گزارش متنی از نحوه ارتباط میان Neural Networks و Principal Component Analysis شامل مقدمه ای بر PCA و قوانین یادگیری شبکه عصبی و ارتباط میان این دو

شبیه سازی مسئله کاهش بعد داده به کمک الگوریتم آنالیز مولفه های اساسی Principal component analysis -PCA به همراه جزوه آموزش الگوریتم

شبیه سازی مسئله کاهش بعد داده به کمک الگوریتم آنالیز مولفه های اساسی کرنل KPCA

شبیه سازی گام به گام مراحل اجرای حمله DDOS به کمک نرم افزار GNS3 و سایر نرم افزارهای مورد نیاز به همراه تحلیل و توضیحات لازم برای هر بخش شامل بررسی شکل و روش‌های حمله، معرفی، نصب و نحوه استفاده از ابزارهای مختلف، راه حل کاهش حمله

کاهش نویز سیگنال گفتار به کمک الگوریتم آنالیز مولفه های اساسی مقاوم Robust Principle Component Analysis-RPCA در حضور نویزهای ناایستا براساس تجزیه مقادیر ویژه SVD و آستانه گذاری ضرایب Thresholding مبتنی بر مولفه های تنک و رتبه پایین سیگنال نویزی

کاهش نویز سیگنال گفتار به کمک الگوریتم آنالیز مولفه های اساسی مقاوم Robust Principle Component Analysis -RPCA براساس الگوریتم بهینه سازی تناوبی مبتنی بر مولفه های تنک و رتبه پایین سیگنال نویزی و دیکشنری سیگنال گفتار در حضور نویزهای ناایستا

شبیه سازی الگوریتم تشخیص چهره براساس ویژگی های تبدیل موجک استخراج شده و آنالیز مولفه های اساسی اعمالی بر روی ویژگی ها

تشخیص چهره Face recognition براساس طبقه بندی کننده نزدیکترین همسایه Nearest neighbor-NN و k نزدیکترین همسایه K-nearest neighbor-KNN براساس ویژگی های استخراج شده از تحلیل آنالیز مولفه های اساسی

شبیه سازی الگوریتم تشخیص چهره Face recognition با استفاده از آنالیز مولفه های اساسی PCA و طبقه بندی کننده آدابوست AdaBoost

جزوه آموزشی بررسی و تحلیل الگوریتم های کاهش بعد داده Dimentionality reduction به همراه فایل های شبیه سازی روش ها

حذف نویز تصویر Image denoising با استفاده از روش Dictionary learning به کمک الگوریتم Principal component analysis

حذف نویز سیگنال تصویر به کمک یادگیری دیکشنری براساس روش آنالیز مولفه های اساسی الگوریتم K-SVD و تطبیق فضا Domain adaptation