در اواسط قرن بیستم نظریه پرداز روسی آندره تیخونو بر روی حل مساله «مطرح بیمار » مطالعه می کرد. در حقیقت آنها مسائل ریاضی گونه ای بودند که هیچ راه حل منحصر به فردی نداشتند زیرا اطلاعات کافی در مورد این مساله به طور ویژه وجود نداشت. این مطالعات به وسیله تیخونو در غرب شناخته شد و کتاب او در این زمینه در سال 1977 انتشار یافت. اگرچه قبل از آن دو آماردان آمریکایی آرتورهوئرل و روبرت کنارد مقاله ای را د...

کنترل پروتز عصبی به منظور بازیابی عملکرد دست افراد مبتلا به فلج در اندام‌های فوقانی، یکی از کاربردهای مهم سیستم‌های BCI می‌باشد. توانایی گرفتن اجسام، از ابتدایی‌ترین نیازها برای انجام کارهای روزانه است و برای عملکرد صحیح پروتز عصبی بدین منظور، لازم است کاربر بتواند مقدار نیروی لازم برای گرفتن اجسام را کنترل کند. به همین دلیل افزایش دقت رمزگشایی پیوسته نیرو، موضوعی مهم برای عملکرد صحیح این نوع س...

در تحقیقات مختلف معمولاً با مسائلی سر و کار داریم که با استفاده از مجموعه ای از متغیرهای توضیحی به پیش بینی رفتار یک متغیر وابسته می پردازیم. یکی از روش های آماری که کاربرد وسیعی در اینگونه مسائل دارد رگرسیون چندگانه می باشد. اما هنگامی که تعداد متغیرهای توضیحی بیشتر از حجم نمونه است مسأله هم خطی چندگانه رخ می دهد و در نتیجه رگرسیون حداقل مربعات معمولی به ایجاد برآوردهای ناپایداری از ضرایب رگرسی...

مسئله برآورد پارامترهای رگرسیونی در مدل رگرسیون خطی چندگانه هنگامی که همخطی چندگانه موجود باشد، بررسی می شود. تحت فرض نرمال، سه برآوردگر بیز تجربی شامل برآوردگر کمترین مربعات انقباضی، برآوردگر بیز تجربی سلسله مراتبی انقباضی و برآوردگر بیز تجربی تجزیه شده ارائه می شوند. برآوردگرها به ترتیب براساس روش مولفه های اصلی، برآوردگر کمترین مربعات دوگانه و با انتخاب پیشین های متفاوت برای پارامترهای مدل ر...

این پژوهش رویکردی جدید مبتنی بر منطق فازی برای پیش بینی نمرات دانشجویان در امتحانات پایان ترم و بهبود نتایج با استفاده از داده های ثبت شده در یک سیستم آموزشی تحت وب ارائه می دهد. هدف پیش بینی با روش های مبتنی بر منطق فازی در این پایان نامه، توسعه مدلی است که بتوان از یک مجموعه داده با ورودی های قطعی(از قبیل آزمون های آنلاین، کوییز، تکالیف و ...) نمره دانشجو را براساس منطق فازی استنتاج نمود. برا...

انتخاب بهترین زیرمدل یکی از بحث های مهم در مدل های رگرسیونی می باشد. هدف این روش ها این است که پیش بین های مهم و پیش بین های قابل اغماض تعیین شده و رابطه ی بین متغیر پاسخ و متغیرهای پیش بین ساده تر بیان شود. علاوه بر این دقت برآوردها و در نتیجه پیش بینی مشاهدات آینده نیز افزایش یابد. فرآیندهای انتخاب متغیر کلاسیک از قبیل انتخاب بهترین زیرمجموعه و انتخاب گام به گام، اغلب از لحاظ محاسباتی پرهزینه...

چکیده ندارد.

در تحلیل رگرسیونی ما قادریم که بین یک متغیر موردنظر به عنوان متغیر وابسته (پاسخ) و یک یا چند متغیر مستقل تعیینی (پیش بین)، رابطه ای را با تجربه معین کرده و از آن استفاده نمائیم. علاوه بر این می توانیم با استفاده از آزمون فرضهای خطی به این نتیجه برسیم که کدامیک از متغیرهای مستقل روی متغیر وابسته تاثیر دارند. می دانیم که آنالیز واریانس ، معادل رگرسیون باا متغیرهای ظاهری است . لذا در اینجا نیز با ...