. فرض کنید بخواهیم یک آرایه را به صورت زیر پر کنیم:

a = rand(10,1000000);
b = zeros(10,1000000);
parfor i=1:10
    b(i,:) = fft(a(i,:));
end

از آنجایی که هر سطر از خروجی در مکان های مستقل و جدایی ذخیره می شوند می توان این کار را به صورت موازی انجام داد. برای این که متوجه بشوید هر بخش از حلقه در زمان متفاوتی کارش تمام می شود کافی است کد زیر را اجرا کنید:

parfor i=1:10
    i
end

خروجی به ترتیب نیست از طرفی در هر بار اجرای این حلقه نتایج متفاوتی به دست می اید.
باید توجه کنید که همه جا نمی توانید از parfor استفاده کنید چراکه این کار اولا باید برای کارهای نسبتا سنگین باشد و ثانیا استقلال داده ای و زمانی برای کارهایتان وجود داشته باشد.

#Parfor #Parallelization

@MatlabTips

🔵پک آموزشی متلب مقدماتی تا متوسط🔵
دوستان همونطور که قبلا قولش رو داده بودم یک پک آموزشی متلب تقریبا 8 ساعته آماده کردم که میتونه بسیار براتون مفید باشه.
ویژگی‌ها:
1⃣به زبانی ساده و شیوا
2⃣داشتن تمرین در آخر هر فصل
3⃣استفاده از مثال‌های جذاب و کاربردی
3⃣مناسب برای همه رشته‌ها
4⃣داشتن اسلایدهای اموزشی مناسب
5⃣پاسخ به تمرینات آخر هر فصل
لینک دانلود پک آموزشی در زیر آمده است. منتظر دیدگاه‌های سازنده شما دوستان هستیم.
https://coffeematlab.com/courses/essentials/

🔵گامی رو به جلو از گروه بزرگ mathworks!🔵
نسخه Matlab R2016a با برتری بلامنازع نسبت به ورژن‌های قبلی توانسته است امکاناتی در اختیار کاربران خود قرار دهد که بار دیگر موجبات شگفتی و تحیر همگان را برانگیزد. در این نسخه تغییرات اساسی از ویرایشگر زنده گرفته تا تغییرات اساسی در گرافیک و اضافه کردن محورها به مختصات قطبی و بهینه سازی انواع تولباکس های تخصصی مشاهده می‌شود. در لینک زیر می‌توانید این نرم افزار را دانلود کنید.
https://coffeematlab.com/courses/matlab-2016a/

🔵دستور sound و کاربرد آن🔵

با استفاده از دستور sound می‌توانید صدایی در کامپیوتر خود ایجاد کنید(البته اگر کارت صدا نصب باشد). فرمان sound یک بردار می‌گیرد و آن را به عنوان شکل موج صوت می‌پندارد و پخشش می‌کند. به عبارت دیگر sound یک ماتریس را به سیگنال صدا تبدیل می‌کند.
علاقه مندان می‌توانند در لینک زیر اطلاعات تکمیلی را مطالعه کنند.
https://coffeematlab.com/2089/%D8%B5%D8%AF%D8%A7-%D8%AF%D8%B1-%D9%85%D8%AA%D9%84%D8%A8/
@matlabTips

🔵اطلاعیه🔵
به دلیل درخواست دوستان و صدالبته به دلیلی حلاوت مبحث محاسبات عددی و کاربردی بودن آن برای دانشجویان در پست های آینده به مباحث انتگرال گیری عددی، مشتقگیری عددی، حل معادلات دیفرانسیل معمولی و جزیی(کد نویسی با روش های موجود و معرفی توابع متلب) پرداخته خواهد شد. از آنجایی که این پست ها با جزییات است و برخی دوستان ممکن است تمایلی به آن نداشته باشند در تلگرام خلاصه ای از پست آورده خواهد شد و لینک مربوطه در زیر آن قرار میدهیم.
#caution

🔵انتگرالگیری عددی با دستور quad🔵
انتگرالگیری بحثی کاربردی در علوم مهندسی است. متلب نیز عمیقا به این موضوع پرداخته است و بسیار از این جهت غنی است. در این پست دستور quad معرفی میشود که از یک تابع به صورت عددی انتگرالگیری میشود. روش انتگرالگیری این تابع به شیوه سیمپسون وفقی است (در پستی جداگانه تشریح میکنیم).
https://coffeematlab.com/1364/numerical-integration/
@matlabtips

🔵انتگرالگیری با دستور integral🔵
دیدیم که دستور quad با استفاده از روش سیمپسون وفقی یک انتگرال را به صورت عددی حل میکرد. دستور دیگری در متلب با نام integral وجود دارد که با استفاده از روش global adaptive quadrature انتگرالگیری میکند. از نظر من این تابع نسبت به quad برتری دارد از این جهت که برای محاسبه انتگرال‌های چندگانه نیز مورد استفاده قرار میگیرد.
https://coffeematlab.com/1413/%D8%A7%D9%86%D8%AA%DA%AF%D8%B1%D8%A7%D9%84%E2%80%8C%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D8%AF%D8%AF%DB%8C-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%AF%D8%B3%D8%AA%D9%88%D8%B1/

🔵انتگرال چندگانه با integral🔵
گاهی اوقات به مسائلی برمی‌خورید که نیاز است با استفاده از انتگرال‌‌های چندگانه آن را حل کنید. این مسئله ممکن است یک مسئله تئوری یا عملی باشد. برای مثال محاسبه حجم، سطح و ... نیازمند محاسبه انتگرال چندگانه است. در پست های بعدی توابع دیگری را جهت محاسبه انتگرال های چندگانه بررسی خواهیم کرد.
https://coffeematlab.com/1422/%D8%A7%D9%86%D8%AA%DA%AF%D8%B1%D8%A7%D9%84-%DA%86%D9%86%D8%AF%DA%AF%D8%A7%D9%86%D9%87-%D9%85%D8%AA%D9%84%D8%A8/
@MatlabTips

🔵حل معادله دیفرانسیل به روش اویلر🔵
روش اویلر روشی ساده و بسیار قابل فهم است که برای حل عددی معادلات دیفرانسیل مرتبه اول مورد استفاده قرار میگیرد. از مزیت های این روش بار محاسباتی کم آن و معایب آن دقت کم آن است.
در این پست علاوه بر تشریح تئوری این روش به پیاده سازی کامل آن در متلب نیز پرداخته شده است.
https://coffeematlab.com/1944/%D9%85%D8%B9%D8%A7%D8%AF%D9%84%D9%87-%D8%AF%DB%8C%D9%81%D8%B1%D8%A7%D9%86%D8%B3%DB%8C%D9%84-%D8%A8%D9%87-%D8%B1%D9%88%D8%B4-%D8%A7%D9%88%DB%8C%D9%84%D8%B1/
@MatlabTips

🔵حل معادله دیفرانسیل به روش هیون🔵
این روش نسبت به روش اویلر دقیق‌تر است و البته از همان ایده اویلر استفاده کرده است. در پست زیر به تئوری و نحوه پیاده سازی کد در متلب پرداخته شده است.
https://coffeematlab.com/1948/%D8%B1%D9%88%D8%B4-%D9%87%DB%8C%D9%88%D9%86/
@MatlabTips

🔵فیلترینگ نویز با شبکه های عصبی🔵
شبکه های عصبی به عنوان ابزاری قدرتمند در زمینه یادگیری ماشین کاربردهای روزافزونی داشته است. این بار در کافه متلب با به کارگیری این علم در صدد این هستیم که نویز کانال را فیلتر کنیم. علاقه مندان می توانند به لینک زیر جهت اطلاعات بیشتر رجوع کنند.
https://coffeematlab.com/2002/%D9%81%DB%8C%D9%84%D8%AA%D8%B1-%D9%86%D9%88%DB%8C%D8%B2-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%B4%D8%A8%DA%A9%D9%87-%D8%B9%D8%B5%D8%A8%DB%8C/
@MatlabTips

🔵خواندن و نوشتن در متلب🔵
در ویدئوی آموزشی زیر شما میبینید که چگونه میتوان با استفاده از دستورات پایه‌ای I/O از قبیل fopen, fread, fwrite , ... یک فایل را ایجاد کرد، به صورت باینری بر روی آن نوشت، خواند و تغییرات مورد نیاز را عمال کرد. لینک زیر شامل موارد زیر خواهد بود:
1⃣فایل mp4 ویدئوی آموزشی
2⃣کدهای مربوطه
3⃣داکیومنت های مورد استفاده
@MatlabTips
https://coffeematlab.com/courses/io/

🔵درونیابی در متلب🔵
اگر بخواهم درون یابی را تعریف کنم، می گویم تخمین بین نقاط داده ها. این ابزاری بسیار مهم است هنگامی که ما یک مجموعه داده داریم و می خواهیم نقاط دیگری در بین این نقاط تخمین بزنیم و یا معادله ای را بر روی آن برازش کنیم. متلب برای این موضوع نیز توابع بسیار مفید و سودمندی دارد. در پست زیر علاقه مندان می توانند به مقایسه روش های spline، خطی و pchip دست یابند. طبق معمول در ابتدای این لینک مقدماتی از تئوری گته شده و سرانجام به پیاده سازی و مقایسه روش های مختلف درون یابی پرداخته شده است. سعی شده است به شکلی مفهومی و ساده اطلاعات منتقل شود.
@MatlabTips
https://coffeematlab.com/1860/%D8%AF%D8%B1%D9%88%D9%86%DB%8C%D8%A7%D8%A8%DB%8C/

:
روباهی از شتری پرسید:
عمق این رودخانه چقدر است؟

شتر جواب ‌داد:
تا زانو

ولی وقتی روباه توی رودخانه پرید ، آب از سرش هم گذشت!

روباه همانطور که در آب دست و پا می زد و غرق می شد به شتر گفت:
تو که گفتی تا زانووووو!
و شتر جواب داد: بله ، تا زانوی من ، نه زانوی تو!


هنگامی که درکاری از کسی مشورت می گیریم باید شرایط طرف مقابل و خودمان را هم در نظر بگیریم.
لزوماً درکارها هر تجربه ای که دیگران دارند ممکن است برای ما مناسب نباشد

🔵گرادیان از مفهوم تا تئوری🔵
کسایی که دوست دارند یه بار دیگه مفهوم گرادیان رو مطالعه کنند اما این بار به شکلی متفاوت! رجوع به لینک زیر رو بهشون پیشنهاد میکنم. تو این لینک ابتدا به صورت مفهومی و تمثیلی در مورد گرادیان صحبت میکنیم و سپس وارد بحث های ریاضیاتی می شویم. در پایان هم نحوه به کار گیری اون در متلب آورده شده.
https://coffeematlab.com/659/%DA%AF%D8%B1%D8%A7%D8%AF%DB%8C%D8%A7%D9%86/
@MatlabTips

🔵روش مونت کارلو🔵
در بسیاری از کاربردهای یادگیری ماشین یا تخمین توابع به قسمت هایی میرسیم که میخواهیم یک تابع احتمالی را تخمین بزنیم. اگر متغیر مورد نظر ما دارای بعد کمی باشد معمولا روش های ساده ای برای نمونه گیری از آن وجود دارد اما اگر متغیر مورد نظر دارای ابعاد زیادی باشد نمونه گیری های عادی پاسخگو نیست. در این مواقع اصطلاحا با “مخمصه بعد”(Curse of dimentionality) مواجه می شویم. مخمصه بعد به حالتی گفته می شود که نمونه گیری در فضاهای با ابعاد بالا به خاطر تعداد زیاد بعد بسیار دشوار می شود.
ادامه در https://coffeematlab.com/2363/%D8%B1%D9%88%D8%B4-%D8%B2%D9%86%D8%AC%DB%8C%D8%B1%D9%87-%D9%85%D8%A7%D8%B1%DA%A9%D9%88%D9%81-%D9%85%D9%88%D9%86%D8%AA-%DA%A9%D8%A7%D8%B1%D9%84%D9%88/

🔵چرا تازه نفس ها را هدف قرار می دهیم؟🔵

مدرسه آیزاک نیوتون 25 ساله در سالهای 1666 و 1667 میلادی به خاطر شیوع طاعون بسته شد.پس از اتمام تعطیلات، او به استادش آیزاک بارو(Issac Borrow) نشان داد در اوقات فراغت خود قانون گرانش و حساب دیفرانسیل و انتگرال را کشف کرده است! بارو بلافاصله از شغل خود به عنوان استاد دانشگاه کنار رفت آن را به نیوتون واگذار کرد و خود شاگرد او شد! چنین صداقت علمی ای امروزه تقریبا نایاب است.
بسیاری از ما همواره با خطای مقایسه اجتماعی روبرو می شویم. ما تمایل داریم تا جایی که ممکن است به کسانی که امکان دارد از ما پیشی بگیرند کمک نکنیم حتی اگر در دراز مدت این کار ما را شبیه به احمق ها جلوه دهد[1]. این واقعیت برای سازمان ها بسیار خطرناک است: اگر هیئت مدیره (افراد رده آ) افراد باهوشی باشند افرادی به اندازه هوش خودشان را استخدام می کنند (رده ب) اما افراد رده ب قطعا کسانی را استخدام می کنند که بتوانند نسبت به آن ها حس برتری داشته باشند و افراد سطح ج که توسط افراد رده ب استخدام شده اند باز هم کم هوش تر از خود را استخدام می کنند. این فرآیند که با نام "انفجار ابله ها" شناخته می شود عامل ایجاد ناکارآمدی ساختاری و فساد در دراز مدت می شود. اثر موسوم به Danning Kruger نشان داده است بی عرضه ها در نادیده گرفتن ابعاد بی لیاقتی خود با استعداد ترند. بر اساس مطالعات کم هوش ها بیشتر دچار توهم خود برتربینی هستند و و به اشتباه، توانایی‌شان را بسیار بیش از اندازهٔ واقعی ارزیابی می‌کنند. برعکس، افراد خیلی حرفه‌ای، گرایش بیشتری به دست‌کم‌گرفتن شایستگی خود داشته و به نادرست تصور می‌کنند که کاری که برای‌شان آسان است، برای دیگران نیز آسان است. دیوید دانینگ و جاستین کروگر از دانشگاه کرنل این‌گونه نتیجه می‌گیرند: "تخمین نادرست فرد بی‌لیاقت، از اشتباه در ارزیابی خود ناشی می‌شود؛ درحالی‌که تخمین نادرست افراد بسیار بالیاقت، از اشتباه در ارزیابی دیگران نشئت می‌گیرد."[2]
در نتیجه آیا به افرادی که از خودت با استعدادترند انگیزه می دهی؟ مسلم است که در کوتاه مدت برتری ستاره ها می تواند موقعیت تو رو به خطر بیندازد، اما در دراز مدت تو از مشارکت آن ها فقط سود خواهی برد. سرانجام باید قبول کنی که در مرحله ای برخی از تو جلو می زنند. تا آن زمان باید بیشتر مطالعه کنی و بیش از استعدادت تلاش کنی تا بتوانی حداقل پا به پای آن ها برسی.
[1] https://www.sciencedirect.com/science/article/pii/S0749597806001117
[2] https://dx.doi.org/10.1037%2F0022-3514.77.6.1121

🔵تنظیمات High DPI در متلب🔵

برای دوستانی که جدیدا لپ تاب یا PC خریده اند و با صفحه نمایش های High DPI کار میکنند باز کردن متلب تجربه ناخوشآیندی است زیرا تمامی آیکون ها در متلب تار و خواندن فونت کد ها دشوار و سخت است. از آن بدتر زمانی است که چند بار بر روی برنامه متلب راست کلیک کنید. این کار باعث می شود که برنامه کرش کرده و به یک پنجره بسیار کوچک با آیکون هایی که دیگر اصلا نمی توان دید تغییر شکل دهد. در این حالت چاره ای نیست جز آنکه متلب را ببندید و دوباره باز کنید. اما راه حل چیست؟
قطعا متوجه شده اید هرچقدر هم در گزینه های تنظیمات متلب بالا و پایین کنید چیزی که این مشکل را حل کند نخواهید یافت. در اینجا یک راه حل ساده و سریع برای این موضوع پیشنهاد می دهیم. کافی است فایل .p زیر را دانلود کنید و با برنامه متلب آن را اجرا کنید. سپس متلب را ببندید و دوباره باز کنید. تنظیمات High DPI برایتان ست می شود!
⚠️اگر مشکلی در رزولوشن متلب ندارید و یا لپ تاب شما قدیمی است این فایل را اجرا نکنید⚠️
⚠️اگر از نسخه MATLAB 2015b استفاده می کنید این مشکل حل شده است⚠️