DLeX: AI Python
python_hack.rar
⭐️ لیست کتابهای موجود:
📕 Web Scraping with Python
📕 Violent Python
📕 Understanding Network Hacks
📕 Python Penetration Testing Essentials
📕 Python Network Programming Cookbook
📕 Learning Python Network Programming
📕 Hacking Secret Ciphers with Python
📕 GRAY HAT PYTHON
📕 Foundations of Python Network Programming
📕 Black Hat Python
📕 Beginning Ethical Hacking with Python
🆔 @ai_python
📕 Web Scraping with Python
📕 Violent Python
📕 Understanding Network Hacks
📕 Python Penetration Testing Essentials
📕 Python Network Programming Cookbook
📕 Learning Python Network Programming
📕 Hacking Secret Ciphers with Python
📕 GRAY HAT PYTHON
📕 Foundations of Python Network Programming
📕 Black Hat Python
📕 Beginning Ethical Hacking with Python
🆔 @ai_python
pyformat.info #python #format
python string format refrence
اگر پایتون کار باشید حتما با format کار کرده اید این سایت توضیحات کاملی را درمورد نحوه استفاده از آن داده است.
@ai_python
python string format refrence
اگر پایتون کار باشید حتما با format کار کرده اید این سایت توضیحات کاملی را درمورد نحوه استفاده از آن داده است.
@ai_python
ساخت «سیناپس مصنوعی» که برای تولید «رابط مغز» مناسب است
پژوهشگران سیناپس مصنوعی ساختند که انعطافپذیر بوده و از آن میتوان برای تولید رابط مغز استفاده کرد. این سیناپس از نظر ساختاری و رفتاری شبیه به باتری و ترانزیستور است.
یک تیم تحقیقاتی از دانشگاه استنفورد و آزمایشگاههای ملی ساندیا موفق به ساخت شکل جدیدی از سیناپس مصنوعی شدند که میتوان از آن برای ساخت رابط مغز استفاده کرد. این سیناپس در واقع برای ساخت مدار انعطافپذیر استفاده میشود که به صورت مستقیم با مغز برهمکنش میکند.
این ابزار جدید، یک ترانزیستور آلی بوده که محققان نام ENODe (ابزار آلی نرومورفیک الکتروشیمیایی) را روی آن نهادند. این فناوری را میتوان همردیف با فناوریهایی نظیر ممریستور یا حافظه تغییر فاز دانست. از این سیناپسهای مصنوعی در آینده میتوان برای ساخت تراشههایی استفاده کرد عملکرد محاسباتی شبیه به مغز انسان دارند. این تراشهها مصرف انرژی بسیار کمتری نسبت به تراشههای سیلیکونی دارند.
این ابزار از دو لایه پلیمری تشکیل شده که توسط یک الکترولیت از هم جدا شدهاند. این الکترولیت به یونها، نه الکترونها، اجازه عبور میدهد. یک ولتاژ پالسی به لایه پریسیناپس (بالایی) اعمال میشود که سطح اکسیداسیون را در لایه پستسیناپس (پایینی) تغییر میدهد. با این کار هدایت الکتریکی میان دروازه و خروجی تغییر میکند.
از یک نقطه نظر، ENODe بیشتر شبیه به باتری است تا ترانزیستور. دو لایه پلیمری نازک که با استفاده از یک الکترولیت از هم جدا شده و پروتونها اجازه عبور و مرور از میان آن پیدا میکنند. اما این ابزار شبیه به ترانزیستور، دارای سه ترمینال است. جریان میان آنها به حرکت در میآید. اعمال ولتاژ به یکی از این لایهها موجب تغییر میزان حرکت یونها از الکترولیت شده و این امر سطح اکسیداسیون را تغییر داده و جریان عبوری را مشخص میکند.
نتایج این پروژه در قالب مقالهای در نشریه Nature Materials به چاپ رسیده است.
معمولا سیناپسهای مصنوعی نیاز به سطح بالایی از انرژی برای سوئیچ کردن از یک حالت به حالت دیگر دارند. اگر مقدار انرژی از این سطح کمتر باشد، سوئیچ شدن با مشکلاتی روبرو میشود. اما این فناوری این مشکل را ندارد چرا که سطحی که حالت دستگاه را حفظ میکند، به مقدار مورد نیاز برای سوئیچ شده ارتباط ندارد. بنابراین این ابزار با مقدار کمی انرژی سوئیچ میکند.
منبع :
http://spectrum.ieee.org/tech-talk/semiconductors/design/flexible-organic-artificial-synapse-could-one-day-interface-with-the-brain
پژوهشگران سیناپس مصنوعی ساختند که انعطافپذیر بوده و از آن میتوان برای تولید رابط مغز استفاده کرد. این سیناپس از نظر ساختاری و رفتاری شبیه به باتری و ترانزیستور است.
یک تیم تحقیقاتی از دانشگاه استنفورد و آزمایشگاههای ملی ساندیا موفق به ساخت شکل جدیدی از سیناپس مصنوعی شدند که میتوان از آن برای ساخت رابط مغز استفاده کرد. این سیناپس در واقع برای ساخت مدار انعطافپذیر استفاده میشود که به صورت مستقیم با مغز برهمکنش میکند.
این ابزار جدید، یک ترانزیستور آلی بوده که محققان نام ENODe (ابزار آلی نرومورفیک الکتروشیمیایی) را روی آن نهادند. این فناوری را میتوان همردیف با فناوریهایی نظیر ممریستور یا حافظه تغییر فاز دانست. از این سیناپسهای مصنوعی در آینده میتوان برای ساخت تراشههایی استفاده کرد عملکرد محاسباتی شبیه به مغز انسان دارند. این تراشهها مصرف انرژی بسیار کمتری نسبت به تراشههای سیلیکونی دارند.
این ابزار از دو لایه پلیمری تشکیل شده که توسط یک الکترولیت از هم جدا شدهاند. این الکترولیت به یونها، نه الکترونها، اجازه عبور میدهد. یک ولتاژ پالسی به لایه پریسیناپس (بالایی) اعمال میشود که سطح اکسیداسیون را در لایه پستسیناپس (پایینی) تغییر میدهد. با این کار هدایت الکتریکی میان دروازه و خروجی تغییر میکند.
از یک نقطه نظر، ENODe بیشتر شبیه به باتری است تا ترانزیستور. دو لایه پلیمری نازک که با استفاده از یک الکترولیت از هم جدا شده و پروتونها اجازه عبور و مرور از میان آن پیدا میکنند. اما این ابزار شبیه به ترانزیستور، دارای سه ترمینال است. جریان میان آنها به حرکت در میآید. اعمال ولتاژ به یکی از این لایهها موجب تغییر میزان حرکت یونها از الکترولیت شده و این امر سطح اکسیداسیون را تغییر داده و جریان عبوری را مشخص میکند.
نتایج این پروژه در قالب مقالهای در نشریه Nature Materials به چاپ رسیده است.
معمولا سیناپسهای مصنوعی نیاز به سطح بالایی از انرژی برای سوئیچ کردن از یک حالت به حالت دیگر دارند. اگر مقدار انرژی از این سطح کمتر باشد، سوئیچ شدن با مشکلاتی روبرو میشود. اما این فناوری این مشکل را ندارد چرا که سطحی که حالت دستگاه را حفظ میکند، به مقدار مورد نیاز برای سوئیچ شده ارتباط ندارد. بنابراین این ابزار با مقدار کمی انرژی سوئیچ میکند.
منبع :
http://spectrum.ieee.org/tech-talk/semiconductors/design/flexible-organic-artificial-synapse-could-one-day-interface-with-the-brain
IEEE Spectrum
A Low-Power Artificial Synapse Could One Day Interface With the Brain
Battery technology inspires a flexible, organic, nonvolatile device for neuromorphic circuits that needs only millivolts to change state
رابطی که به روبات امکان تشخیص اشتباهات خود را میدهد!
محققان رابط مغز و کامپیوتر (BCI) ساختند که روی سر انسان قرار گرفته و یک روبات میتواند از روی سیگنالهای مغز انسان به درست یا اشتباه بودن عملکرد خود پی ببرد.
یک تیم تحقیقاتی از موسسه فناوری ماساچوست (MIT) و دانشگاه بوستون روی پروژهای کار میکنند که به زعم خود، آنها را یک گام به کنترل روباتها و کامپیوترها با مغز نزدیکتر میکند. این گروه نتایج کار خود را اخیرا به چاپ رساندند و در آن نشان دادند که چگونه انسان میتواند با یک ماشین به صورت تلهپاتی ارتباط ایجاد کرده و آن را کنترل کند. آزمایشهای این گروه تحقیقاتی ثابت میکند که چگونه میتوان سیگنالهای مغز را رمزگشایی کرد که این امر موجب پر کردن خلاء میان ارتباط مغز انسان با کامپیوتر میشود.
این گروه تحقیقاتی معتقداند که میتوان ابزاری ساخت که با استفاده از آن انسان بتواند یک کامپیوتر را با مغز خود کنترل کند. در این پروژه محققان از ترکیب الکتروآنسفالوگرافی و الگوریتمهای ماشینهای با قابلیت یادگیری استفاده کردند. این گروه راهکاری ارائه کردند که با استفاده از آن کامپیوتر میتواند الگوهای مغز انسان را تشخیص داده و درک کند.
هرچند که این فناوری هنوز در مراحل اولیه بوده و برای تکامل نیاز به بهبودهای بیشتری دارد، با این حال محققان نتایج آن را امیدوارکننده قلمداد کرده و معتقداند که یک گام بزرگ برای توسعه این فناوری محسوب میشود.
این گروه کلاهی ساختند که حاوی الکترودهای ویژهای است. داوطلبان این کلاه را بر سرگذاشته و روبروی یک روبات میایستند. در مقابل روبات دو جعبه حاوی رنگ و سیم بوده که روبات باید اجسام مرتبط را به داخل هر یک از این سبدها بیاندازد. زمانی که روبات انتخاب اشتباهی انجام میدهد مغز داوطلب سیگنالی ایجاد میکند که این سیگنال به صورت پیام به روبات منتقل میشود تا روبات اقدام اصلاحی را انجام دهد.
این رابط مغز و کامپیوتر در مدت زمان 30 میلی ثانیه میتواند امکان استنتاج لازم را فراهم کند. البته هنوز مسائل زیادی در مورد این فناوری وجود دارد برای مثال روبات باید تشخیص دهد که اجسام را دقیقا کجا قرار دهد با این حال محققان معتقداند که هنوز در مرحله اول کار بوده و میتوانند این فناوری را بهبود دهند.
منبع : http://www.middaydaily.com/mit-and-boston-university/27130/
محققان رابط مغز و کامپیوتر (BCI) ساختند که روی سر انسان قرار گرفته و یک روبات میتواند از روی سیگنالهای مغز انسان به درست یا اشتباه بودن عملکرد خود پی ببرد.
یک تیم تحقیقاتی از موسسه فناوری ماساچوست (MIT) و دانشگاه بوستون روی پروژهای کار میکنند که به زعم خود، آنها را یک گام به کنترل روباتها و کامپیوترها با مغز نزدیکتر میکند. این گروه نتایج کار خود را اخیرا به چاپ رساندند و در آن نشان دادند که چگونه انسان میتواند با یک ماشین به صورت تلهپاتی ارتباط ایجاد کرده و آن را کنترل کند. آزمایشهای این گروه تحقیقاتی ثابت میکند که چگونه میتوان سیگنالهای مغز را رمزگشایی کرد که این امر موجب پر کردن خلاء میان ارتباط مغز انسان با کامپیوتر میشود.
این گروه تحقیقاتی معتقداند که میتوان ابزاری ساخت که با استفاده از آن انسان بتواند یک کامپیوتر را با مغز خود کنترل کند. در این پروژه محققان از ترکیب الکتروآنسفالوگرافی و الگوریتمهای ماشینهای با قابلیت یادگیری استفاده کردند. این گروه راهکاری ارائه کردند که با استفاده از آن کامپیوتر میتواند الگوهای مغز انسان را تشخیص داده و درک کند.
هرچند که این فناوری هنوز در مراحل اولیه بوده و برای تکامل نیاز به بهبودهای بیشتری دارد، با این حال محققان نتایج آن را امیدوارکننده قلمداد کرده و معتقداند که یک گام بزرگ برای توسعه این فناوری محسوب میشود.
این گروه کلاهی ساختند که حاوی الکترودهای ویژهای است. داوطلبان این کلاه را بر سرگذاشته و روبروی یک روبات میایستند. در مقابل روبات دو جعبه حاوی رنگ و سیم بوده که روبات باید اجسام مرتبط را به داخل هر یک از این سبدها بیاندازد. زمانی که روبات انتخاب اشتباهی انجام میدهد مغز داوطلب سیگنالی ایجاد میکند که این سیگنال به صورت پیام به روبات منتقل میشود تا روبات اقدام اصلاحی را انجام دهد.
این رابط مغز و کامپیوتر در مدت زمان 30 میلی ثانیه میتواند امکان استنتاج لازم را فراهم کند. البته هنوز مسائل زیادی در مورد این فناوری وجود دارد برای مثال روبات باید تشخیص دهد که اجسام را دقیقا کجا قرار دهد با این حال محققان معتقداند که هنوز در مرحله اول کار بوده و میتوانند این فناوری را بهبود دهند.
منبع : http://www.middaydaily.com/mit-and-boston-university/27130/
✅ معرفی ماژول :
➡️ [matplotlib]
یک ماژول عالی برای کشیدن نمودار ،اشکال هندسی ،فرکانس و ... در پایتون
متپلات (به انگلیسی: Matplotlib) یک کتابخانه برای رسم نمودار است که در در زبان برنامهنویسی پایتون مورد استفاده قرار میگیرد. رابط برنامهنویسی این کتابخانه بصورت شیگرا طراحی شده است و اجازه میدهد در نرمافزارهایی که از واسطهای گرافیکی پراستفاده مانند WxPython، کیوت یا جیتیکی استفاده میکنند قابل استفاده باشد.
نصب توسط pip:
Pip install matplotlib
نمونه هایی از کد های آماده
ا⬇️⬇️⬇️⬇️⬇️⬇️⬇️
🆔 @ai_python
➡️ [matplotlib]
یک ماژول عالی برای کشیدن نمودار ،اشکال هندسی ،فرکانس و ... در پایتون
متپلات (به انگلیسی: Matplotlib) یک کتابخانه برای رسم نمودار است که در در زبان برنامهنویسی پایتون مورد استفاده قرار میگیرد. رابط برنامهنویسی این کتابخانه بصورت شیگرا طراحی شده است و اجازه میدهد در نرمافزارهایی که از واسطهای گرافیکی پراستفاده مانند WxPython، کیوت یا جیتیکی استفاده میکنند قابل استفاده باشد.
نصب توسط pip:
Pip install matplotlib
نمونه هایی از کد های آماده
ا⬇️⬇️⬇️⬇️⬇️⬇️⬇️
🆔 @ai_python
فوق العاده ترین مرجع آیکونی که تا به حال دیدم، حتی میتونید رنگ بندی و اندازه را هم تغییر دهید و در هر فرمتی که نیاز دارید دانلود کنید:
http://www.flaticon.com
http://www.flaticon.com
Flaticon
Free Icons and Stickers - Millions of resources to download
Download Free Icons and Stickers for your projects. Resources made by and for designers. PNG, SVG, EPS, PSD and CSS formats
یک مرجع برای عکسهای فوق العاده مخصوص اپلیکیشن هایی که طراحی می کنید:
http://www.freepik.com
http://www.freepik.com
Freepik
Freepik | All-in-One AI Creative Suite
The only creative suite you need—AI tools, smart features, and high-quality stock assets to design and create without ever leaving Freepik. #freepik
Brain architecture is as unique as our fingerprints - Pittsburgh Post-Gazette
http://www.post-gazette.com/news/health/2016/11/22/Brain-wiring-is-as-unique-as-our-fingerprints/stories/201611220003?utm_content=bufferd962e&utm_medium=social&utm_source=linkedin.com&utm_campaign=buffer
http://www.post-gazette.com/news/health/2016/11/22/Brain-wiring-is-as-unique-as-our-fingerprints/stories/201611220003?utm_content=bufferd962e&utm_medium=social&utm_source=linkedin.com&utm_campaign=buffer
✅ تکنولوژی تشخیص چهره در شناسایی نوعی بیماری نادر ژنی به پزشکان کمک می کند
🔸تیم محققان به بررسی تصاویر 101 بیمار مبتلا به سندرم دی جرج در آفریقا، آسیا و آمریکای لاتین پرداخته و سپس تکنولوژی تشخیص چهره ای توسعه داده که در 96.6 درصد از آزمایش های ابتدایی، با موفقیت قادر به شناسایی بیماری بوده است. تیم مورد اشاره می گوید که تکنولوژی توسعه یافته قادر به تشخیص سندرم داون نیز هست.
🆔 @ai_python
🔸تیم محققان به بررسی تصاویر 101 بیمار مبتلا به سندرم دی جرج در آفریقا، آسیا و آمریکای لاتین پرداخته و سپس تکنولوژی تشخیص چهره ای توسعه داده که در 96.6 درصد از آزمایش های ابتدایی، با موفقیت قادر به شناسایی بیماری بوده است. تیم مورد اشاره می گوید که تکنولوژی توسعه یافته قادر به تشخیص سندرم داون نیز هست.
🆔 @ai_python
موسسه ریسرچ اند مارکت گزارشی برای بررسی بازار رابط مغز و کامپیوتر (BCI) در اروپا منتشر کرده که در آن به بررسی عوامل موثر در رشد بازار اروپا پرداخته است.
موسسه ریسرچ اند مارکت (Research and Markets) اخیرا اقدام به انتشار گزارشی با عنوان « Europe Brain Computer Interface Market (2016-2022)» کرده که در آن بازار رابط مغز و کامپیوتر را در اروپا طی سالهای 2016 تا 2022 مورد بررسی قرار داده است.
افزایش استفاده از فناوریهای حسگری و تغییرات سریع در زیرساختهای سلامت در کشورهای در حال توسعه نظیر هند و چین اثرات مثبتی روی رشد بازار فناوری BCI گذاشته است. با این حال فقدان مهارت و تجربه کار با سامانههای BCI، مسائل امنیت سایبری و دغدغههای اخلاقی از جمله مواردی است که میتواند روی رشد بازار این حوزه تاثیر منفی بگذارد.
دولتهای مختلف به صورت تدریجی در حال افزایش سرمایهگذاری در این حوزه بوده که این موضوع موجب رشد بازار BCI میشود. برای مثال، در سال 2013، دولت بریتانیا سرمایهگذاری برای ایجاد نمونههای اولیه از محصولات BCI را افزایش داد. قبل از آن نیز، آژانس توسعه لندن 10 هزار پوند برای تشویق مطالعات فناورانه در بخش BCI اختصاص داده بود.
در این گزارش، بازار رابط مغز و کامپیوتر در اروپا مورد بررسی قرار میگیرد. این گزارش بازار را براساس نوع رابط به سه بخش ادوات تهاجمی، غیر تهاجمی و تاحدی تهاجمی تقسیمبندی میکند. براساس کاربرد نیز، این بازار به بخشهای مختلفی نظیر سلامت، ارتباطات و کنترل، بازی و سرگرمی، کنترل هوشمند منزل و سایر کاربردها تقسیمبندی میشود.
از نقطه نظر تقسیمبندی جغرافیایی،آلمان، بریتانیا، فرانسه، روسیه، اسپانیا، ایتالیا و سایر بخشهای اروپا به صورت جداگانه در این گزارش مورد بررسی قرار گرفتهاند.
برای بررسی شرکتها و کسب و کارهای این حوزه، شرکتهای Nihon Koden Corporation, Mind Solutions, Advanced Brain Monitoring, Openbci, Cortech Solutions, Neurosky, Emotiv و Guger Technologies OEG نیز مورد مطالعه قرار گرفته و اطلاعاتی از آنها در این گزارش درج شده است.
منبع : http://www.businesswire.com/news/home/20161221005337/en/Europe-Brain-Computer-Interface-Market-2016-2022--
موسسه ریسرچ اند مارکت (Research and Markets) اخیرا اقدام به انتشار گزارشی با عنوان « Europe Brain Computer Interface Market (2016-2022)» کرده که در آن بازار رابط مغز و کامپیوتر را در اروپا طی سالهای 2016 تا 2022 مورد بررسی قرار داده است.
افزایش استفاده از فناوریهای حسگری و تغییرات سریع در زیرساختهای سلامت در کشورهای در حال توسعه نظیر هند و چین اثرات مثبتی روی رشد بازار فناوری BCI گذاشته است. با این حال فقدان مهارت و تجربه کار با سامانههای BCI، مسائل امنیت سایبری و دغدغههای اخلاقی از جمله مواردی است که میتواند روی رشد بازار این حوزه تاثیر منفی بگذارد.
دولتهای مختلف به صورت تدریجی در حال افزایش سرمایهگذاری در این حوزه بوده که این موضوع موجب رشد بازار BCI میشود. برای مثال، در سال 2013، دولت بریتانیا سرمایهگذاری برای ایجاد نمونههای اولیه از محصولات BCI را افزایش داد. قبل از آن نیز، آژانس توسعه لندن 10 هزار پوند برای تشویق مطالعات فناورانه در بخش BCI اختصاص داده بود.
در این گزارش، بازار رابط مغز و کامپیوتر در اروپا مورد بررسی قرار میگیرد. این گزارش بازار را براساس نوع رابط به سه بخش ادوات تهاجمی، غیر تهاجمی و تاحدی تهاجمی تقسیمبندی میکند. براساس کاربرد نیز، این بازار به بخشهای مختلفی نظیر سلامت، ارتباطات و کنترل، بازی و سرگرمی، کنترل هوشمند منزل و سایر کاربردها تقسیمبندی میشود.
از نقطه نظر تقسیمبندی جغرافیایی،آلمان، بریتانیا، فرانسه، روسیه، اسپانیا، ایتالیا و سایر بخشهای اروپا به صورت جداگانه در این گزارش مورد بررسی قرار گرفتهاند.
برای بررسی شرکتها و کسب و کارهای این حوزه، شرکتهای Nihon Koden Corporation, Mind Solutions, Advanced Brain Monitoring, Openbci, Cortech Solutions, Neurosky, Emotiv و Guger Technologies OEG نیز مورد مطالعه قرار گرفته و اطلاعاتی از آنها در این گزارش درج شده است.
منبع : http://www.businesswire.com/news/home/20161221005337/en/Europe-Brain-Computer-Interface-Market-2016-2022--
BusinessWire
Europe Brain Computer Interface Market (2016-2022) - Research and Markets
Research and Markets has announced the addition of the