Telegram Web Link
Onlinebme
بازوی مصنوعی مبتنی بر هوش مصنوعی @Onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
پاهای بیونیک مجهز به سنسورهای پیشرفته و هوش مصنوعی است که باعث میشه تا در مکانهای مختلف منعطف عمل کند و به افراد قابلیت حرکت طبیعی و پایدار بدهد. این پاها به افراد این توانایی رو میدهند که بدون استفاده از عصا حرکت کنند. 

@Onlinebme
سال نو میلادی بر هم‌وطنان عزیز مسیحی مبارک باشه❤️

@Onlinebme
Onlinebme
مفهوم Regularization در یادگیری عمیق 

👩‍💻نويسنده: فاطمه بذري شرفشادهي

در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازه‌گیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیش‌بینی مدل محسوب می‌گردد. برای جلوگیری از بیش‌برازش (overfitting) و بهبود تعمیم‌پذیری مدل، ما می‌توانیم از دانش خود در قالب یک penalty term به تابع هزینه اضافه کنیم و اینگونه با ایجاد توازنی بین دقت مدل بر روی داده‌های آموزشی، و توانایی آن در تعمیم به داده‌های جدید، سبب گردیم مدل به بلوغ بیشتری در تعمیم دست یابد.

⭕️جزییات بیشتر 👇

https://onlinebme.com/regularization-in-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
ViT

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
مدل Vision Transformer (ViT) چیست؟
👩‍💻هما کاشفی امیری
🗓13 دی 1403

✍️مدل ViT (Vision transformer) یک مدل شبیه به transformer است که برای انجام تسک‌های پردازش بینایی طراحی شده است. در این مقاله می آموزیم که این مدل چگونه کار می‌کند.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/vision-transformer-vit/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
ساخت مدل‌های یادگیری عمیق بهتر با Batch Normalization و Layer Normalization

👩‍💻هما کاشفی امیری
🗓20 دی 1403

✍️رویکردهای Batch Normalization و Layer Normalization دو استراتژی برای آموزش سریعتر شبکه‌های عصبی هستند بدون اینکه نیاز باشد برای مقدار دهی اولیه‌ی وزن‌ها و سایر تکنیک‌های منظم‌سازی یا Regularization، احتیاط بیش از حد به خرج داد. در این آموزش، ابتدا بررسی می‌کنیم که چرا نیاز است ورودی‌های یک شبکه‌ی عصبی را منظم سازی کنیم و سپس به تکنیک‌های Batch Normalization و Layer Normalization می‌پردازیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/batch-normalization-vs-layer-normalization/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
Onlinebme
☑️نصب تولباکس WFDB فیزیونت در متلب دسته:پایگاه داده محمد نوری زاده چرلو 17 اردیبهشت 1403 سایت فیزیونت یک وبسایت پایگاه داده پزشکی است که داده های بسیار معتبری ارائه میدهد. سیگنالهای حیاتی این سایت با فرمتهای مختلفی هستند که برای خواندن آنها در متلب لازمه…
waveform_database_software_package_wfdb_for_matlab_and_octave_0.zip
4.4 MB
💡💡مشکل: عدم نصب wfdb در متلب با کد ذکرشده در سایت فیزیونت

شرح مسئله: آقای مهندس برای نصب تولباکس wfdb در متلب من خیلی گیر کردم
با اون روشی که گفتین کدو کپی کنیم از سایت فیزیونت من هر کار کردم جواب نداد
ولی این فایل رو دستی دانلود کردم و شد

اما تونستم با این فایلی که براتون ارسال کردم به متلب اضافه کنم wfdb رو

چطوری حل شد؟ فایل ارسالی را دانلود و از حالت زیپ خارج کرده و سپس از تب home متلب، گزینه set path رو میزنید و مسیری فایل در آن هست را اضافه میکنید.
Maryam Hosseini

@Onlinebme
Onlinebme
ECG-Course.pdf
💡💡مشکل :عدم عملکرد کتابخانه wfdb در پایتون

شرح مسئله: سلام وقتتون بخیر، آقای مهندس باید pylance رو هم نصب کرد
باز wfdb و ... رو میگفت ناشناخته است و اجرا نمیشد

چطوری حل شد؟ اکستنشن pylance رو نصب کردم
شاید باورش سخت باشه یکم ،
Wfdb رو add کردم (راست کلیک و گزینه add رو زدم)
Maryam Hosseini

@Onlinebme
Onlinebme
فرمت IMRaD در مقاله نویسی اگر تا الان تجربه‌ی نوشتن یک مقاله رو داشته باشید، احتمالا با این سوال مواجه شده‌اید: IMRaD چیه؟ یا ممکنه استادتون بهتون گفته باشه که حتما متن مقاله رو به فرمت IMRaD بنویسید. وقتی یک مقاله علمی مینویسیم، خیلی مهمه که طبق یک ساختار…
چگونه مقدمه یک مقاله را بنویسیم؟

💡مقدمه یکی از مهم‌ترین بخش‌های یک مقاله است. یک مقدمه خوب بهتره مثل یک داستانی جذابی باشه که خواننده رو مجاب کنه تا آخر بخونه و همراه نویسنده باشد. انگار میخواد بدونه در انتهای داستان چه اتفاقی میخواد بیافته. شخصیت اصلی داستان هم که ایده خود مطالعه هست.

💡یک مقدمه خوب اول خواننده رو با چالش موجود در یک حوزه و اهمیت حل این چالش آشنا میکند. سپس چندین مطالعه ای که سعی بر حل چالش کرده اند، توضیح میده، و بعدش چالشی که هنوز باقی مانده (یا هنوز خوب حل نشده) رو بیان میکند، در انتها هم رویکرد و هدف مقاله برای حل چالش رو مختصر اشاره میکند. با خوندن مقدمه باید خواننده به‌طور کامل متوجه بشه که هدف نویسندگان از انجام این مطالعه چی بوده که مشتاق باشند برن بخش method مقاله و نتایج رو مطالعه کنند.

🔷 اگر تازه‌کار باشیم، معمولاً فهرستی از کارهای انجام‌شده در این حوزه را بدون نظم مشخصی ارائه می‌کنیم. هر مقاله‌ای که پیدا کنیم، مخصوصاً اگر جدید باشد، در مقدمه قرار می‌دهیم و تصور می‌کنیم که هرچه تعداد مقالات ذکرشده بیشتر باشد، بهتر است! اما در واقع، مقدمه باید با دقت و حساب شده نوشته شود.


💡 یک دوستی داشتیم میگفت یک داور حرفه ای معمولا با خوندن مقدمه یک مقاله تصمیم خودش رو در مورد پذیرش یا ریجکت مقاله میگیره. فکر نمیکنم دیگه انقدر بخوان سخت گیری کنند! هدفم از آوردن این نقل قول بیشتر برای تاکید بر اهمیت نوشتن درست یک مقدمه هست.

@Onlinebme
Onlinebme
How-to-write-the-introduction-of-a-scientific-arti.pdf
آقای Bardia Safaei در لینکدین نکات مقاله رو به خوبی پوشش دادند که در زیر قرار داده شده اند.

پيشنهادات طلايى در نوشتن “مقدمه“ مقالات!

🔺دكتر Jorge Faber در سال 2012 چنین جواهر نابى را خلق کرد. او در یک صفحه، که در تصویر زير نشان داده شده، به طور مختصر پیشنهادات خود را در مورد نحوه نوشتن مقدمه یک مقاله بیان می کند.

🔺مهمترين مواردى كه او به آن ها اشاره مى كند شامل موارد زير است:
1⃣ مقدمه نباید بیش از 10٪ از کل صفحات مقاله باشد. فابر معتقد است که هیچکس نمی خواهد یک مقدمه بیش از حد طولانی بخواند!

2⃣ برای حفظ انسجام، مقدمه بايد از یک مسئله بزرگتر شروع شود و به تدريج و به دقت به سوال تحقیق برسد.

3⃣ از منابع زیاد استفاده نشود. فابر استدلال می کند که مطالعات پیشگامانه به ندرت دارای تعداد زیادی منابع برای انگیزه بخشی به کار خود هستند.

4⃣ از استفاده از نام نویسندگان به عنوان موضوع جملات خودداری کنید. فابر می گوید که مقدمه های خوب بر ایده ها و شواهد تمرکز دارند، نه نویسندگانی که آن ها را بیان کرده اند.

5⃣ وقتی شک دارید، متن را ساده نگه داريد!

🔺مقاله يك صفحه اى فابر يك راهنمای کوتاه اما جامع برای نوشتن مقدمه است كه شايد از آن بهتر را در اين اندازه نتوانيد پیدا کنید.

Source: LinkedIn (Bardia Safaei)

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
Onlinebme
☑️نصب تولباکس WFDB فیزیونت در متلب دسته:پایگاه داده محمد نوری زاده چرلو 17 اردیبهشت 1403 سایت فیزیونت یک وبسایت پایگاه داده پزشکی است که داده های بسیار معتبری ارائه میدهد. سیگنالهای حیاتی این سایت با فرمتهای مختلفی هستند که برای خواندن آنها در متلب لازمه…
معرفی پایگاه داده
Title: A Large Finer-grained Affective Computing EEG Dataset
Journal: Nature

برخلاف مطالعه دیگه که اکثرا داده های مبتنی بر احساسات منفی ثبت میکنند، در این مطالعه یک داده ی جامع و بالانس از احساسات مثبت و منفی ثبت شده است. برای اینکار، سیگنال مغزی (EEG) 32 کاناله از 128 سابجکت ثبت شده است. طول ثبت سیگنال مغزی، افراد مجموعا به 28 کلیپِ تحریک‌‎کننده احساسات نگاه کردند که شامل 9 دسته هیجان (تفریح، الهام، شادی، حساسیت، خشم، ترس، انزجار، غم و عواطف خنثی) بود. محققین این مطالعه انتظار دارند که داده FACED کمک خوبی به توسعه الگوریتم های مبتنی بر EEG در کاربردهای عملی بکند.

💡هم داده و هم کدهای مقاله به صورت رایگان در سایت synapse قابل دسترس است.
https://www.nature.com/articles/s41597-023-02650-w

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
Onlinebme
معرفی پایگاه داده Title: A Large Finer-grained Affective Computing EEG Dataset Journal: Nature برخلاف مطالعه دیگه که اکثرا داده های مبتنی بر احساسات منفی ثبت میکنند، در این مطالعه یک داده ی جامع و بالانس از احساسات مثبت و منفی ثبت شده است. برای اینکار، …
تحلیل احساسات مثبت و منفی در این مطالعه نشان میدهد که در باندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) در افراد تجربه کننده ترس و شادی تفاوت معناداری وجود دارد، مخصوصا در باند بتا!

@Onlinebme
Onlinebme
تحلیل احساسات مثبت و منفی در این مطالعه نشان میدهد که در باندهای فرکانسی (دلتا، تتا، آلفا، بتا و گاما) در افراد تجربه کننده ترس و شادی تفاوت معناداری وجود دارد، مخصوصا در باند بتا! @Onlinebme
اینم از نتایج مقاله
دقت طبقه بندی در بین سابجکت ها برای حالته 9 کلاسه: دقتها از کمترین به بیشترین (از چپ به راست) برای سابجکت ها نشان داده شده اند.

خاکستری روشن: دقت هر سابجکت
نوار روشن: میانگین دقت در بین سابجکتها
خط چین: دقت سطح شانسی (100/9=11.11)
تصویر پایین هم، ماتریس کانفیوژن میانگین گرفته شده است.

@Onlinebme
Forwarded from Onlinebme
⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️

🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆


برنامه‌نویسی متلب

🔲 اصول برنامه‌نویسی در متلب (رایگان)
▪️
مدت دوره: 11 ساعت
🔘 Link


برنامه‌نویسی پایتون 

⚪️ فصل 1: اصول برنامه‌نویسی پایتون 
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link


شناسایی الگو و یادگیری ماشین

⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
 
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتم‌های کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7:  الگوریتم‌های انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتم‌های خوشه‌بندی
◽️مدت دوره: 13 ساعت
🔘 Link


شبکه‌های عصبی

⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️
مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️
مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️
مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکه‌های عمیق در بینایی ماشین
◽️
مدت دوره: 16 ساعت
🔘 Link

⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link

پردازش سیگنال مغزی

⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️
مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️
مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️
مدت دوره: 21 ساعت
🔘 Link
⚪️ پیاده‌سازی مقاله CSSP (BCI مبتنی بر MI)
◽️
مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیاده‌سازی مقاله RCSP (BCI مبتنی بر MI)
◽️
مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️
مدت دوره: 8 ساعت
🔘 Link

⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 ساعت
🔘 Link

دوره جامع پردازش تصویر

⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link


پردازش سیگنال قلبی

⚪️ دوره پردازش سیگنال ECG
◽️مدت زمان دوره:
37 ساعت و 45 دقیقه
🔘 Link


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
سلام
امیدوارم حالتون خوب باشه
برای سال جدید چندین دوره خواهیم داشت که فعلا در فاز مطالعه و آماده‌سازی محتوا هستم.
دوره های مثل RNN، LSTM و ترکیبشون با CNN در تسکهای مختلف، ترنسفورمرها، یادگیری تقویتی، و یکی سری دوره های پردازش سیگنال (EEG, ECoG--LFB, SPIKE analysis)

پیش نیاز همه دوره ها آشنایی با «برنامه نویسی پایتون، مخصوصا شی گرایی» هست.

پیش نیاز دوره های یادگیری عمیق هم «دوره پیاده‌سازی شبکه های عصبی در پایتورچ» هست.

پیشنهاد میکنم اگه قصد شرکت در این دوره ها رو دارید، در تعطیلات نوروزی پیش نیازهارو نگاه کنید.
موفق باشید
محمد نوری زاده چرلو

🟡 Python 


⚪️ فصل 1: اصول برنامه‌نویسی پایتون 
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
🔘 Link

⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
🔘 Link


🟠 PyTorch 


⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch
🔘 Link

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
سلام
سال نو مبارک ❤️
امیدوارم سال جدید سالی پر از موفقیت، سلامتی، پر برکت و دل خوش باشه براتون. 🙏

🟣 برای سال جدید چندین دوره تدارک دیدیم که به صورت آنلاین، آفلاین و یا حضوری برگزار خواهند شد.

💡سعی میکنیم در سال جدید دوره ی حضوری هم برگزار کنیم تا دورهمی های علمی کنار هم داشته باشیم و فرصتی باشه برای تعاملات و همکاری های پژوهشی.

سال خوبی را برای همگی آرزو میکنم.
موفق باشید...
محمد نوری زاده چرلو
2025/07/06 20:37:55
Back to Top
HTML Embed Code: