با سلام
❇️ آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی قصد دارد تابستان چند #دوره در #تهران برگزار کند.
🔺 علاقه مندان جهت پیش ثبت نام به آیدی زیر مراجعه کنند:
@onlineBME_admin

1⃣ دوره تخصصی پیاده سازی #شبکه‌های_عصبی مصنوعی در متلب
✔️ تئوری ➕پیاده سازی➕پروژه
#perceptron , #mlp(back propagation learning) #modifiedMLP (delta delta & delta bar learning ), #rbf , #modifiedRBF( jacopian learning)
#ELM , #PNN , #ELMAN #JORDAN , #SOM (competitive & hebbian learning)

🔺 تمام مباحث کتاب شبکه عصبی سیمون هیکن آموزش داده شده و سپس در متلب پیاده سازی میکنیم و در نهایت چندین پروژه عملی انجام میدهیم.😊

2⃣ دوره #پترن در پردازش سیگنال
در این دوره مباحث درس شناسایی الگو آموزش داده و سپس الگوریتمها در متلب پیاده سازی میکنیم.
برای اینکه با کاربرد این الگوریتمها آشنا بشیم چندین پروژه عملی طبق مقالات معتبر روی #سیگنالهای_حیاتی انجام میشود تا دوستان شرکت کننده بعد از اتمام دوره مشکلی در #شبیه_سازی_مقالات، کار با #داده های واقعی، انجام پروژه #پایان_نامه مشکلی نداشته باشند.

3⃣ پردازش تصویر
این دوره یک دوره جامع است که شامل سه بخش است:
🔹 #مقدماتی: آموزش مباحث کتاب #گونزالس
🔹 #پیشرفته1 : پردازش تصاویر پزشکی
MRI, CT, ultrasound, dinamic MRI
🔹 #پیشرفته2 : پترن در پردازش تصویر
✅ در روزهای آینده چندتا از #پروژه هایی که در این دوره ها آموزش داده خواهند شد را به صورت ویدیو و یا عکس در کانال قرار خواهیم داد تا علاقه مندان از قبل یه دید کلی نسبت به دوره ها داشته باشند.
لازم به ذکر است که دوره ها بعد از تکمیل ظرفیت برگزار خواهند شد، لذا دوستانی که مایل به شرکت در دوره ها هستند اسم و شماره تماس خودشون رو به آیدی زیر بفرستند.
@onlineBME_admin
شماره تماس:
0936-038-2687
موفق باشید🙏🌹

#دوره_تابستانه 😊
#شبکه_عصبی
#پردازش_تصویر
#پردازش_سیگنال
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

📋 #جزوه خام جلسه اول شبکه عصبی و پردازش سیگنال
☑️ آموزش اصول پایه برنامه نویسی متلب
🖨 دوستان شرکت کننده فایل رو دانلود کنند و پرینت بگیرند
#دوره
#پردازش_سیگنال
#شبکه‌های_عصبی
✔️@onlineBME

📋 #جزوه خام جلسه دوم شبکه عصبی
☑️ شبکه عصبی پرسپترون تک لایه و قوانین یادگیری
🖨 دوستان شرکت کننده فایل رو دانلود کنند و پرینت بگیرند
#نورون
#خواص_مغز_انسان
#دوره
#شبکه‌های_عصبی

✔️@onlineBME

✅اولین موج سخت افزارهای شبکه عصبی اسپایکی

👩‍🏫نویسنده: هما کاشفی امیری

🔶در چند سال گذشته شاهد معماری های سخت افزاری جدید برای آموزش یادگیری عمیق بوده ایم اما در سال جاری، این معماری ها به نقطه ی عطف خود رسیده اند. تراشه هایی که می توانند دو حجم کاری را روی یک دستگاه مدیریت کنند، هرچند بازار هنوز در انتظار ورود این تراشه هاست.

🔶اکثر دستگاه های مربوط به شبکه های عصبی کانولوشنی، بازگشتی و سایر شبکه های عصبی بزرگ به مقدار نسبتاً زیادی حافظه ی در تراشه برای ذخیره ی وزن ها و لایه های فرآیندهای آموزش تکراری طولانی نیاز دارند. با در اختیار داشتن تراشه های مرکز داده که هر دو روند آموزش و تست را انجام می دهند، همان قطعه ی سیلیکونی بزرگ عملکرد بسیار بهتری خواهد داشت اما هرگز کارآمد نیست.

🔶این نواقص معماری های تراشه های حافظه AI مسیر جدیدی را پیش روی دستگاه های نورومورفیک و همچنین سایر روش های یادگیری ماشین از جمله شبکه های عصبی اسپایکی گشوده اند.

🔶محصولات True North متعلق به شرکتIBM و Loihiشرکت اینتل هنوز به محصولات سخت افزاری نئومورفیک تبدیل نشده اند و بیشتر تلاش های پژوهشی متمرکز بر مدلسازی نورون هاست به جای آنکه بر روند انتقال محاسبات نئومورفیک به خطوط تراشهAIتمرکز شود.

🔶این شرایط، فرصتی را برای شرکت Brainchip ارائه کرد که جزئیات اولیه ی معماری نئومورفیک خود را برای شبکه های عصبی اسپایکی منتشر کند که هم آموزش و هم تست را هدف قرار داده است و برای حوزه هایی چون بینایی ماشین، تکنیک های مالی و امنیت سایبری مدنظر قرار می گیرد. شرکت کارایی تراشه های AI کنونی را مدنظر قرار داده و نشان داده است که چگونه شبکه های اسپایکی می توانند مزیت های عمده ی نرم افزاری را مورد استفاده قرار دهند و شبکه های کانولوشنی بسازند که انتقال اسپایک ساده تر صورت گیرد.

🔶به طور قطع اعلام می کنیم که این اولین سیلیکون ساخته شده روی SNN با نوع معماری نئومورفیک نیست، اما اولین سیلیکونی است که برای اهداف یادگیری عمیق توسعه یافته است.

🔷توان عامل بسیار مهمی در سخت افزار اما برای چنین کاربردهایی مصرف زیر پنج وات مناسب است. ادعای Brainchip این است که بخش پس انتشار خطا و فرآیند تکراری CNN، سربار بسیار زیادی تولید می کنند. ایده این است که داده را از طریق شبکه برای آموزش بفرستیم و وزن سیناپسی و آستانه ی شلیک نورونی را انجام دهیم و با داده ی کمتر به بخش تست برگردیم که در آن حافظه ی فشرده برای هر واحد محاسبه بکار رود. به این صورت هیچHBM، هیچ واحد MAC و هیچ سربار توانی نداریم

🔷ادعای Brainchip این است شبکه ی کانولوشنی مشابه مدلسازی نورون با یک فیلتر بزرگ و وزن هاست، ضرب تکراری ماتریس جبر خطی روی داده در هر لایه و حافظه ی مورد نیاز و واحدهای MAC به تراشه های با توان بسیار بالا نیازمندند. به جای استفاده از این رویکرد کانولوشنی، SNN تابع نورونی را با سیناپس ها و نورون ها را با اسپایک های بین نورون ها مدل می کند. شبکه از طریق فرآیند تقویت و مهار این اسپایک ها آموزش می بیند (اسپایک های تکراری، تقویت کننده هستند).

🔷قابلیت تغییر آستانه ی شلیک نورونی و حساسیت به این اسپایک ها یک روش موثر و متفاوت برای آموزش است که البته محدودیت های پیچیدگی دارد. به این ترتیب به حافظه ی کمتر (حافظه ی 6 مگابایتی در هر هسته ی عصبی) نیاز خواهیم داشت

منبع:
https://www.nextplatform.com/2018/09/11/first-wave-of-spiking-neural-network-hardware-hits/

#خبر
#هوش_مصنوعی
#شبکه‌های_عصبی #اسپایکی
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

First Wave of Spiking Neural Network Hardware Hits
Over the last several years we have seen many new hardware architectures emerge for deep learning

✅ چند روز دیگه ثبت نام دوره های پاییز شروع خواهد 😊
#پردازش_تصویر
#شبکه‌های_عصبی
#پترن در #پردازش_سیگنال

تئوری+ پیاده سازی + پروژه عملی

#دوره_پائیز
✔️ @OnlineBME

📽🎥 صحبتهای دکتر محسن شیرازی فارغ التحصیل دانشگاه
Sapienza University of Rome,Italy
و محقق افتخاری دانشگاه UON استرالیا در مورد دوره شبکه عصبی و همکاری #پروژه #پیش_بینی میزان نشست خاک در #حفاری_مترو توسط ماشین آلات غول پیکر با استفاده از شبکه عصبی
#دوره
#پیاده_سازی #شبکه‌های_عصبی

#تئوری ➕ پیاده سازی ➕ پروژه عملی
جهت ثبت نام با شماره زیر تماس بگیرید:
شماره تماس:
0936-038-2687
آیدی تلگرام:
@OnlineBME_Admin
➖➖➖➖➖➖
✔️ @OnlineBME

📽🎥 صحبت های مهندس محمدعلی خو ( یکی از شرکت کنندگان شبکه عصبی) درباره دوره های آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
#دوره
#پیاده_سازی #شبکه‌های_عصبی

#تئوری ➕ پیاده سازی ➕ پروژه عملی

✔️ @OnlineBME

با سلام
همراهان عزیز جهت دسترسی به مطالب آموزشی سال 97 میتونید از هشتکهای زیر استفاده کنید👇👇👇

1⃣ پردازش تصویر
#جلسه_اولdip: مفاهیم پایه
#تصویر، #تصویردیجیتال #تصویررستری_برداری
#رزولوشن_پیکسلی #رزولوشن_مکانی #رزولوشن_زمانی

#جلسه_دومdip :انواع تصاویر درمتلب
#تصویر_اندیسی #تصویر_سطح_خاکستری #تصویر_باینری #تصویر_رنگی

#جلسه_سومdip
مفهوم #کوانتیزاسیون #نمونه_برداری

#جلسه_4dip نحوه خواندن و نمایش دادن تصویر- تبدیلات تصاویر
#imread #imshow #rgb2gray #rgb2ind
#ind2rgb #ind2gray #gray2ind

#جلسهDIP5: عملیات جمع و تفریق و کاربرد آنها در پردازش تصویر

#جلسه6: #حلقه ها در متلب

#جلسه7: توابع پرکاربرد پردازش تصویر در متلب
#مکمل تصویر
#ترکیب_خطی تصاویر
#قدرمطلق اختلاف تصاویر
#تصاویرDicom
#histogram_stretching
#bit_level_slicing
پردازش تصاویر پزشکی
#med_image_processing1 مسیربینایی انسان
#med_image_processing2
مفاهیم پایه
#med_image_processing3
تصویر رنگی

2⃣ برنامه نویسی در پایتون
#جلسه1_python نحوه نصب برنامه
#جلسه2_python نصب آناکوندا
#جلسه3_python تعاریف و مقدمات
#جلسه4_python
#python_data_type
#جلسه5_python
#python_input_output_python_import
#جلسه6_python
#python_operators
#جلسه7_python
#python_if_else_elif
#جلسه8_python
#python_if_else_elif
#جلسه9_python
#python_print_function
#جلسه10_python
#lists_in_python
#جلسه11_python
#functions_in_python
#جلسه12_python
#Homeworks
#جلسه1_پایتون_پیشرفته
#what_is_Numpy
3⃣ یادگیری ماشین
#ML1 یادگیری ماشین چیست؟
#ML2 رگرسیون لجستیک و خطی
#ML3 ensemble learning
#ML4 درخت تصمیم
#ML5 درخت تصمیم
#ML6 درخت تصمیم
#ML7 الگوریتم ژنتیک
#ML8 الگوریتم ژنتیک
#ML9 الگوریتم ژنتیک
#ML10 فرآیند مارکوف
#ML11 ادامه فرآیند مارکوف
#ML12 مدل مخفی مارکوف
#Machine_learning

4⃣ اخبار هوش مصنوعی و مهندسی پزشکی
#هوش_مصنوعی
#مهندسی_پزشکی

5⃣ پایگاه داده
#معرفی_پایگاه_داده

6⃣ پردازش سیگنال
#EEGLAB1 👇
نحوه نصب و اجرای EEGLAB در #متلب
#EEGLAB2 👇
نحوه کار با پنجره ()eegplot
#GDF 👇
نحوه خواندن داده .gdf در متلب

🎁📦تولباکس #EEGLAB_Toolbox
🎁📦#تولباکس_biosig2mat جهت تبدیل gdf به mat
#EEGLAB4 👇
رسم موقعیت الکترودها در فضای 2D و 3D
#EEGLAB5 👇
رسم توان طیفی و نقشه توپولوژی کانالهای سیگنال EEG
#پردازش_سیگنال

7⃣ واسط مغز و کامپیوتر BCI

#BC1 تاریخچه و مقدمه
#BC2 ( #MEG)
#BC3 (#PET)
#BC4 (#fMRI)
#BC5 (#fNIRS)
#BC6 (#fMRI)
#BCI7 (#fNIRS)

منتظر فایلهای آموزشی جدید ما باشید...
خبرهای خوبی در راه است😊
#پردازش_سیگنال
#پردازش_تصویر
#شبکه‌های_عصبی
#bci
#جزوه خام دوره شبکه عصبی
#جزوه خام دوره پردازش تصویر
#جزوه خام دوره پترن در پردازش سیگنال

همراهان عزیز جهت دسترسی به مطالب آموزشی سال 96 نیز میتونید از هشتک زیر استفاده کنید👇
#مطالب_آموزشی_سال96


از سایت زیر هم میتوانید مطالب آموزشی گروه ما را دنبال کنید.
http://onlinebme.ir

با ما همراه باشید 🌹🙏
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

🎁🎁تخفیفات ویژه:
10 درصد تخفیف برای دوستانی که در دوره های onlinebme شرکت کرده اند.
10 درصد تخفیف برای دانشجویان #علم_و_صنعت تهران
15 درصد تخفیف برای دوستانی که #گروهی ثبت نام میکنند
15 درصد تخفیف برای دوستانی که در 2 دوره همزمان ثبت نام کنند

20 درصد تخفیف برای دوستانی که در 3 دوره همزمان ثبت نام کنند

جهت دریافت کد #تخفیف به شماره و آیدی زیر پیام بدهید 👇👇
@OnlineBME_Admin
0936-038-2687

#پترن ( یادگیری ماشین ) در پردازش سیگنالهای حیاتی
پیاده سازی #شبکه‌های_عصبی در متلب
دوره جامع #پردازش_تصویر

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME

سوال در مورد #پشتیبانی پکیج شبکه عصبی :
دوستانی که دوره های ما شرکت کردند با اصول کاری من آشنا هستند. همون طور که برای دوره های حضوری پشتیبانی میکنیم و به دوستان تا جایی که میتونیم بعد از شرکت در دوره ها کمک میکنیم ، برای پکیج های آموزشی هم همین روال رو خواهیم داشت.
هدف ما اینه که دوره ها برای علاقه مندان مفید باشه. و مطمئنا بعد از گذراندن دوره ها ممکنه سوالاتی براشون پیش بیاد. و این وظیفه ماست به دوستان کمک کنیم تا بتونن از این دانش در انجام کارهای خودشان استفاده کنند.
🔺به زودی گروهی تشکیل خواهیم داد و دوستانی که پکیج رو تهیه کرده اند در گروه دعوت خواهند شد و سوالات اونجا پاسخ دهی خواهد شد و اگر نیاز باشه به صورت #حضوری و یا #اسکایپ جلسه #رفع_اشکال خواهیم داشت

#پکیج_آموزشی
#شبکه‌های_عصبی

🌐 تخمین سن افراد با استفاده از شبکه عصبی کانولوشن

نویسنده: پریسا ایلون

✍ طی سال‌های گذشته دانشمندان تکنیک‌های مبتنی بر یادگیری ماشین مختلفی را برای تشخیص چهره طراحی کرده‌اند. این تکنیک‌ها می‌توانند کاربردهای جالبی داشته باشند، برای مثال، ارتقاء مانیتور نظارتی، کنترل امنیت و یا کاربرد در سیستم قضایی. علاوه بر تشخیص چهره، پیشرفت در یادگیری ماشین، در ایجاد ابزارهایی برای تخمین و پیش‌بینی فاکتورهای کیفیتی از جمله سن و یا جنسیت فرد با آنالیز چهره نیز موفق بوده است.
🔺در یک مطالعه اخیر دانشمندان دانشگاه Kwazulu-Natal در آفریقا جنوبی مدلی مبتنی بر یادگیری ماشین برای تخمین سن افراد با بررسی تصاویر تهیه شده از چهره در موقعیت‌های کنترل نشده ایجاد کردند. این مطالعه در مجله Spingerمنتشر شد و در کنگره جهانی Computational Collective Intelligence (ICCCI) نیز ارائه شده است.
#تخمین_سن
#شبکه‌های_عصبی
#کانولوشن
#یادگیری_ماشین

جزئیات بیشتر👇👇
https://onlinebme.com/age-estimation-using-deep-learning/


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

.
مفتخر هستم كه به چاپ رسيدن پروژه عملي استفاده از ابزار هوشمند در صنعت حفاري هاي زير زميني با همكاري محققان و دوستان بنده در دانشگاه اول شهر رم را اطلاع رساني كنم.
عنوان:
Application of intelligent systems in the underground excavation industry
Proceedings of the 4th International Conference on Civil and Building Engineering Informatics, 2019, Sendai, Japan.
نویسندگان:
Ramezanshirazi, M, Cherloo,M, Zarrin
از اینکه تحقیقات روی یک موضوع صنعتی و عملی بود برایم بسیار باارزشمند هست و خوشحالم که کنار دوست خوبم جناب دکتر محسن شیرازی چنین تجربه ای بدست آوردم.

#حفاری_تونل در متروهای شهرم رم ایتالیا
#شبکه‌های_عصبی
#پیشبینی
#رگرسیون
#انتخاب_ویژگی
#پترن
@onlinebme

پکیجهای آموزشی موجود در سایت

📺 آموزش اصول برنامه‌نویسی در #متلب ( #رایگان)

https://onlinebme.com/course/matlab/

📺 پیاده سازی گام به گام #شبکه‌های_عصبی ( پروژه محور)
https://onlinebme.com/product/neural-networks-package/

📺 پردازش سیگنال eeg مبتنی بر تسک تصور حرکتی (BCI)
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

📺 شناسایی الگو و یادگیری ماشین
(فعلا فصلهای 1-2-3 در سایت قرار گرفته است)
https://onlinebme.com/product/pattern-parametric-classifiers/

https://onlinebme.com/product/validation-methods-and-parameters/


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME