دوره شبکه عصبی به پایان رسید و لازمه که از همینجا از همه شرکت کنندگان بخاطر شرکت در این دوره تشکر کنیم و امیدواریم که این دوره برای دوستان مفید بوده باشه😊.
🔶 لازمه که مروری داشته باشیم به مباحثی که در این دوره آموزش داده شد تا از این طریق دوستان دیگه ای که علاقه مند به یادگیری این مباحث هستند در دوره های بعد شرکت کنند.
🚩وجه #تمایز این دوره با دوره های دیگه این بود که اولا در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نشد بلکه نحوه ی پیاده سازی شبکه ها بطور کامل آموزش داده شد! (چون باور داریم که یک مهندس باید خودش کد بنویسه نه اینکه از منابع آماده استفاده کنه).
استفاده از شبکه عصبی آماده برای شخصی که مهندسی نمیخونه و صرفا مصرف کننده هست مناسب هست.
🔺در این دوره نحوه #پیاده_سازی شبکه های عصبی آموزش داده شد و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده شد، در پیاده سازی شبکه ها، بهبود شبکه ها، شبیه سازی مقالات و استفاده از شبکه ها در پروژه های عملی دچار مشکل نخواهند شد.
🔺 در این دوره سعی بر این بوده است که تمام مباحث کتاب معروف Siomon Haykin را آموزش بدیم.
🔺کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه های عصبی است که در بیشتر دانشگاههای داخل و خارج کشور تدریس می شود.
🔺در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده شد و سپس به طور گام به گام در متلب پیاده سازی شد.
🔺علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNNو ELM (بانظارت – که جهت کلاسبندی و پیش بینی استفاده می شوند) را طبق مقالات معتبر پیاده سازی کردیم که از این طریق شرکت کنندگان با پیاده سازی مقالات نیز آشنا شدند.
🔺تمامی شبکه ها در متلب پیاده سازی و سپس در پروژه‌های عملی استفاده شدند!
🚩وجه #تمایز دیگه ای این دوره با دوره های دیگه این بود که این دوره کاملا #پروژه_محور بود و در طول دوره پروژه های مختلفی با شبکه های عصبی انجام شد.
🔗پروژه هایی که در دوره آموزش داده شدند:
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
◦ تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
◦ #تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی (ELM(Extreme learning machine
◦ تشخیص #سرطان_سینه با استفاده از شبکه عصبی احتمالی (PNN)
◦ کلاسبندی داده های سه کلاسه iris# (داده ی معروف در سایت uci) با استفاده از شبکه هایی عصبی
Pnn-Elm-Rbf
MLP(back propagation)
MLP(delta delta) -MLP(delta bar delat)
◦ #خوشه_بندی با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری رقابتی(som)
◦ پیاده سازی الگوریتم #PCA(تجزیه مولفه های اساسی) با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری هببین
◦ کلاسبندی داده های دوکلاسه و #چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
◦ #تخمین کیفیت شراب با استفاده از شبکه های عصبی
◦ #پیش_بینی نرخ ارز با استفاده از شبکه های عصبی
🌟با پیاده سازی این پروژه ها ، دوستان با مباحث مرتبط با تقسیم داده(روش معمول (70-30) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل گذاری داده، تعیین مدل بهینه آشنا شدند.
⤵⤵⤵⤵⤵⤵⤵⤵⤵⤵⤵
💡دوره ی بعدی #مهرماه در #مشهد برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.
0936-038-2687
@Bio_Engineerr
مدرس دوره: مهندس محمد نوری زاده چرلو
➖➖➖➖➖
سایتمون رو هم دنبال کنید🙏🙏😊😊
http://matlabkhoone.ir/2017/09/08/%D9%BE%D8%A7%DB%8C%D8%A7%D9%86-%D8%A7%D9%88%D9%84%DB%8C%D9%86-%D8%AF%D9%88%D8%B1%D9%87-%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-%D8%AF%D8%B1-%D8%AA%D9%87%D8%B1%D8%A7/
➖➖➖➖➖
@IUST_Bioelecteric
🔶 لازمه که مروری داشته باشیم به مباحثی که در این دوره آموزش داده شد تا از این طریق دوستان دیگه ای که علاقه مند به یادگیری این مباحث هستند در دوره های بعد شرکت کنند.
🚩وجه #تمایز این دوره با دوره های دیگه این بود که اولا در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نشد بلکه نحوه ی پیاده سازی شبکه ها بطور کامل آموزش داده شد! (چون باور داریم که یک مهندس باید خودش کد بنویسه نه اینکه از منابع آماده استفاده کنه).
استفاده از شبکه عصبی آماده برای شخصی که مهندسی نمیخونه و صرفا مصرف کننده هست مناسب هست.
🔺در این دوره نحوه #پیاده_سازی شبکه های عصبی آموزش داده شد و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده شد، در پیاده سازی شبکه ها، بهبود شبکه ها، شبیه سازی مقالات و استفاده از شبکه ها در پروژه های عملی دچار مشکل نخواهند شد.
🔺 در این دوره سعی بر این بوده است که تمام مباحث کتاب معروف Siomon Haykin را آموزش بدیم.
🔺کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه های عصبی است که در بیشتر دانشگاههای داخل و خارج کشور تدریس می شود.
🔺در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده شد و سپس به طور گام به گام در متلب پیاده سازی شد.
🔺علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNNو ELM (بانظارت – که جهت کلاسبندی و پیش بینی استفاده می شوند) را طبق مقالات معتبر پیاده سازی کردیم که از این طریق شرکت کنندگان با پیاده سازی مقالات نیز آشنا شدند.
🔺تمامی شبکه ها در متلب پیاده سازی و سپس در پروژه‌های عملی استفاده شدند!
🚩وجه #تمایز دیگه ای این دوره با دوره های دیگه این بود که این دوره کاملا #پروژه_محور بود و در طول دوره پروژه های مختلفی با شبکه های عصبی انجام شد.
🔗پروژه هایی که در دوره آموزش داده شدند:
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
◦ تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
◦ #تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
◦ تشخیص سرطان سینه با استفاده از شبکه عصبی (ELM(Extreme learning machine
◦ تشخیص #سرطان_سینه با استفاده از شبکه عصبی احتمالی (PNN)
◦ کلاسبندی داده های سه کلاسه iris# (داده ی معروف در سایت uci) با استفاده از شبکه هایی عصبی
Pnn-Elm-Rbf
MLP(back propagation)
MLP(delta delta) -MLP(delta bar delat)
◦ #خوشه_بندی با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری رقابتی(som)
◦ پیاده سازی الگوریتم #PCA(تجزیه مولفه های اساسی) با استفاده از شبکه های عصبی خودسازمانده با قانون یادگیری هببین
◦ کلاسبندی داده های دوکلاسه و #چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
◦ #تخمین کیفیت شراب با استفاده از شبکه های عصبی
◦ #پیش_بینی نرخ ارز با استفاده از شبکه های عصبی
🌟با پیاده سازی این پروژه ها ، دوستان با مباحث مرتبط با تقسیم داده(روش معمول (70-30) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل گذاری داده، تعیین مدل بهینه آشنا شدند.
⤵⤵⤵⤵⤵⤵⤵⤵⤵⤵⤵
💡دوره ی بعدی #مهرماه در #مشهد برگزار خواهد شد. دوستانی که قصد شرکت در دوره را دارند میتوانند برای پیش ثبت نام با شماره زیر تماس بگیرند.
0936-038-2687
@Bio_Engineerr
مدرس دوره: مهندس محمد نوری زاده چرلو
➖➖➖➖➖
سایتمون رو هم دنبال کنید🙏🙏😊😊
http://matlabkhoone.ir/2017/09/08/%D9%BE%D8%A7%DB%8C%D8%A7%D9%86-%D8%A7%D9%88%D9%84%DB%8C%D9%86-%D8%AF%D9%88%D8%B1%D9%87-%DB%8C-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-%D8%AF%D8%B1-%D8%AA%D9%87%D8%B1%D8%A7/
➖➖➖➖➖
@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
✍️ 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
The Telegraph
Clever sheep can recognise Fiona Bruce, Emma Watson and Barack Obama
The humble sheep has long been judged a placid and witless creature, a view epitomised by Winston Churchill when he labelled Clement Attlee a ‘sheep in sheep’s clothing’
مراحلی که یک مهندس پزشک جهت تشخیص p300 باید انجام دهد
#تشخیص_p300
1-ثبت سیگنال
2- پردازش سیگنال
- کاهش نویز
- استخراج ویژگی
- طبقه بندی
3- صدور فرمان
➖➖➖➖➖
@IUST_Bioelecteric
#تشخیص_p300
1-ثبت سیگنال
2- پردازش سیگنال
- کاهش نویز
- استخراج ویژگی
- طبقه بندی
3- صدور فرمان
➖➖➖➖➖
@IUST_Bioelecteric
✅ عینک مجهز به تشخیص چهره/ سلاح جدید پلیسهای چینی
✍ پلیسهای چینی از عینکهای مجهز به #تشخیص_چهره برای ردیابی مسافرین استفاده میکنند!
براساس گزارش محلی، این عینکها در یکی از شلوغ ترین ایستگاههای مترو هنگام مسافرتهای سال نو استفاده می شود، دوره ای که یکی از شلوغ ترین زمانهاست و اغلب به عنوان بزرگترین رویداد مهاجرات انسان در روی زمین شناخته میشود.
پلیس محلی گزارش میدهد که این عینکها قبلا در دستگیری 7 مظنون تحت تعقیب و همچنین 26 نفر از کسانی که با هویت جعلی مسافرت میکردند استفاده شده است.
🔺مدیر اجرایی شرکت LLVission می گوید که این شرکت با پلیس محلی کار میکند تا بتواند این تکنولوژی را با توجه به نیازهایش توسعه دهد.
این دوربین ها قادر به شناسایی یک فرد از بین 10000 تصویر مرتبط به مظنونین در عرض 100 میلی ثانیه هست! اما ممکن است دقت شناسایی در استفاده های زمان حقیقی به خاطر #نویز_محیط تغییر کند.
🔺بزرگترین چالشی که این عینکها با آن روبرو هستند این است که هنگامی که از دوربینهای cctv استفاده میکنند، تصویر تار میشود و زمانی که میخواهد تشخیص هویت دهد ممکن است فرد حرکت کند.
https://www.theverge.com/platform/amp/2018/2/8/16990030/china-facial-recognition-sunglasses-surveillance
➖➖➖➖
🌐 @IUST_Bioelecteric
✍ پلیسهای چینی از عینکهای مجهز به #تشخیص_چهره برای ردیابی مسافرین استفاده میکنند!
براساس گزارش محلی، این عینکها در یکی از شلوغ ترین ایستگاههای مترو هنگام مسافرتهای سال نو استفاده می شود، دوره ای که یکی از شلوغ ترین زمانهاست و اغلب به عنوان بزرگترین رویداد مهاجرات انسان در روی زمین شناخته میشود.
پلیس محلی گزارش میدهد که این عینکها قبلا در دستگیری 7 مظنون تحت تعقیب و همچنین 26 نفر از کسانی که با هویت جعلی مسافرت میکردند استفاده شده است.
🔺مدیر اجرایی شرکت LLVission می گوید که این شرکت با پلیس محلی کار میکند تا بتواند این تکنولوژی را با توجه به نیازهایش توسعه دهد.
این دوربین ها قادر به شناسایی یک فرد از بین 10000 تصویر مرتبط به مظنونین در عرض 100 میلی ثانیه هست! اما ممکن است دقت شناسایی در استفاده های زمان حقیقی به خاطر #نویز_محیط تغییر کند.
🔺بزرگترین چالشی که این عینکها با آن روبرو هستند این است که هنگامی که از دوربینهای cctv استفاده میکنند، تصویر تار میشود و زمانی که میخواهد تشخیص هویت دهد ممکن است فرد حرکت کند.
https://www.theverge.com/platform/amp/2018/2/8/16990030/china-facial-recognition-sunglasses-surveillance
➖➖➖➖
🌐 @IUST_Bioelecteric
The Verge
Chinese police are using facial recognition sunglasses to track citizens
They’re looking for shady characters.
onlinebme
✅ عینک مجهز به تشخیص چهره/ سلاح جدید پلیسهای چینی ✍ پلیسهای چینی از عینکهای مجهز به #تشخیص_چهره برای ردیابی مسافرین استفاده میکنند! براساس گزارش محلی، این عینکها در یکی از شلوغ ترین ایستگاههای مترو هنگام مسافرتهای سال نو استفاده می شود، دوره ای که یکی از…
🌐 یک نوجوان 14 ساله برنامه ای (application) با استفاده از #هوش_مصنوعی و فناوری #تشخیص_چهره ساخته که به بیماران #آلزایمر کمک می کند تا عزیزانشان را به خاطر بیاورند.
✍️ اما یانگ، برنامه نویس جوان ما بعد از مشاهده اینکه مادربزرگش چقدر در به یاد آرودن اعضای خانواده خود اذیت میشد، تصمیم میگیرد تا با استفاده از هوش مصنوعی و تشخیص چهره اپی بسازد که به این به افراد کمک کند تا عزیزان خود را به خاطر بیاورند.
🔺در اپ در حال توسعه این برنامه نویس جوان ما، که timless نام دارد، بیماران مبتلا به آزایمر عکس دوستان و اعضای خانواده خود را انتخاب کرده و اپ با کمک فناوری تشخیص چهره به آنها می گوید که این برای چه شخصی هست و چه ارتباطی با بیمار دارند.
🔺همچنین اگر در یک اتاقی شخصی را بیمار نتواند تشخیص دهد، تنها کافیست یک عکس از شخص گرفته شود، بعد اپ به طور خودکار تشخیص میدهد که فرد مورد نظر کی هست.
🔺این اپ همچنین یک صفحه یادآوری دارد که در آن قرار ملاقاتهای روزانه را لیست کرده است، که عکس اعضای خانواده به همراه اسم و شماره تماس در صفحه نشان می دهد. اگر بیمار چندین بار با یک شخص تماس بگیرد، اتفاقاتی بعضی مواقع به خاطر بیماری می افتد، این اپ یک فلش چهت یادآوری سریع میزند و پیام میدهد که: مطمئن هستید که میخواهید تماس بگیرید؟ شما همین 5 دقیقه پیش تماس گرفته بودید.
🔺همچنین در این اپ یک صفحه به اسم(من-me) وجود دارد که مشخصات بیمار از قبیل اسم، سن، شماره تماس و آدرس وجود دارد.
https://www.fastcompany.com/40519094/a-14-year-old-made-an-app-to-help-alzheimers-patients-recognize-their-loved-ones?utm_content=buffer3fb85
❇️در کل ایده جالبیه، شما چطور میتوانید از هوش مصنوعی و تشخیص چهره در زندگی روزمره خود استفاده کنید؟ 😃🤔🤔
بیماری آلزایمر:
بیماری آلزایمر که به اختصار آلزایمر خوانده میشود، یک نوع اختلال عملکرد مغزی است که بتدریج توانایی‌های ذهنی بیمار تحلیل می‌رود. بارزترین نوع از انواع مختلف زوال عقل اختلال حافظه‌است. اختلال حافظه معمولاً بتدریج ایجاد شده و پیشرفت میکند. در ابتدا اختلال حافظه به وقایع و آموخته‌های اخیر محدود میشود ولی بتدریج خاطرات قدیمی هم آسیب می‌بینند. بیمار پاسخ سئوالی را که چند لحظه قبل پرسیده‌است فراموش میکند و مجدداً همان سؤال را می‌پرسد. بیمار وسایلش را گم میکند و نمی‌داند کجا گذاشته‌است. در خرید و پرداخت پول دچار مشکل میشود و نمیتواند حساب دارائیش را نگه دارد. بتدریج در شناخت دوستان و آشنایان و نام بردن اسامی آنها نیز مشکل ایجاد میشود. کم‌کم مشکل مسیر یابی پیدا شده و اگر تنها از منزل بیرون برود ممکن است گم شود. در موارد شدیدتر حتی در تشخیص اتاق خواب، آشپزخانه، دستشویی و حمام در منزل خودش هم مشکل پیدا میکند. بروز اختلال در حافظه و روند تفکر سبب آسیب عملکردهای اجتماعی و شخصی بیمار شده و در نتیجه ممکن است سبب افسردگی، عصبانیت و پرخاشگری بیمار شود.
منبع: ویکی پدیا.
➖➖➖➖
🌐 @IUST_Bioelecteric
✍️ اما یانگ، برنامه نویس جوان ما بعد از مشاهده اینکه مادربزرگش چقدر در به یاد آرودن اعضای خانواده خود اذیت میشد، تصمیم میگیرد تا با استفاده از هوش مصنوعی و تشخیص چهره اپی بسازد که به این به افراد کمک کند تا عزیزان خود را به خاطر بیاورند.
🔺در اپ در حال توسعه این برنامه نویس جوان ما، که timless نام دارد، بیماران مبتلا به آزایمر عکس دوستان و اعضای خانواده خود را انتخاب کرده و اپ با کمک فناوری تشخیص چهره به آنها می گوید که این برای چه شخصی هست و چه ارتباطی با بیمار دارند.
🔺همچنین اگر در یک اتاقی شخصی را بیمار نتواند تشخیص دهد، تنها کافیست یک عکس از شخص گرفته شود، بعد اپ به طور خودکار تشخیص میدهد که فرد مورد نظر کی هست.
🔺این اپ همچنین یک صفحه یادآوری دارد که در آن قرار ملاقاتهای روزانه را لیست کرده است، که عکس اعضای خانواده به همراه اسم و شماره تماس در صفحه نشان می دهد. اگر بیمار چندین بار با یک شخص تماس بگیرد، اتفاقاتی بعضی مواقع به خاطر بیماری می افتد، این اپ یک فلش چهت یادآوری سریع میزند و پیام میدهد که: مطمئن هستید که میخواهید تماس بگیرید؟ شما همین 5 دقیقه پیش تماس گرفته بودید.
🔺همچنین در این اپ یک صفحه به اسم(من-me) وجود دارد که مشخصات بیمار از قبیل اسم، سن، شماره تماس و آدرس وجود دارد.
https://www.fastcompany.com/40519094/a-14-year-old-made-an-app-to-help-alzheimers-patients-recognize-their-loved-ones?utm_content=buffer3fb85
❇️در کل ایده جالبیه، شما چطور میتوانید از هوش مصنوعی و تشخیص چهره در زندگی روزمره خود استفاده کنید؟ 😃🤔🤔
بیماری آلزایمر:
بیماری آلزایمر که به اختصار آلزایمر خوانده میشود، یک نوع اختلال عملکرد مغزی است که بتدریج توانایی‌های ذهنی بیمار تحلیل می‌رود. بارزترین نوع از انواع مختلف زوال عقل اختلال حافظه‌است. اختلال حافظه معمولاً بتدریج ایجاد شده و پیشرفت میکند. در ابتدا اختلال حافظه به وقایع و آموخته‌های اخیر محدود میشود ولی بتدریج خاطرات قدیمی هم آسیب می‌بینند. بیمار پاسخ سئوالی را که چند لحظه قبل پرسیده‌است فراموش میکند و مجدداً همان سؤال را می‌پرسد. بیمار وسایلش را گم میکند و نمی‌داند کجا گذاشته‌است. در خرید و پرداخت پول دچار مشکل میشود و نمیتواند حساب دارائیش را نگه دارد. بتدریج در شناخت دوستان و آشنایان و نام بردن اسامی آنها نیز مشکل ایجاد میشود. کم‌کم مشکل مسیر یابی پیدا شده و اگر تنها از منزل بیرون برود ممکن است گم شود. در موارد شدیدتر حتی در تشخیص اتاق خواب، آشپزخانه، دستشویی و حمام در منزل خودش هم مشکل پیدا میکند. بروز اختلال در حافظه و روند تفکر سبب آسیب عملکردهای اجتماعی و شخصی بیمار شده و در نتیجه ممکن است سبب افسردگی، عصبانیت و پرخاشگری بیمار شود.
منبع: ویکی پدیا.
➖➖➖➖
🌐 @IUST_Bioelecteric
Fast Company
A 14-Year-Old Made An App To Help Alzheimer’s Patients Recognize Their Loved Ones
After watching her grandmother struggle to remember her own family members, the young coder Emma Yang decided to figure out how to use AI and facial recognition to help her–and others coping with the illness.
onlinebme
✅ عینک مجهز به تشخیص چهره/ سلاح جدید پلیسهای چینی ✍ پلیسهای چینی از عینکهای مجهز به #تشخیص_چهره برای ردیابی مسافرین استفاده میکنند! براساس گزارش محلی، این عینکها در یکی از شلوغ ترین ایستگاههای مترو هنگام مسافرتهای سال نو استفاده می شود، دوره ای که یکی از…
✅ توسعه فیلتری جدید برای مقابله با الگوریتم #تشخیص_چهره
✍الگوریتم‌های تشخیص چهره طی سال‌های گذشته پیشرفت‌های بزرگی به خود دیده‌اند. به لطف استفاده از هوش مصنوعی، اکنون به‌راحتی می‌توان چهره‌ی فردی را بین میلیون‌ها تصویر شناسایی کرد که البته بسیاری از کارشناسان آن را به دلیل نقض قوانین حریم خصوصی افراد، منفی ارزیابی کردند.
حال در همین راستا گروهی از کارشناسان فیلتر جدیدی توسعه داده‌اند که از شناسایی و تشخیص چهره‌ی افراد در تصاویر توسط الگوریتم‌های موجود، جلوگیری میکند. نتیجه‌ی این پژوهش و جنگ هوش‌های مصنوعی، توسعه‌ی فیلتری مشابه نمونه‌های موجود در اپلیکیشن‌های شبکه‌های اجتماعی مانند اینستاگرام است که برای ایجاد امنیت حریم خصوصی به تصاویر اضافه میشود.
در پایین دو نمونه از تصاویر پرتره را مشاهده می‌کنید که نمونه‌ی سمت چپ، گزینه‌ی آسانی برای الگوریتم‌های تشخیص چهره و نمونه‌ی سمت راست، حاوی فیلتر جلوگیری از تشخیص چهره است و در نهایت تفاوت پیکسل‌های دو تصویر را مشاهده می‌کنید که البته خود فیلتر تقریبا نامرئی است و امکان مشاهده‌ی آن موجود نیست.
توضیحات بیشتر
https://goo.gl/cHcRAs
#پردازش_تصویر
💡دوره پردازش تصویرمون از تابستون شروع میشه😊
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME
✍الگوریتم‌های تشخیص چهره طی سال‌های گذشته پیشرفت‌های بزرگی به خود دیده‌اند. به لطف استفاده از هوش مصنوعی، اکنون به‌راحتی می‌توان چهره‌ی فردی را بین میلیون‌ها تصویر شناسایی کرد که البته بسیاری از کارشناسان آن را به دلیل نقض قوانین حریم خصوصی افراد، منفی ارزیابی کردند.
حال در همین راستا گروهی از کارشناسان فیلتر جدیدی توسعه داده‌اند که از شناسایی و تشخیص چهره‌ی افراد در تصاویر توسط الگوریتم‌های موجود، جلوگیری میکند. نتیجه‌ی این پژوهش و جنگ هوش‌های مصنوعی، توسعه‌ی فیلتری مشابه نمونه‌های موجود در اپلیکیشن‌های شبکه‌های اجتماعی مانند اینستاگرام است که برای ایجاد امنیت حریم خصوصی به تصاویر اضافه میشود.
در پایین دو نمونه از تصاویر پرتره را مشاهده می‌کنید که نمونه‌ی سمت چپ، گزینه‌ی آسانی برای الگوریتم‌های تشخیص چهره و نمونه‌ی سمت راست، حاوی فیلتر جلوگیری از تشخیص چهره است و در نهایت تفاوت پیکسل‌های دو تصویر را مشاهده می‌کنید که البته خود فیلتر تقریبا نامرئی است و امکان مشاهده‌ی آن موجود نیست.
توضیحات بیشتر
https://goo.gl/cHcRAs
#پردازش_تصویر
💡دوره پردازش تصویرمون از تابستون شروع میشه😊
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME
زومیت
توسعه فیلتری جدید برای مقابله با الگوریتم تشخیص چهره
با تلاش محققان، روش‌هایی برای مبارزه با الگوریتم‌های هوش مصنوعی تشخیص چهره توسعه یافته است.
onlinebme
جزئیات دوره پردازش تصویر.pdf
This media is not supported in your browser
VIEW IN TELEGRAM
❇️ نمونه ای از پروژه هایی که در دوره پردازش تصویر آموزش خواهیم داد.
#تشخیص_دود در ویدیو
#پترن در پردازش تصویر
➖➖➖➖
✔️ @onlineBME
#تشخیص_دود در ویدیو
#پترن در پردازش تصویر
➖➖➖➖
✔️ @onlineBME
onlinebme
جزوه_خام_جلسه_دوم_پترن_در_پزدازش.pdf
جزوه_خام_جلسه_سوم_پترن_در_پردازش.pdf
1.6 MB
📋 #جزوه خام جلسه 3 پردازش سیگنال
☑️ استخراج ویژگی | فیلترینگ| تبدیل ویولت | تبدیل فوریه | ویژگیهای آماری
#تشخیص_صرع
#پردازش_سیگنال
#EEG
#Classification
#feature_extraction
✔️ @onlineBME
☑️ استخراج ویژگی | فیلترینگ| تبدیل ویولت | تبدیل فوریه | ویژگیهای آماری
#تشخیص_صرع
#پردازش_سیگنال
#EEG
#Classification
#feature_extraction
✔️ @onlineBME
onlinebme
جزوه_خام_جلسه_سوم_پترن_در_پردازش.pdf
جزوه_خام_جلسه_چهارم_پترن_در_پردازش.pdf
2 MB
📋 #جزوه خام جلسه 4 پردازش سیگنال
☑️ پردازش سیگنال ECG| روشهای کاهش بعد| روشهای انتخاب ویژگی
#تشخیص_آپنه_خواب
#پردازش_سیگنال
#ECG
#feature_extraction
#Feature_selection
#pca #lda
✔️ @onlineBME
☑️ پردازش سیگنال ECG| روشهای کاهش بعد| روشهای انتخاب ویژگی
#تشخیص_آپنه_خواب
#پردازش_سیگنال
#ECG
#feature_extraction
#Feature_selection
#pca #lda
✔️ @onlineBME
🌐⌚️چند روز پیش ساعت هوشمند شیائومی با نمایشگرOLED به نام Amazfit Verge معرفی شد!
جالبه بدونید که این ساعت میتواند #ضربان_قلب را در طول روز ردیابی کند!
جدیدترین ویژگی این ساعت سنسور ضربان قلب بهبودیافته است.
شبیه به ساعت اپل سری 4، اندازه گیری دقیق تر ضربان قلب برای تشخیص #آریتمی_قلبی و #فیبریلاسیون_دهلیزی استفاده می شود. اینها گروهی از شرایطی هستند که در آنها ضربان قلب نامنظم، خیلی سریع یا خیلی کند است. سازندگان ساعت امیدوار هستند که این ویژگی به افرادی که آگاه از بیماری خود نیستند، کمک کند.
https://gadgetsandwearables.com/2018/09/17/amazfit-verge/
#خبر
#مهندسی_پزشکی
#تشخیص_آریتمی_قلبی
#فیبریلاسیون_دهلیزی
#ECG
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME
جالبه بدونید که این ساعت میتواند #ضربان_قلب را در طول روز ردیابی کند!
جدیدترین ویژگی این ساعت سنسور ضربان قلب بهبودیافته است.
شبیه به ساعت اپل سری 4، اندازه گیری دقیق تر ضربان قلب برای تشخیص #آریتمی_قلبی و #فیبریلاسیون_دهلیزی استفاده می شود. اینها گروهی از شرایطی هستند که در آنها ضربان قلب نامنظم، خیلی سریع یا خیلی کند است. سازندگان ساعت امیدوار هستند که این ویژگی به افرادی که آگاه از بیماری خود نیستند، کمک کند.
https://gadgetsandwearables.com/2018/09/17/amazfit-verge/
#خبر
#مهندسی_پزشکی
#تشخیص_آریتمی_قلبی
#فیبریلاسیون_دهلیزی
#ECG
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME
Gadgets & Wearables
The new Amazfit Verge will monitor your activity and heart health
As expected, Huami has announced today a new iteration of its flagship sportswatch. The company has called it Amazfit Verge instead of the rumored Amazfit X.
✅🌐 آزمایش آسیب شناسی با استفاده از هوش مصنوعی برای پیش بینی پیشرفت سرطان پروستات پس از جراحی
نویسنده: مهتاب فرجی
آزمایش آسیب شناسی که هوش مصنوعی را برای تشخیص نمونه های بافت بکار می برد، می تواند با دقت بالایی پیشرفت بیماری سرطان پروستات را بعد از جراحی پیش بینی کند.
جزئیات بیشتر 👇👇👇👇
http://onlinebme.ir/pathology-test-uses-ai-to-predict-prostate-cancer-progression-following-surgery/
#خبر
#تشخیص_سرطان_پروستات
#هوش_مصنوعی(AI)
#مهندسی_پزشکی
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @onlineBME
نویسنده: مهتاب فرجی
آزمایش آسیب شناسی که هوش مصنوعی را برای تشخیص نمونه های بافت بکار می برد، می تواند با دقت بالایی پیشرفت بیماری سرطان پروستات را بعد از جراحی پیش بینی کند.
جزئیات بیشتر 👇👇👇👇
http://onlinebme.ir/pathology-test-uses-ai-to-predict-prostate-cancer-progression-following-surgery/
#خبر
#تشخیص_سرطان_پروستات
#هوش_مصنوعی(AI)
#مهندسی_پزشکی
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @onlineBME
✅الگوریتم یادگیری عمیق، آلزایمر را 6 سال زودتر از پزشکان تشخیص می دهد.
اخیرا الگوریتم جدیدی مبتنی بر یادگیری عمیق مطرح شده است که می تواند تصاویر اسکن PET فرد بیمار را بررسی کند و بیماری آلزایمر را شش سال زودتر از روش های رایج تشخیص کنونی تشخیص دهد. در این مطالعه از یادگیری ماشین برای تعیین الگوهای ظریف در تصاویر پزشکی استفاده شده است، که این الگوها توسط فرد انسانی قابل روئیت نیستند.
👩💻نویسنده: مهتاب فرجی
یکی از راه های تشخیص بیماری آلزایمر براساس نوعی تصویربرداری مغزی است که اسکن fluorodeoxyglucose PET-8(FDG-PET) نامیده میشود. از این نوع اسکن قبلا برای تشخیص چندین نوع سرطان استفاده شده است، اما اخیرا کارآیی خود را در تشخیص آلزایمر و همچنین در برخی از انواع بیماری های زوال عقلی نشان داده است.
این مطالعه، الگوریتم یادگیری ماشین را بر روی 2100 تصویر مغزی FDG-PET آموزش داد. درحالی که پزشکان از ارزیابی این تصاویر برای تشخیص بیماری آلزایمر استفاده می کنند، در مطالعه ی جدیدی که توسط Jae Ho Sohn انجام شده است، الگوریتم یادگیری عمیق قادر به تعیین الگوهایی ظریف در دیتای تصویر برای تشخیص بیماری آلزایمر است.
ادامه مطالب را در سایت زیر بخوانید👇👇
http://onlinebme.ir/deep-learning-algorithm-detects-alzheimers-up-to-six-years-before-doctors/
#خبر
#تشخیص_آلزایمر
#یادگیری_عمیق
#یادگیری_ماشین
#هوش_مصنوعی
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME
اخیرا الگوریتم جدیدی مبتنی بر یادگیری عمیق مطرح شده است که می تواند تصاویر اسکن PET فرد بیمار را بررسی کند و بیماری آلزایمر را شش سال زودتر از روش های رایج تشخیص کنونی تشخیص دهد. در این مطالعه از یادگیری ماشین برای تعیین الگوهای ظریف در تصاویر پزشکی استفاده شده است، که این الگوها توسط فرد انسانی قابل روئیت نیستند.
👩💻نویسنده: مهتاب فرجی
یکی از راه های تشخیص بیماری آلزایمر براساس نوعی تصویربرداری مغزی است که اسکن fluorodeoxyglucose PET-8(FDG-PET) نامیده میشود. از این نوع اسکن قبلا برای تشخیص چندین نوع سرطان استفاده شده است، اما اخیرا کارآیی خود را در تشخیص آلزایمر و همچنین در برخی از انواع بیماری های زوال عقلی نشان داده است.
این مطالعه، الگوریتم یادگیری ماشین را بر روی 2100 تصویر مغزی FDG-PET آموزش داد. درحالی که پزشکان از ارزیابی این تصاویر برای تشخیص بیماری آلزایمر استفاده می کنند، در مطالعه ی جدیدی که توسط Jae Ho Sohn انجام شده است، الگوریتم یادگیری عمیق قادر به تعیین الگوهایی ظریف در دیتای تصویر برای تشخیص بیماری آلزایمر است.
ادامه مطالب را در سایت زیر بخوانید👇👇
http://onlinebme.ir/deep-learning-algorithm-detects-alzheimers-up-to-six-years-before-doctors/
#خبر
#تشخیص_آلزایمر
#یادگیری_عمیق
#یادگیری_ماشین
#هوش_مصنوعی
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME
⚠️چالش #10Yearschallenge شاید روشی برای جمع آوری نمونه های واقعی از تغییرات چهره افراد برای بهینه سازی الگوریتم تشخیص چهره باشد!
#تشخیص_چهره
✔️ @onlineBME
#تشخیص_چهره
✔️ @onlineBME
onlinebme
⚠️چالش #10Yearschallenge شاید روشی برای جمع آوری نمونه های واقعی از تغییرات چهره افراد برای بهینه سازی الگوریتم تشخیص چهره باشد! #تشخیص_چهره ✔️ @onlineBME
🌐 آیا چالش #10yearschallenge فیسبوک راهی برای بدست آوردن داده برای تشخیص چهره با هوش مصنوعی هست؟
👨💻نویسنده: محمد نوری زاده چرلو
✍اخیرا چالش جدید فیسبوک شروع شده که از کابران خواسته تا یک عکس از 10 سال پیش خود و یک عکس سال جدید با کپشن "بزرگ شدن چه تاثیری در شما گذاشت؟" پست کنند که الان این چالش رو به اسم 10yearschallenge نامگذاری شده است. بیش از 5.2 میلیون نفر از جمله سلبریتی‌ها در این چالش شرکت کردند. این چالش خیلی شبیه چالشهای "bird box challenge" و "top nine photos of the year challenge" هست، ولی این چالش تا حدودی کاربران را نگران کرده است.
گمانه زنی‌هایی در مورد انگیره پشت پرده این چالش شروع شده و باعث شده که برای بسیاری از کاربران سوال ایجاد شود که آیا فیسبوک این چالش را راه انداخته تا بتواند از اطلاعات افراد برای تشخیص چهره استفاده کند؟!
ادامه مطلب....
http://onlinebme.com/was-the-facebook-10-year-challenge-a-way-to-mine-data-for-facial-recognition-ai/
#تشخیص_چهره
#هوش_مصنوعی
#پردازش_تصویر
#AI
#10yearschallenge
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME
👨💻نویسنده: محمد نوری زاده چرلو
✍اخیرا چالش جدید فیسبوک شروع شده که از کابران خواسته تا یک عکس از 10 سال پیش خود و یک عکس سال جدید با کپشن "بزرگ شدن چه تاثیری در شما گذاشت؟" پست کنند که الان این چالش رو به اسم 10yearschallenge نامگذاری شده است. بیش از 5.2 میلیون نفر از جمله سلبریتی‌ها در این چالش شرکت کردند. این چالش خیلی شبیه چالشهای "bird box challenge" و "top nine photos of the year challenge" هست، ولی این چالش تا حدودی کاربران را نگران کرده است.
گمانه زنی‌هایی در مورد انگیره پشت پرده این چالش شروع شده و باعث شده که برای بسیاری از کاربران سوال ایجاد شود که آیا فیسبوک این چالش را راه انداخته تا بتواند از اطلاعات افراد برای تشخیص چهره استفاده کند؟!
ادامه مطلب....
http://onlinebme.com/was-the-facebook-10-year-challenge-a-way-to-mine-data-for-facial-recognition-ai/
#تشخیص_چهره
#هوش_مصنوعی
#پردازش_تصویر
#AI
#10yearschallenge
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
چالش 10 ساله ایجاد شده توسط فیسبوک - آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
اخیرا چالش جدید فیسبوک شروع شده که از کابران خواسته تا یک عکس از 10 سال پیش خود و یک عکس سال جدید با کپشن "بزرگ شدن چه تاثیری در شما گذاشت؟" پست کنند که الان این چالش رو به اسم 10yearschallenge نامگذاری شده است. بیش از 5.2 میلیون نفر از جمله سلبریتی‌ها در…
Forwarded from onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
❇️ نمونه ای از پروژه هایی که در دوره پردازش تصویر آموزش خواهیم داد.
#تشخیص_دود در ویدیو
#پترن در پردازش تصویر
➖➖➖➖
✔️ @onlineBME
#تشخیص_دود در ویدیو
#پترن در پردازش تصویر
➖➖➖➖
✔️ @onlineBME
onlinebme
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب مدرس: محمد نوری زاده چرلو فارغ التحصیل دانشگاه علم و صنعت تهران 2⃣جلسه دوم: پیاده‌سازی شبکه عصبی #پرسپترون_تک_لایه با قانون یادگیری پرسپترون #پرسپترون_تک_لایه ، #پرسپترون #ماکزیمم_شباهت ، #داده_خطی ، #کلاسبندی…
Media is too big
VIEW IN TELEGRAM
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
3⃣جلسه سوم: قانون یادگیری #LMS و پیاده‌سازی شبکه عصبی #آدالاین و انجام پروژه عملی تشخیص سرطان سینه
#آدالاین #پارامترهای_ارزیابی ، #پروژه_عملی، #تشخیص_سرطان_سینه
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
3⃣جلسه سوم: قانون یادگیری #LMS و پیاده‌سازی شبکه عصبی #آدالاین و انجام پروژه عملی تشخیص سرطان سینه
#آدالاین #پارامترهای_ارزیابی ، #پروژه_عملی، #تشخیص_سرطان_سینه
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب مدرس: محمد نوری زاده چرلو فارغ التحصیل دانشگاه علم و صنعت تهران 3⃣جلسه سوم( بخش دوم ): انجام پروژه های عملی با استفاده از شبکه های عصبی #آدالاین #پرسپترون ، #پروژه_عملی، #ناحیه‌بندی_تصویر #مدلسازی_گیتهای_منطقی…
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
3⃣جلسه سوم: قانون یادگیری LMS و پیاده‌سازی شبکه عصبی #آدالاین
✍ این جلسه یکی از #مهمترین جلسات دوره تخصصی پیاده‌سازی شبکه‌های عصبی در متلب است. در جلسه دوم ما قانون یادگیری پرسپترون را آموزش دادیم و دو ایراد اساسی این قانون را مطرح کردیم. یکی از ایرادهای قانون پرسپترون این بود که الگوریتم زمانی که داده ما غیرخطی بود (داده‌ای که در آن نتوان با یک خط از هم جدا کرد) نمیتوانست همگرا شود و در نتیجه نمیتوانست یاد بگیرد. و ایراد دوم این الگوریتم این است که نمیتواند مرز کلاسبندی بهینه‌ای بدست آورد. ما در این جلسه الگوریتم #حداقل_مربعات_خطا
Least means square error
را معرفی می‌کنیم و ایرادات الگوریتم پرسپترون را حل می‌کنیم. الگوریتم LMS به جای اینکه دنبال خطای صفر باشد، دنبال #خطای_حداقل است. و با این روش زمانی که داده به صورت غیرخطی هم باشد همگرا میشود.
الگوریتم #LMS با دو روش به نام #وینرهاف و گرادیان نزولی وزنهای سیناپسی بهینه را محاسبه میکند. این روش بهینه‌ترین مرز ممکن را بدست می‌آورد ولی یک ایراد اساسی دارد و زمانی که تعداد ویژگی ها زیاد باشد محاسبه ماتریس autocorrelation بسیار سخت میشود. برای حل این مشکل الگوریتم #گردایان_نزولی مطرح میشود، این الگوریتم به جای اینکه در یک لحظه وزنهای سیناپسی را محاسبه کند در طول زمان در جهت شیب منفی خطا حرکت میکند و وزنهای سیناپسی بهینه را محاسبه میکند. ما در ابتدا الگوریتم وینرهاف را توضیح میدهیم و سپس مرحله به مرحله در متلب پیاده سازی می‌کنیم و سپس الگوریتم گرادیان نزولی را توضیح داده و مرحله به مرحله در متلب پیاده سازی می‌کنیم. و در نهایت شبکه عصبی #آدلاین را معرفی می‌کنیم و با استفاده از این شبکه مسائل کلاسبندی را انجام میدهیم. شبکه عصبی تک لایه آدالاین هر دو ایراد شبکه عصبی پرسپترون تک لایه را حل میکند.
بعد از این ما طبق کتاب Simon haykin انواع #روشهای_توقف_آموزش شبکه عصبی را توضیح میدهم. سه روش برای توقف آموزش شبکه عصبی است که هر سه روش آموزش داده شده و در متلب پیاده سازی می‌شوند.
برای آموزش شبکه عصبی نیاز است که داده ها به شبکه اعمال شوند و شبکه در طول زمان آموزش ببیند و برای اینکار دو روش به نام #دسته‌ای (batch mode) و #موردی(pattern mode) کتاب معرفی کرده که هر دو روش توضیح داده شده و در متلب پیاده‌سازی می‌شوند و مزایا و معایب هر روش توضیح داده میشود و در انتهای جلسه #پارامترهای_ارزیابی
#accuracy
#sensitivity
#specificity
یک طبقه بند توضیح داده میشود و سپس پروژه‌های انجام شده با پارامترهای گفته شده ارزیابی میشود. و همچنین الگورتیم #cross_validation که برای انتخاب ساختار بهینه یک شبکه عصبی استفاده میشود را توضیح میدهیم.
☑️ برای اینکه با کاربردهای عملی این شبکه‌ها آشنا شوید در یک ویدیو جداگانه 3 #پروژه_عملی به نام #تشخیص_سرطان_سینه ، #ناحیه‌بندی_تصویر و #پیاده‌سازی_گیتهای_منطقی AND, OR را با استفاده از شبکه‌های عصبی به صورت مرحله به مرحله در متلب پیاده‌سازی کرده‌ایم.
🔻نکته: تمام مباحث این جلسه طبق مطالب فصل 5 کتاب Simon haykin است.
➖➖➖➖➖➖➖➖➖➖➖➖
جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/
جهت خرید جلسه سوم به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/lms-and-adaline/
🎁🎁 کد #تخفیف 20 درصدی:
Neuralnetworks98
مهلت اعتبار: 1 روز
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
3⃣جلسه سوم: قانون یادگیری LMS و پیاده‌سازی شبکه عصبی #آدالاین
✍ این جلسه یکی از #مهمترین جلسات دوره تخصصی پیاده‌سازی شبکه‌های عصبی در متلب است. در جلسه دوم ما قانون یادگیری پرسپترون را آموزش دادیم و دو ایراد اساسی این قانون را مطرح کردیم. یکی از ایرادهای قانون پرسپترون این بود که الگوریتم زمانی که داده ما غیرخطی بود (داده‌ای که در آن نتوان با یک خط از هم جدا کرد) نمیتوانست همگرا شود و در نتیجه نمیتوانست یاد بگیرد. و ایراد دوم این الگوریتم این است که نمیتواند مرز کلاسبندی بهینه‌ای بدست آورد. ما در این جلسه الگوریتم #حداقل_مربعات_خطا
Least means square error
را معرفی می‌کنیم و ایرادات الگوریتم پرسپترون را حل می‌کنیم. الگوریتم LMS به جای اینکه دنبال خطای صفر باشد، دنبال #خطای_حداقل است. و با این روش زمانی که داده به صورت غیرخطی هم باشد همگرا میشود.
الگوریتم #LMS با دو روش به نام #وینرهاف و گرادیان نزولی وزنهای سیناپسی بهینه را محاسبه میکند. این روش بهینه‌ترین مرز ممکن را بدست می‌آورد ولی یک ایراد اساسی دارد و زمانی که تعداد ویژگی ها زیاد باشد محاسبه ماتریس autocorrelation بسیار سخت میشود. برای حل این مشکل الگوریتم #گردایان_نزولی مطرح میشود، این الگوریتم به جای اینکه در یک لحظه وزنهای سیناپسی را محاسبه کند در طول زمان در جهت شیب منفی خطا حرکت میکند و وزنهای سیناپسی بهینه را محاسبه میکند. ما در ابتدا الگوریتم وینرهاف را توضیح میدهیم و سپس مرحله به مرحله در متلب پیاده سازی می‌کنیم و سپس الگوریتم گرادیان نزولی را توضیح داده و مرحله به مرحله در متلب پیاده سازی می‌کنیم. و در نهایت شبکه عصبی #آدلاین را معرفی می‌کنیم و با استفاده از این شبکه مسائل کلاسبندی را انجام میدهیم. شبکه عصبی تک لایه آدالاین هر دو ایراد شبکه عصبی پرسپترون تک لایه را حل میکند.
بعد از این ما طبق کتاب Simon haykin انواع #روشهای_توقف_آموزش شبکه عصبی را توضیح میدهم. سه روش برای توقف آموزش شبکه عصبی است که هر سه روش آموزش داده شده و در متلب پیاده سازی می‌شوند.
برای آموزش شبکه عصبی نیاز است که داده ها به شبکه اعمال شوند و شبکه در طول زمان آموزش ببیند و برای اینکار دو روش به نام #دسته‌ای (batch mode) و #موردی(pattern mode) کتاب معرفی کرده که هر دو روش توضیح داده شده و در متلب پیاده‌سازی می‌شوند و مزایا و معایب هر روش توضیح داده میشود و در انتهای جلسه #پارامترهای_ارزیابی
#accuracy
#sensitivity
#specificity
یک طبقه بند توضیح داده میشود و سپس پروژه‌های انجام شده با پارامترهای گفته شده ارزیابی میشود. و همچنین الگورتیم #cross_validation که برای انتخاب ساختار بهینه یک شبکه عصبی استفاده میشود را توضیح میدهیم.
☑️ برای اینکه با کاربردهای عملی این شبکه‌ها آشنا شوید در یک ویدیو جداگانه 3 #پروژه_عملی به نام #تشخیص_سرطان_سینه ، #ناحیه‌بندی_تصویر و #پیاده‌سازی_گیتهای_منطقی AND, OR را با استفاده از شبکه‌های عصبی به صورت مرحله به مرحله در متلب پیاده‌سازی کرده‌ایم.
🔻نکته: تمام مباحث این جلسه طبق مطالب فصل 5 کتاب Simon haykin است.
➖➖➖➖➖➖➖➖➖➖➖➖
جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/
جهت خرید جلسه سوم به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/lms-and-adaline/
🎁🎁 کد #تخفیف 20 درصدی:
Neuralnetworks98
مهلت اعتبار: 1 روز
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
پکیج کامل پیاده‌سازی گام به گام شبکه‌های عصبی - آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
درس شبکه عصبی پایه‌ی اصلی مباحث یادگیری ماشین و هوش مصنوعی است و هر دانشجوی مهندسی لازم است که در ابتدا با گذراندن این دوره وارد حوزه هوش مصنوعی و یادگیری ماشین شود. دوره های زیادی در کشور برگزار می شود ولی بیشتر این دوره ها تخصصی نیستند و یک سری ایراداتی…
onlinebme
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب مدرس: محمد نوری زاده چرلو فارغ التحصیل دانشگاه علم و صنعت تهران 3⃣جلسه سوم( بخش دوم ): انجام پروژه های عملی با استفاده از شبکه های عصبی #آدالاین #پرسپترون ، #پروژه_عملی، #ناحیه‌بندی_تصویر #مدلسازی_گیتهای_منطقی…
Media is too big
VIEW IN TELEGRAM
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
4⃣ جلسه چهارم: پیاده‌سازی شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا در متلب
#پرسپترون_چندلایه ، #پس_انتشار_خطا #پروژه_عملی، #تشخیص_سرطان_سینه
#طبقه‌بندی
#کلاسبندی
#پیش_بینی_میزان_آلودگی_هوا
#رگرسیون
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
4⃣ جلسه چهارم: پیاده‌سازی شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا در متلب
#پرسپترون_چندلایه ، #پس_انتشار_خطا #پروژه_عملی، #تشخیص_سرطان_سینه
#طبقه‌بندی
#کلاسبندی
#پیش_بینی_میزان_آلودگی_هوا
#رگرسیون
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب مدرس: محمد نوری زاده چرلو فارغ التحصیل دانشگاه علم و صنعت تهران 4⃣ جلسه چهارم: پیاده‌سازی شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا در متلب #پرسپترون_چندلایه ، #پس_انتشار_خطا #پروژه_عملی، #…
📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
4⃣ جلسه چهارم: پیاده‌سازی شبکه عصبی #پرسپترون_چندلایه با قانون یادگیری #پس_انتشار_خطا در متلب
این جلسه مهمترین جلسه دوره تخصصی پیاده‌سازی شبکه‌های عصبی در متلب است. ما در جلسه سوم الگوریتم #LMS را مطرح کرده و در نهایت شبکه‌عصبی آدالاین را معرفی کردیم که یک شبکه عصبی بهینه برای مسائل کلاسبندی و رگرسیون است.این شبکه ایرادات شبکه عصبی پرسپترون تک لایه را برطرف کرد ولی خودش یک #ایراد اساسی دارد. که این ایراد در تمام شبکه‌های عصبی تک لایه وجود دارد. ایراد شبکه عصبی آدالاین و یا پرسپترون تک لایه در #ساختارشان هست و به خاطر اینکه #تک_لایه هستند نمی توانند مسائل #غیرخطی مثل xor را حل کنند. برای حل این مسئله شبکه عصبی پرسپترون چندلایه مطرح شده است که با اضافه کردن #چند_لایه_پنهان توانسته‌اند مسائل بسیار پیچیده را به راحتی حل کنند. در این جلسه تئوری الگوریتم پس انتشار خطا کامل توضیح داده میشود و در نهایت در متلب مرحله به مرحله پیاده‌سازی می شود. این جلسه برای همه گروه دانشجویی و مهندسی بسیار مفید هست و میتوانند بعد از مشاهده ویدیو هم #پروژه‌های_تخصصی خودشان را انجام دهند و هم ایده‌های خود را در الگوریتم پس انتشار خطا ارائه بکنند. برای اینکه در این جلسه به مشکل نخورید بهتر است با #مشتق‌گیری آشنا باشید. جلسه کاملی هست و به جرات می‌توان گفت که #اولین دوره‌ای هست که به صورت تخصصی چنین شبکه‌ای را به صورت گام به گام در متلب پیاده‌سازی میکند.
بعد از اینکه شبکه عصبی در متلب پیاده شد، #عملکرد_لایه‌های_مختلف شبکه با #مثال_عملی توضیح داده میشود تا به صورت دقیق و عملی با ساختار و عملکرد شبکه‌های عصبی چندلایه آشنا شوید و متوجه شوید که شبکه‌های عصبی چندلایه چطور یک مسئله پیچیده را با ساده‌سازی مسئله در لایه‌های مختلف حل می کنند. این جلسه، جلسه مورد علاقه من هست و تمام سعیم را کردم که به #زبان_ساده و در عین حال تخصصی و #جامع شبکه عصبی پرسپترون چندلایه و قانون یادگیری پس انتشار خطا را توضیح دهم و امیدوارم برای شما مفید باشد.
در انتهای دوره چندین پروژه عملی از جمله #تشخیص_سرطان_سینه (پروژه عملی #طبقه‌بندی) و #پیش_بینی_میزان_آلودگی_هوا (پروژه عملی #رگرسیون) با استفاده از شبکه عصبی پرسپترون چندلایه به صورت #گام_به_گام در متلب پیاده‌سازی شد تا با انجام پروژه‌های عملی هم آشنا شوید و بتوانید پروژه‌های تخصصی خودتان را با مشاهده این ویدیو انجام دهید.
نکته: تمام مباحث این جلسه طبق مطالب فصل 6 کتاب Simon haykin است.
➖➖➖➖➖➖➖➖➖➖➖
جهت خرید جلسه چهارم به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/multilayer-perceptron-with-backpropagation-algorithm/
جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
4⃣ جلسه چهارم: پیاده‌سازی شبکه عصبی #پرسپترون_چندلایه با قانون یادگیری #پس_انتشار_خطا در متلب
این جلسه مهمترین جلسه دوره تخصصی پیاده‌سازی شبکه‌های عصبی در متلب است. ما در جلسه سوم الگوریتم #LMS را مطرح کرده و در نهایت شبکه‌عصبی آدالاین را معرفی کردیم که یک شبکه عصبی بهینه برای مسائل کلاسبندی و رگرسیون است.این شبکه ایرادات شبکه عصبی پرسپترون تک لایه را برطرف کرد ولی خودش یک #ایراد اساسی دارد. که این ایراد در تمام شبکه‌های عصبی تک لایه وجود دارد. ایراد شبکه عصبی آدالاین و یا پرسپترون تک لایه در #ساختارشان هست و به خاطر اینکه #تک_لایه هستند نمی توانند مسائل #غیرخطی مثل xor را حل کنند. برای حل این مسئله شبکه عصبی پرسپترون چندلایه مطرح شده است که با اضافه کردن #چند_لایه_پنهان توانسته‌اند مسائل بسیار پیچیده را به راحتی حل کنند. در این جلسه تئوری الگوریتم پس انتشار خطا کامل توضیح داده میشود و در نهایت در متلب مرحله به مرحله پیاده‌سازی می شود. این جلسه برای همه گروه دانشجویی و مهندسی بسیار مفید هست و میتوانند بعد از مشاهده ویدیو هم #پروژه‌های_تخصصی خودشان را انجام دهند و هم ایده‌های خود را در الگوریتم پس انتشار خطا ارائه بکنند. برای اینکه در این جلسه به مشکل نخورید بهتر است با #مشتق‌گیری آشنا باشید. جلسه کاملی هست و به جرات می‌توان گفت که #اولین دوره‌ای هست که به صورت تخصصی چنین شبکه‌ای را به صورت گام به گام در متلب پیاده‌سازی میکند.
بعد از اینکه شبکه عصبی در متلب پیاده شد، #عملکرد_لایه‌های_مختلف شبکه با #مثال_عملی توضیح داده میشود تا به صورت دقیق و عملی با ساختار و عملکرد شبکه‌های عصبی چندلایه آشنا شوید و متوجه شوید که شبکه‌های عصبی چندلایه چطور یک مسئله پیچیده را با ساده‌سازی مسئله در لایه‌های مختلف حل می کنند. این جلسه، جلسه مورد علاقه من هست و تمام سعیم را کردم که به #زبان_ساده و در عین حال تخصصی و #جامع شبکه عصبی پرسپترون چندلایه و قانون یادگیری پس انتشار خطا را توضیح دهم و امیدوارم برای شما مفید باشد.
در انتهای دوره چندین پروژه عملی از جمله #تشخیص_سرطان_سینه (پروژه عملی #طبقه‌بندی) و #پیش_بینی_میزان_آلودگی_هوا (پروژه عملی #رگرسیون) با استفاده از شبکه عصبی پرسپترون چندلایه به صورت #گام_به_گام در متلب پیاده‌سازی شد تا با انجام پروژه‌های عملی هم آشنا شوید و بتوانید پروژه‌های تخصصی خودتان را با مشاهده این ویدیو انجام دهید.
نکته: تمام مباحث این جلسه طبق مطالب فصل 6 کتاب Simon haykin است.
➖➖➖➖➖➖➖➖➖➖➖
جهت خرید جلسه چهارم به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/multilayer-perceptron-with-backpropagation-algorithm/
جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
پرسپترون چندلایه (جلسه چهارم) - آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ین جلسه مهمترین جلسه دوره تخصصی پیاده‌سازی شبکه‌های عصبی در متلب است. ما در جلسه سوم الگوریتم LMS را مطرح کرده و در نهایت شبکه‌عصبی آدالاین را معرفی کردیم که یک شبکه عصبی بهینه برای مسائل کلاسبندی و رگرسیون است.این شبکه ایرادات شبکه عصبی پرسپترون تک لایه…