در متلب (MATLAB)، برای نمایش یک سری اعداد مشخص بر روی محورهای مختصات شکل، باید از دستور set همانند کد زیر استفاده کنیم :

clear all
close all
clc

x=0:0.1:2*pi;
y=sin(x);
plot(x,y)
set(gca, 'XTick', [0 0.5 2 4 7]); % Change x-axis ticks
set(gca, 'YTick', [-1 -0.5 0 0.25 0.8 1]); % Change y-axis ticks

که با کد زیر، اعداد روی محور x را مشخص کرده ایم :

set(gca, 'XTick', [0 0.5 2 4 7]); % Change x-axis ticks

و با کد زیر، اعداد روی محور y تعیین شده اند :

set(gca, 'YTick', [-1 -0.5 0 0.25 0.8 1]); % Change y-axis ticks

🔵تمرین‌هایی خارق العاده در محاسبات علمی🔵

در این پست به جای اینکه در مورد موضوعاتی بحث کنیم که نهایتا به کدهای خسته کننده منجر شود، می‌خواهیم یک مقاله فوق العاده تحت عنوان “تمرین‌هایی خارق‌العاده در محاسبات علمی” را بررسی کنیم. بصورت روز افزون دانشمندان برنامه‌های کامپیوتری برای اجرای تحقیقاتشان می‌نویسند. با این وجود، بسیاری از دانشمندان تنها آموزشی سطحی از برنامه‌نویسی دارند و راه و رسم نوشتن یک برنامه بهینه، قابل اعتماد و قابل استفاده را نمی‌دانند!!
در چند پست، به تشریح این گام ها میپردازیم...

1⃣برای انسان‌ها برنامه بنویسید، نه برای کامپیوترها

مطمئن شوید که کد شما خوانا باشد. انسان‌ها در یک لحظه تنها می‌توانند چند رابطه و فرمول را در ذهن خود نگه دارند. بنابراین سعی کنید، کدتان تا جایی که ممکن است خوانا و ساده باشد. این موضوع با استفاده از نوشتن کدهایی که ماژولار و شفاف هستند، قابل اجراست.
ادامه دارد ...
@matlabtips

🔵راه اندازی libsvm در متلب🔵
سطح پیچیدگی:🌕🌕🌑🌑🌑
پیش‌نیاز: برنامه نویسی متوسط
برای: متوسط و پیشرفته

یکی از روش های دسته بندی بسیار موثر و معروف ماشین های بردار پشتیبان است. در این پست قصد نداریم که این الگوریتم را توضیح دهیم به جای آن به شما روش نصب و راه اندازی یکی از کتابخانه های معروف SVM را نشان می دهیم. نام این کتابخانه libsvm است. شاید بسیاری از شما با متد های خود متلب برای اینکار کار کرده باشید که به متد های svmtrain و svmclassify میشناسیم. مزیت کتابخانه ای که معرفی میکنیم سرعت بسیار بیشتر آن و همچنین قابلیت استفاده آن در زبان های دیگر مانند R ، Python و Java است. حتی می توانید آن را از خط فرمان ویندوز یا ترمینال لینوکس هم اجرا کنید.
به طور معمول برای راه اندازی این کتابخانه نیاز دارید که کدهای آن را که به زبان C نوشته شده اند کامپایل کنید. اما در نسخه ای که من برای شما قرار داده ام نیازی به این کار نیست. در اینجا مراحل راه اندازی را در چند قدم ساده نشان می دهیم.
1-ابتدا کتابخانه زیر را دانلود کنید و آن را اکستراکت و در محلی مانند ریشه C قرار دهید.(شکل زیر)

2-متلب را باز کنید و گزینه set path را انتخاب کنید و پس از آن پوشه مورد نظرتان را که در C قرار داده اید انتخاب کنید برای این کار گزینه Add with subfolders.. را انتخاب کنید.

3-تمام شد! حالا کافی است یک کد مثال را اجرا کنید. یک دیتا ست نمونه به همراه کد آن را در زیر قرار داده ام که می توانید اجرا کنید و نتایج را در ترمینال ببینید.

⚠️ هشدار: libsvm دارای متد های svmtrain و svmpredict است که svmtrain آن بر روی svmtrain خود متلب override شده و دیگر نمی توانید از آن استفاده کنید مگر آنکه مسیر آن را حذف کنید.
⚠️ نسخه ای که قرار داده شد تنها برای ویندوز های 64 بیتی کار میکند. برای نسخه 32 بیتی نیاز دارید که کد های C را خودتان کامپایل کنید.

#libsvm #svmtrain #svmpredict
@matlabtips

وفور اطلاعات، فقر توجه ایجاد می کند.
(هربرت سایمون، اقتصاددان و دانشمند علوم کامپیوتر، 1970)

اگر پیروز میدان نیستی....
لا اقل جوری شکست بخور که حریفت هم برنده نشه..!

@mortezaebad

Progects :)))))))))))

God bless him!

جسمها چون کوزه های بسته سر
تا در آن کوزه چه باشد آن نگر

گر به مظروفش نظر داری ، شهی
گر به ظرفش عاشقی ، تو گمرهی

"مولوى"
@mastor_e_mast

🔵مساله تطبیق منحنی(Curve Fitting)🔵
سطح پیچیدگی:🌕🌑🌑🌑🌑
پیش‌نیاز: برنامه نویسی مقدماتی
برای: مقدماتی و متوسط

فرض کنید مجموعه از نقاط به صورت دوتایی مرتب داریم و آن را رسم می کنیم:

t = [0 0.3 0.8 1.1 1.6 2.3];
y = [0.6 0.67 1.01 1.35 1.47 1.25];
plot(t,y,'o')
title('Plot of y Versus t')