onlinebme
4.87K subscribers
1.46K photos
568 videos
344 files
689 links
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ارائه‌دهنده‌ی پکیجهای آموزشی پروژه محور:
برنامه‌نویسی متلب-پایتون
پردازش تصویر-سیگنالهای حیاتی
شناسایی الگو
یادگیری ماشین
شبکه‌های عصبی
واسط مغز-کامپیوتر

تماس👇
09360382687
@onlineBME_admin

www.onlinebme.com
Download Telegram
بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها میدهد. پروژه هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میکنند را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.
بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف اینه که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی، در انجام پروژه پایان نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده های مختلف را آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.
💡هدف اصلی ما اینه که دوستان شرکت کننده بعد از اتمام دوره، بتوانند پایان نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه نویسی، تجزیه و تحلیل داده ها نداشته باشند.😊
💡تو این چند سال متوجه شدیم که بیشتر دوستان مهندسی پزشکی بیشتر مباحث را بلدند ولی در پیاده سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. 5 پروژه عملی از صفر تا صد در متلب پیاده سازی می شود و شرکت کنندگان با موضوعات مختلفی آشنا شده و کار با داده های مختلف پزشکی را یاد میگیرند.👌

پروژه هایی که در طول دوره آموزش داده می شوند را در زیر خلاصه کرده ایم:
نکته: لازم به ذکر است که تمامی الگوریتمهای درس #شناسایی _آماری_الگو و #داده_کاوی را را روی این پروژه ها اعمال میکنیم و دوستان علاوه بریادگیری الگوریتمها، نحوه استفاده از الگوریتمها در #پروژه_های_عملی را نیز یاد میگیرند!

- کار با سیگنالهای مغزیِ eeg ( داده مربوط به صرع- داده های تصوری حرکتی- اسپایک(unit activity))
- کار با سیگنالهای قلبیِ ecg(داده های مربتط با آرتیمی های قلبی(داده استاندارد سایت فیزیونت))

- تشخیص بیماری #صرع از روی سیگنالهای EEG (داده استاندارد 5 کلاسه دانشگاه بن آلمان)، روشهای مختلف استخراج ویژگی در حوزه زمان، فرکانس، زمان فرکانس آشنا می شوند.
🔹 تمامی الگوریتمها درس پترن و داده کاوی روی این داده ها اعمال می شوند!

- کلاس‌بندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوترBCI)، در این پروژه الگوریتم معروف csp و fbcsp آموزش داده شده سپس روی داده اعمال میشوند.
الگوریتم csp یک الگوریتم معروفی است که برای کاهش تعداد کانالها در داده های تصوری حرکتی دوکلاسه استفاده میشود.
نحوه تعمیم این الگوریتم برای داده ها چندکلاسه را نیز آموزش میدهیم.
روشهای بهبود یافته دیگر csp برای دانشجویان به عنوان تمرین تعریف می شود.

- اسپایک سورتینگ با استفاده از دو روش مختلف
1- خوشه بندی (kmeans-fcm)
2-Template matching

🔹اسپایک سورتینگ یا همان کلاسترینگ (مرتب سازی)اسپایکها یک تکنیک رایج در میان دانشمندان علوم و اعصاب جهت مطالعه عملکرد مغز است و در سالیان اخیر برای درمان بیماریهای از قبیل صرع، فلج و از دست دادن حافظه استفاده می کنند.
برای بررسی بیماریها نیاز به داشتن اطلاعات درباره فعالیت تک تک نورون ها است. در ثبت خارج سلولی فعالیت چندین نورون همزمان ثبت می شود. برای تفکیک فعالیت نورونها از تکنیک اسپایک سورتینگ استفاده میکنند.
در این دوره مفاهیم ثبت داخل و خارج سلولی، تکنیکهای اسپایک سورتینگ را آموزش داده و یک پروژه عملی نیز انجام میدهیم!

- تشخیص بیماری های قلبی با استفاده از سیگنال ECG
🔹امروزه افراد زیادی از نارسایی قلبی رنج میبرند و اگر در زمان مناسب بیماریها تشخیص داده شود میتوان از اتفاقات ناگوار جلوگیری کرد. ثابت شده فعالیت الکتریکی قلب اطلاعات مفیدی درباره وضعیت سلامت قلب ارائه میدهد. پزشکان برای تشخیص بیماریهای قلبی از سیگنال ECG یا همان نوار قلبی استفاده می کنند. ولی مشکلی که اینجا هست اینه که بررسی نوار قلبی بسیار زمان‌بر و خسته کننده ست، از طرف دیگر ممکن است پزشک متخصص نباشد و تحلیل اشتباهی انجام دهد.
در این دوره نحوه کار با داده ECG و نحوه تجزیه و تحلیل داده ها را آموزش میدهیم تا بتوانیم مدلی دقیق (نزدیک به نظر پزشکان متخصص) و بسیار سریع(خودکار) طراحی کنیم.

شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:
- برنامه‌نویسی در محیط متلب
- پیاده‏ سازی تمامی الگوریتمهای مربوط به شناسایی الگو و داده کاوی
- پیاده‏ سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
- پیاده‏ سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
- شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک
- انجام پایان نامه

@IUST_Bioelecteric
تخمین پارامترهای تابع توزیع احتمال با روش
#دانسیته_احتمال_ماکزیمم(ML)
#پترن #شناسایی_آماری_الگو

@IUST_Bioelecteric
onlinebme
💡🌐 کنترل بازوان مصنوعی با #ذهن در دانشگاه جان هاپکینس😃 @IUST_Bioelecteric
💡🌐 کنترل دست های مصنوعی با ذهن

✍️محققان در آزمایشگاه فیزیک کاربردی دانشگاه جان هاپکینز موفق به آزمایش بازوان مصنوعی شده اند که شخص میتواند توسط این بازوان تسکهای پیچیده را به صورت همزمان انجام دهد!
آزمایشات نشان میدهند که سیستم قابلیت یادگیری سریعی دارد و روزی زندگی افرادی که هر دو بازوی خود را از دست داده اند، متحول کند!
🔺برای بسیاری از ما تسکهایی از قبیل نوشیدن یک فنجان چایی هیچ مشکلی ندارد. ولی برای افرادی مثل لسلی بو(Leslie Baugh)، کسی که هردو بازوی خود را حدود 40 سال پیش در یک حادثه برق گرفتگی از دست داده است، غیرممکن است. تحقیق و توسعه پروتزهای پیشرفته، نظیر آنهایی که در این مطالعه انجام شده، واقعا پتانسیل بالقوه برای تغییر زندگی چنین افرادی را دارد.
برای اینکه این تکنولوژی بتواند عمل کند، اول لازم بود که آقای Baugh تحت جراحی معروف به بازسازی عضلات هدفمند،قرار گیرد. طراحی دستهای مصنوعی به نحوی است که توسط اعصاب کنترل می شود و می تواند آنها را حرکت دهد.

🔺برای انجام عمل جراحی، گروه محقیق از یک نرم افزار #شناسایی_الگو جهت جدا کردن الگوهای رفتاری هر یک از عضلات، مطالعه ارتباطات بین عضلات و دامنه و فرکانس ایمپالسهای عصبی استفاده کردند. بعد از تجزیه و تحلیل، اطلاعات جهت انجام حرکتهای خاص به بازوان داده شد.
جهت اینکه Baugh بتواند این بازوان را کنترل کند، یک سوکت سفارشی در نیمه بالای بدن او قرار گرفت. این سوکت جهت کنترل بازوان مصنوعی طراحی شده است که امکان ارتباطات عصبی با اعصاب بازسازی شده را میدهد.

🔺محققان امیدوارند کاربرد این دستان رباتیک برای انجام امور روزمره به مانند دستان طبیعی باشد، بدین منظور سرعت حرکات دستان رباتیک با تمرین و یادگیری روز به روز بهتر می شود و برای به کنترل در آوردن تمام حرکات دست مانند دستان طبیعی به مدت زمان بیشتری نیاز است.

https://www.popsci.com/world-first-man-controls-two-prosthetic-arms-his-mind

@IUST_Bioelecteric
💡🌐 #گوسفند می‌تواند افراد آشنا را از روی عکس تشخیص ‌دهد

✍️ پژوهشگران علوم و اعصاب دریافته‌اند که #گوسفند دارای #قدرت_تشخیص افراد آشنا از روی عکس آنان است.
دست‌اندرکاران تحقیقاتی که در دانشگاه کمبریج، بریتانیا، انجام شده، چند گوسفند را با تصاویر جیگ گلینهال و اما واتسون، بازیگران سینما، باراک اوباما، رئیس جمهوری سابق آمریکا، و فیونا بروس، گوینده تلویزیون بی‌بی‌سی آشنا کردند. بعد از این آموزش، گوسفندها توانستند تصاویر این افراد را از تصاویر افراد ناآشنا تشخیص دهند.
این تحقیقات نشان داد که گوسفند دارای همان قدرت #تشخیص_چهره است که تا کنون تصور می‌شد تنها انسان و نخستین‌ها از آن برخوردارند.
پیش از این، پژوهشگران کشف کرده بودند که گوسفند قادر است چهره چوپانان و گوسفندهایی را که از پیش می‌شناخته از گوسفندها و افراد غریبه تشخیص دهد. آنچه که تحقیقات اخیر را متمایز می‌سازد این است که نشان داده که گوسفندقدرت شناسایی افراد از روی عکس آنان را هم دارد.
تشخیص افراد از روی عکس به معنی آن است که گوسفند از قدرت #شناسایی دوبُعدی برخوردار است و می‌تواند درک کند که تصویر یک فرد به همان فرد تعلق دارد.
http://www.telegraph.co.uk/science/2017/11/08/clever-sheep-can-recognise-fiona-bruce-emma-watson-barack-obama/

@IUST_Bioelecteric
کلاسبند بیزین:
🔺قضیه بیز:
روشی برای دسته بندی پدیده‌ها، بر پایه احتمال وقوع یا عدم وقوع یک پدیده‌است و در نظریه احتمالات با اهمیت و پرکاربرد است. اگر برای فضای نمونه‌ای مفروضی بتوانیم چنان افرازی انتخاب کنیم که با دانستن اینکه کدامیک از پیشامدهای افراز شده رخ داده‌است، بخش مهمی ازعدم‌اطمینان تقلیل می یابد.
این قضیه از آن جهت مفید است که می‌توان از طریق آن احتمال یک پیشامد را با مشروط کردن نسبت به وقوع یا عدم وقوع یک پیشامد دیگر محاسبه کرد. در بسیاری از حالت‌ها، محاسبهٔ احتمال یک پیشامد به صورت مستقیم کاری دشوار است. با استفاده از این قضیه و مشروط کردن پیشامد مورد نظر نسبت به پیشامد دیگر، می‌توان احتمال مورد نظر را محاسبه کرد. این رابطه به خاطر بزرگداشت توماس بیز فیلسوف انگلیسی به نام فرمول بیز معروف است.

کلاسبند بیزین یک روش آماری بسیار قوی است که برای کلاسبندی الگوها استفاده می شود.
💡کلاسبند بهینه کلاسبندی است که بتواند دانش قبلی که بدون اندازه گیری بدست می آید را با اطلاعات اندازه گیری شده ترکیب کند. چون هر دوی این اطلاعات در تصمیم گیری کمک کننده هستند ولی به تنهایی کارایی خوبی ندارند. ولی زمانی که این دو اطلاعات باهم ترکیب شوند باعث تصمیم گیری دقیق می شوند.
🔺 کلاسبند بیزین دانش قبلی را با استفاده از اطلاعات اندازه گیری شده به احتمالات پسیین تبدیل می کند که نقش تعیین کلاس را دارد، از اینرو اگر اطلاعات ما دقیق باشد، کلاسبند بیزین بهینه ترین کلاسبند است.
#کلاسبند_بیزین
#کلاسبندی
#شناسایی_الگو

❇️خلاصه ای از مطالب دوره تخصصی جامع مهندسی پزشکی
🌀 کاری از گروه تخصصی و آموزشی دانشجویان دانشگاه علم و صنعت تهران
برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و برق

@IUST_Bioelecteric
#معرفی_پایگاه_داده
3- پایگاه داده حالت چهره (زنان ژاپنی)
http://www.kasrl.org/jaffe.html
این پایگاه داده شامل 213 تصویر از 7 حالت صورت (6 حالت صورت + 1 حالت طبیعی) است که از 10 مدل زن ژاپنی ثبت شده است. هر تصویر توسط 60 نفر از افراد ژاپنی به 6 صفت حساسی رتبه بندی شده است.
حالتهای چهره: طبیعی، شاد، عصبانی، انزجار، ترس، غم انگیز و تعجب
برای هر حالت چهره از هر فرد دو نوع ثبت شده است. در مجموع 213 عدد تصاویر از حالت چهره در این پایگاه داده وجود دارد که اندازه هر تصویر 256 × 256 است.

روشهای زیادی برای تشخیص حالت چهره و یا ژست دست ارائه شده است.
شاید بتوان گفت که استفاده از الگوریتم pca یکی از ساده ترین روشها و با کمی ارفاق رایجترین روش برای اینکار است.
روشهای دیگه ای مثل فیلتر گابور، تبدیل ویولت و غیره میتوان نام برد.
فرض کنید بخواهیم با استفاده از pca حالت دست را تشخیص دهیم.
برای سادگی اگر داده ما دو کلاسه باشد و از هر کلاس 100 تصویر داشته باشیم.
در ابتدا داده ها رو کنار هم قرار میدهیم و به دو بخش آموزش و تست تقسیم می کنیم. سپس توسط داده آموزش و الگوریتم pca بردارهای ویژه را محاسبه می کنیم، حال مرحله بعدی تعدادی از بردارهای ویژه مهم را انتخاب می کنیم(مثلا 10 تا)، سپس این بردارهای ویژه را هم به داده آموزش و هم به داده تست ضرب میکنیم و کاهش بعد را انجام میدهیم.
حال توسط داده آموزش کاهش بعد یافته، کلاسبند را آموزش می دهیم و سپس جهت اطمینان از صحت علمکرد مدل طراحی شده، با داده تست مدل آموزش دیده شده را ارزیابی میکنیم.
این پروژه رو در آینده به صورت ویدیوهای آموزشی رایگان (مبحث پترن در پردازش تصویر)در کانال قرار خواهیم داد.

جهت آشنایی با الگوریتم pca و نحوه پیاده سازی این الگوریتم هشتکهای زیر را در کانال جستجوکنید:👇👇
#تجزیه_مولفه_های_اساسی
#شناسایی_الگو #PCA


🌀 کاری از موسسه آموزشی onlinebme
برگزار کننده دوره های #تخصصی و #پروژه_محور مهندسی پزشکی و هوش مصنوعی

🌐 مطالب و ویدیوهای آموزشی #رایگان ما را از #سایت متلبخونه هم میتونید دنبال کنید:👇👇
http://matlabkhoone.ir/

@onlineBME
با سلام
#مطالب_آموزشی_سال96
👇👇👇👇
شما همراهان عزیز جهت استفاده از مطالب آموزشی ( فایل pdf) قرار داده شده در کانال می توانید از هشتک های زیر:
#Neural_Network
#neural_network
#Multi_layer_perceptron
#MLP
#mlp
#RBF
#batch_mode
#pattern_mode
#deep_learning
#convolutional_neural_networks
#pattern_recognition
#pca
#neuroscience
#classification
#KNN
#kmeans_clusterring
#FCM
#EEG
#qeeg
#brain_mapping
#qrs
#detection
#ssvep
#outliers
#feature_selection
#neuroscience
#voice_recognition
#image_processing
#bit_level_slicing
#image_registeration
#image_fusion
#template_matching
#pet
#OpenCV
#Python
#OpenCV_in_Python
#endnote
#data_mining
#bone_age
#p300
#ERP
#پردازش_تصویر
#پردازش_تصاویرپزشکی
#پردازش_تصویر
#عکاسی
#پردازش_تصویر
#تبدیل_تصویر_خاکستری_به_باینری
#برجسته_کردن_لبه
#فیلتر_مکانی
#انطباق_تصاویر
#مورفولوژی
#ایزو
#سرعت_شاتر
#دریچه_دیافراگم
#تصویربرداری
#سن_استخوانی
#نویزسفید
#شبکه_عصبی_پرسپترون_چندلایه
#صفرتاصدRBF
#شبکه_عصبی_RBF
#قضیه_کاور
#مهندسی_عصبی ( بخش یک تا 5 )
#تحریک_الکتریکی_عملکردی
#عصب_شناسی
#خطای_شنیداری
#سیگنالهای_حیاتی
#اسپایک_سورتینگ
#نرمال_سازی
#استخراج_ویژگی
#انتتخاب_ویژگی
#رگرسیون
#کلاسبندی
#کلاسبند_حداقل_فاصله
#سفیدکردن
#تطبیق_الگو
#تجزیه_تحلیل_مولفه_های_اصلی
#باندگاما_بتا_آلفا_تتا_دلتا
#نقشه_برداری_مغزی
#واسط_مغزوکامپیوتر
#رگرسیون
#اکوی_قلب
#پردازش_صوت
#کاشت_الکترود
#روش_پارامتری
#ترجمه
#ویدیوی_آموزشی
#آموزش_کدنویسی_در_متلب
نطریه #نسبیت #انیشتین
#توفنده #استارت‌آپ
#استرس
#آدرنالین
#اپینفرین
#جراحی
#چالش_مانکن

خلاصه مطالب دوره شبکه عصبی و دوره جامع:
#رگرسیون
#کلاسبندی
#جلسه_اول
#دوره_شبکه_عصبی
#اولویت_های_ریاضیاتی
#مسیرهای_جستجو
#قوانین_نقطه_گذاری
#قوانین_اسم_گذاری
#کنترل_برنامه
#توابع_پرکاربرد
#تابع_find
#آرایه_ منظم
#مغزانسان
#مرز
#نورون
#پرسپترون
#پرسپترون_تک_لایه
داده #خطی
#همگرا
#نورون_بیولوژیکی
#نورون_مصنوعی
#یادگیری_هبین
#هبین

#دوره_جامع_مهندسی_پزشکی
#ارزیابی
#BCI
#motor_imagery
#EOG
#matlab
#neuroscience
#signal_processing
#Pattern_recognition
#kmeans
#random_subsampling
#leave_one_out
#k_fold_cross_validation
#knn
#slp
#while
#for
و یا از کلمات کلیدی زیر:
سرعت شاتر دوربین
سرعت نور
آموزش اوپن سی وی
کوانتیزه کردن تصویر
هیستوگرام
ادغام تصاویر پزشکی
فیلترهای مکانی
بینایی ماشین
پردازش تصویر
آستانه گذاری محلی
شبکه عصبی
الگوریتم LMS
کاهش نویز سیگنال ECG
ثبت خارج سلولی
رگرسیون
کلاسبندی
خوشه بندی
الگوریتم kmeans
منطق فازی
روش ارزیابی
کلاسبندهای پارامتری
کلاسبند فاصله اقلیدسی، ماهالانوبیس
فیلتر باترورث
رزولوشن فرکانسی
آرتیفکت
نویز
افزونگی
بیماری ویلسون
بیماری ALS
بیماری پارکینسون
بیماری صرع
جراحی و کنترل مثانه
نحوه تولید اعداد تصادفی در یک بازه خاص
استفاده نمایید.
همچنین جهت استفاده از ویدیوی های آموزشی #رایگان می توانید از هشتک های زیر:
#ویدیوی_آموزشی
🔸پردازش تصویر
#ناحیه_بندی_با_svm
#جلسه_اولdip
#جلسه_دومdip
#جلسه_سومdip
#جلسه_4DIP
#جلسه5
#جلسه6
#جلسه7
#histogram_stretching
#bit_level_slicing
#svm
🔸 پردازش سیگنال- پترن-BCI
#فیزیونت
#ادابوست
#تجزیه_مولفه_های_اساسی
#کاهش_ابعاد_با_pca
#کلاسبندی_با_svm
#کلاسبندی #بخش_اول #بخش_دوم #بخش_سوم
#لیبل_گذاری
#شناسایی_الگو
#رگرسیون_خطی
#رگرسیون_خطی_چندمتغیره
#دانسیته_احتمال_ماکزیمم
#کنترل_دست_مصنوعی_با_ذهن
#داده_تصوری_حرکتی
ویژگیهای #آماری
#mean #varicance #skewness #kurtosis
#BCI
#pca
#adaboost
#EEGLAB
🔹 آموزش برنامه نویسی متلب از مقدماتی تا پیشرفته:
بخش 1 تا بخش 8 (کلمات کلیدی)
#جلسه9
#جلسه10
#جلسه11
#جلسه12
#جلسه13
#جلسه14
#جلسه15
استفاده نمائید.

با ما همراه باشید😊
سایت آنلاین bme داره آماده میشه، از این بعد ویدیوهای آموزشی رایگان رو در سایت قرار داده و در کانال اطلاع رسانی خواهیم کرد😉

@onlineBME
onlinebme
توسعه‌ی #هوش_مصنوعی جدیدی که با استفاده از فرکانس‌ رادیویی، می‌تواند حرکات انسان را از پشت دیوار #ردیابی کند.🤦‍♂ 📖 @onlineBME
هوش مصنوعی MIT حرکات انسان را از پشت دیوار ردیابی می‌کند

👨‍💻 نویسنده: میلاد میرکانی

گروهی از پژوهشگران MIT موفق به توسعه‌ی هوش مصنوعی جدیدی شده‌اند که با استفاده از فرکانس‌ رادیویی، می‌تواند حرکات انسان را از پشت دیوار ردیابی کند.

🔻از این پس برای تشخیص حرکات افراد در پشت دیوار نیازی به رادارهای عجیب و غریب، تجهیزات مادون قرمز یا توسعه‌ی شبکه‌های توری نخواهیم داشت و تنها به  سیگنال بی‌سیم با امکان ردیابی آسان و هوش مصنوعی نیازمند خواهیم بود. پژوهشگران آزمایشگاه علوم کامپیوتر و هوش مصنوعیام‌آی‌تی، سیستمی به نام RF-Pose توسعه داده‌اند که با بهره‌گیری از #شبکه‌ی_عصبی به دستگاه‌های مجهز به #فرکانس_رادیویی یاد می‌دهد حرکات افراد و وضعیت آن‌ها را در پشت موانع #شناسایی کنند. این تیم با نشان دادن مثال‌هایی از دو حالت حرکت در حال ضبط با دوربین و سیگنال‌های منعکس‌شده از بدن افراد، هوش مصنوعی خود را به‌منظور شناسایی حرکات انسانی در فرکانس رادیویی آموزش داد و به آن کمک کرد چگونگی همبستگی انعکاسات با یک وضعیت مشخص را درک کند. با این ترفند هوش مصنوعی می‌تواند به‌تنهایی با بهره‌گیری از سیگنال‌های بی‌سیم، حرکات یک نفر را تخمین بزند و او را به‌صورت یک آدمک‌ خطی نمایش دهد.

🔻دانشمندان نوآوری خود را بیش از همه در حوزه‌ی #مراقبت‌های _پزشکی سودمند می‌دانند؛ جایی که این فناوری می‌تواند برای ردیابی توسعه‌ی بیماری‌هایی نظیر #ام‌اس و #پارکینسون به‌ کار گرفته شود. این نوآوری همچنین می‌تواند به برخی از افراد #سالخورده هشدار بدهد که در صورت بیرون رفتن، ممکن است به زمین بخورند یا به هر شکل با مشکل روبرو شوند. علاوه بر این، از آنجایی که این فناوری در شناسایی افراد در گروه‌های بزرگ (به اندازه‌ی ۱۰۰ نفر) تا ۸۳ درصد قابل اطمینان است، می‌تواند در عملیات جستجو و نجات سودمند باشد. با تکامل این فناوری می‌توان تصاویری سه‌بعدی ساخت که حتی حرکات جزئی نظیر تکان دادن دست را نیز نشان می‌دهند.

🔺با این حال، این نوآوری به‌صورت بالقوه نگرانی‌هایی درباره‌ی حریم شخصی به همراه دارد. از نظر تئوری با استفاده از این فناوری می‌توان به #جاسوسی از افراد در ساختمان‌های مجاور پرداخت یا افراد را حتی در صورت مخفی شدن در پشت موانع، تا رسیدن به مقصد تعقیب کرد. اما سازندگان این هوش مصنوعی برای حل این مشکل راه‌ حلی در سر دارند. آن‌ها بدین منظور «مکانیسم رضایتی» توسعه می‌دهند که پیش از شروع ردیابی نیازمند اجرای حرکات مشخصی است. اگر این ویژگی محافظتی در کاربردهای دنیای واقعی جوابگو باشد، دیگر لازم نیست نگران از دست دادن حریم شخصی باشیم.

🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی

📖 @onlineBME
دوره شناسایی الگو و یادگیری ماشین
⚠️ اولین دوره جامع و تخصصی در ایران
⚠️ 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 اول: مقدمه ای بر یادگیری ماشین و شناسایی الگو

⭕️⭕️ فصل دوم: طبقه بندهای پارامتری

🔺بیزین
🔺توزیع نرمال
🔺ماکزیمم شباهت
🔺حداقل فاصله اقلیدسی
🔺حداقل فاصله ماهالانوبیس

⭕️⭕️ فصل سوم: روشها و پارامترهای ارزیابی
🔺confusion matrix
🔺the hold out method
🔺K-fold cross validation
🔺leave one out validation
🔺 random subsampling validation

⭕️⭕️ الگوریتمهای غیر پارامتری
🔹 knn
🔹wknn
🔹knn / wknn in regression

🔺slp
🔺adaline
🔺MLP

🔹 Hard-margin SVM
🔹 Soft-margin SVM
🔹non-linear SVM
🔹 linear- SVR
🔹 non-linear SVR

⭕️⭕️ فصل پنجم: یادگیری جمعی
🔹 Voting
🔹 Stacking
🔹 Bagging
🔹 Boosting
🔻 KNN ada-boost
🔺 SLP ada-boost
🔻 ELM ada-boost
🔺 LDA ada-boost
🔻 TREE ada-boost
🔺 SVM ada-boost

⭕️⭕️ فصل ششم: کاهش بعد
🔹 PCA
🔹 LDA
🔻 PCA as a classifier
🔺 LDA as a classifier

⭕️⭕️ فصل هفتم: انتخاب ویژگی
🔹 T-test
🔹 Anova
🔹 FDR
🔹 Mutual information
🔹 SFFS

⭕️⭕️ فصل هشتم: خوشه بندی
🔹 Fcm
🔹 K-means
🔹 G-means

در طول دوره علاوه بر آموزش تئوری و پیاده‌سازی روشها ، پروژه های تخصصی زیادی انجام شده است که دوستان میتوانند در پروژه های درسی یا پایان نامه خودشون استفاده کنند👌😊


#یادگیری_ماشین
#شناسایی_الگو
#machinelearing
#pattern_recognition

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

https://www.instagram.com/p/CJPSTRWpFDG/?igshid=si3mdifspwga