارم.
از نظرات دوستان و هم رشته ای هایم در این وبلاگ استقبال خواهم کرد.
در آخر هم:
کارتان را برای خدا نکنید؛ برای خدا کار کنید!
تفاوتش فقط همین اندازه است که ممکن است حسین (علیه السلام) در کربلا باشد و من در حال کسب علم برای رضایت خدا ...!
شهید سید مرتضی آوینی

آخرین نظرات

یادگیری درخت تصمیم گیری، Learning Decision Tree

دوشنبه, ۲۱ اسفند ۱۳۹۱، ۰۸:۲۱ ق.ظ

اخیراً به لطف دکتر مهدی قاسمی، در حضور در کلاس هوش مصنوعی ایشان به عنوان مستمع آزاد، یک ارائه ای در این کلاس داشتم در مورد درخت تصمیم گیری، که در این پست محتوای اسلایدهایم را برایتان می گذارم.

همچنین لینک دانلود نرم افزاری که در کلاس در این مورد ارائه کردم هم در انتهای پست قرار دادم.


اما درخت تصمیم گیری ....

درخت تصمیم یکی از ابزارهای متداول برای دسته بندی و پیش بینی است. تولید یک درخت تصمیم روش کار آمدی برای ایجاد رده بندها یا طبقه بندی کننده ها بر روی داده هاست. این درخت با بکارگیری یک استراتژی بالا به پایین به ایجاد آزمون بر روی هر گره میپردازد. با توجه به ساختار بالا به پایین درخت تصمیم اولین آزمون در گره ریشه که بالاترین گره در درخت است اتفاق می افتد به این صورت که یک رکورد جدید که برچسب کلاس آن نامشخص است در گره ریشه وارد میشود و در این گره یک آزمون صورت میگیرد تا معلوم شود که این رکورد به کدام یک از گره های فرزند تعلق دارد. این فرایند انقدر ادامه پیدا میکند تا رکورد جدید به گره ی برگ برسد. هر گره ی برگ در درخت تصمیم معرف یک برچسب کلاس یا یک دسته ی مشخص میباشد، بنابراین تمام رکورد هایی که به یک برگ از درخت میرسند در یک دسته قرار میگیرند. نمونه ای از درخت تصمیم را در شکل زیر مشاهده می کنید.

decision tree


درخت تصمیم در شکل بالا مفهوم خرید رایانه را نشان میدهد، اینکه آیا یک مشتری در یک فروشگاه محصولات رایانه ای علاقه مند به خرید کامپیوتر است یا خیر؟

همانطور که در شکل دیده میشود این درخت دارای دو برچسب کلاس متمایز yes و no در برگهای خود می باشد.

روشهای متفاوتی برای ایجاد درخت تصمیم وجود دارد. یکی از روش های معمول برای ایجاد درخت روشی است که در آن گره های بالایی به تعدادی زیر گره انشعاب می یابد و هر گره به دو گره ی پایین تر شکسته میشود که اصطلاحاً به آن درخت دودویی میگویند.



نظرات  (۰)

هیچ نظری هنوز ثبت نشده است

ارسال نظر

ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی