الگوریتم YOLO که مخفف You Only Look Once است، یکی از معروفترین و مطرح‌ترین الگوریتم‌های تشخیص اشیا‌در تصاویر است که در زمینه بینایی ماشین و پردازش تصاویر استفاده می‌شود و تا کنون در چندین نسخه منتشر شده است.این الگوریتم بر خلاف برخی الگوریتم‌های دیگر که در چندین مرحله تشخیص اشیا را انجام می‌دهند، تنها در یک مرحله این کار را انجام می‌دهد و این باعث بهینه شدن آن در نظر زمان پردازش میگردد. در این #خود_آموز سعی داریم تا شما را با این الگوریتم و نحوه استفاده از آن آشنا کنیم.

این سیستم در جهت کمک به تصمیمات کلینیکال با استفاده از داده‌های هوش مصنوعی طراحی شده است. با وارد کردن علائم، آزمایشات و مشخصات بیمار، مدل توسعه داده شده در تشخیص و درمان بیماری به پزشک کمک می‌کند. این مدل از هوش مصنوعی تفسیر پذیر (#XAI) استفاده می‌کند و این بیش از پیش قابلیت اطمینان این سیستم را بالا میبرد.

الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی خزندگان (RSA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از نحوه رفتار محاصره و شکار کروکودیل‌ها الهام گرفته شده است. این الگوریتم در سال ۲۰۲۳ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک شعله پروانه، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از پدیده‌ی طبیعی هوش جمعی پروانه‌هایی که در تاریکی به سمت شعله حرکت می‌کنند. این الگوریتم در سال ۲۰۱۵ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی کلاغ (BWO)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار منحصر به فرد عنکبوت بیوه سیاه در هنگام جفت‌گیری است. این الگوریتم در سال ۲۰۱۷ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک شاهین هریس (HHO)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار شاهین هرین در طبیعت است. این الگوریتم در سال ۲۰۱۷ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک رقابت استعماری (ICA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار امپراطوری و مستعمره‌ها ایجاد شده است. این الگوریتم در سال ۲۰۰۷ معرفی شد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک پنگوئن امپراطور (EPO)، یکی از الگوریتم‌های بهینه‌سازی است که جهت حل مسائل خوشه بندی است که بر اساس رفتار پنگوئن‌های امپراطور در زمستان در سال ۲۰۲۱ طراحی شده است. در این خودآموز سعی داریم این الگوریتم و نحوه‌ی استفاده از آن را شرح دهیم.

الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی کلاغ (CSA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از پدیده‌ی طبیعی جست و جوی کلاغ برای غذا است. این الگوریتم در سال ۲۰۲۰ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه سازی #متاهیوریستیک شیر مورچه (ALO) در سال ۲۰۱۷ توسط میرجلیلی ابداع و معرفی شد. این الگوریتم بر پایه رفتار مورچه‌ها در طبیعت ساخته شده است. در این الگوریتم، مورچه‌ها به دنبال بهبود جواب‌ها در فضای جستجو هستند. آن‌ها به صورت تصادفی در فضای جستجو حرکت می‌کنند و با استفاده از توابع مناسب، جواب‌های بهتر را به دست می‌آورند. در این #خود_آموز قصد داریم این الگوریتم و نحوه استفاده از آن را توضیح دهیم.

الگوریتم جست و جوی ممنوعه (TS) یکی از الگوریتم‌های بهینه سازی قدیمی اما موثری است که در دهه ۱۹۸۰ طراحی شد و بر اساس ایده جلوگیری از گیرکردن در نقاط اکسترمم محلی طراحی شده است در این #خود_آموز سعی داریم به صورت کوتاه و فشرده این الگوریتم و نحوه‌ی استفاده از آن را توضیح دهیم.

الگوریتم بهینه‌سازی #متاهیوریستیک سینوس کسینوس، یکی از الگوریتم‌های بهینه‌سازی است که با تولید تصادفی چندین تصدیق و با استفاده از توابع سینوس و کسینوس به سمت بهترین راه حل حرکت می‌کند. این الگوریتم در سال ۲۰۱۶ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم ژنتیک یک روش بهینه‌سازی #متاهیوریستیک متاثر از تکامل گونه‌ها در طبیعت است.این الگوریتم در دهه ۱۹۶۰ توسط جان هولند ابداع شد و تا کنون در بسیاری از زمینه‌ها مورد استفاده و استقبال محققین قرار گرفته است. در این خودآموز سعی کرده ایم این الگوریتم و نحوه‌ی استفاده از آن را در مسائل مختلف توضیح دهیم.

الگوریتم بهینه سازی کرم شب تاب (FA)، متاثر از رفتار شب تاب‌ها در شب برای پیداکردن غذا است و از طریق تقلید از این پدیده سعی می‌کند تا در فضای جست و جو به دنبال پاسخ بگردد. در این #خود_آموز سعی کرده ایم این الگوریتم و نحوه‌ی استفاده از آن را توضیح دهیم.

الگوریتم بهینه‌سازی گرگ خاکستری (GWO) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی مسائل غیر خطی است که کارایی قابل توجهی را در مسائل مختلف از خود نشان داده است. این الگوریتم توسط سید محمد و علی میرجلیلی و اندرو لویس در سال ۲۰۱۴ توسعه داده شد و تحت مقاله‌ای در مجله‌‌ی پیشرفت‌های نرم افزاری الزویر به چاپ رسید. در این #خود_آموز سعی کرده ایم به طور فشرده و ساده این الگوریتم را آموزش داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.