✍ ما از حواسی برخورداریم که وقتی آنها را از دست میدهیم متوجه ارزش آنها می شویم. دستگاه وستیبولار از سه کانال نیم دایره ای در گوش درونی تشکیل شده که از طریق درک حرکت در فضای سه بعدی به ما میگوید که چه زمانی ایستاده ایم و چگونه جاذبه بر بدن ما تاثیر می‌گذارد.
یکی از کانالها حرکت در سطح افقی، دیگری حرکت در سمت عمودی و کانال سوم حرکت رو به جلو و یا عقب رو پیگیری می کند.
کانالهای نیم دایره دارای موهای ریز در بستری از مایع هستند.
زمانی که سرخود را تکان میدهیم، این مایع موها را به حرکت در می‌آورد و سیگنالی به مغز می‌فرستد که به ما می‌گوید سرعت خود را در مسیر خاصی تغییر داده ایم. هر حرکت نیازمند تنظیم شدن بقیه قسمت های بدن است.
اگر سرمان را به سمت جلو تکان دهیم، مغزبه طور ناخودآگاه، به بخش مربوطه بدن می‌گوید که خود را تنظیم کند تا بتوانیم این تغییر در مرکز جاذبه بدن را متعادل کنیم و تعادل خود را حفظ کنیم.
سیگنالهای دستگاه وستیبولار از طریق یک عصب به سمت دسته ای از سلولهای عصبی در مغز می‌رود که به آن " هسته های #وستیبولار " گفته می شود.
این هسته وستیبولار سیگنالها را پردازش می‌کند و سپس به ماهیچه های ما پیام می‌فرستد تا خود را تنظیم کنند.
یک دستگاه وستیبولار سالم همچنین رابطه ی قدرتمندی با سیستم #بینایی دارد. زمانی که دنبال اتوبوس می دوید و سرتان در حال دویدن به سمت جلو و عقب خم می‌شود، باز هم می‌توانید اتوبوس در حال حرکت را در #مرکز_دید خود نگه دارید، زیرا دستگاه وستیبولار پیامهایی به مغز می‌فرستد و سرعت و مسیر دویدن به آن را می‌گوید. این سیگنالها به مغز اجازه می‌دهد کره چشمتان را بچرخاند و تنظیم کند تا بتوانید آن را بر روی هدف، یعنی اتوبوس، ثابت نگه دارید.
برگرفته از کتاب " مغزی که خود را تغییر می دهد".
➖➖➖➖➖
@IUST_Bioelecteric

📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

8⃣ جلسه هشتم: پیاده‌سازی الگوریتم شبکه عصبی توابع شعاعی پایه(#RBF)

#مرکز #سیگما #قضیه_کاور #kmeans
#پروژه_عملی #رگرسیون #طبقه‌بندی #کلاسبندی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

📺 دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

8⃣ جلسه هشتم: پیاده‌سازی الگوریتم شبکه عصبی توابع شعاعی پایه(#RBF)

✍ ما تا جلسه هفتم تمام تمرکزمون برروی شبکه عصبی معروف پرسپترون بود و این جلسه شبکه عصبی توابع شعاعی پایه(radial basis function) را آموزش می‌دهیم. این شبکه یک شبکه عصبی 3 لایه است که ازیک لایه پنهان تشکیل شده است. از قضیه  جالب #کاور برای حل مسائل پیچیده و غیرخطی استفاده می‌کند و کاربردهای زیادی در عمل دارد. شبکه عصبی rbf رویکرد متفاوتی نسبت به پرسپترون چندلایه دارد و با یک رویکرد بسیار ساده و جالب مسائل پیچیده را حل می‌کند. برخلاف mlp که در آن وزنهای سیناپسی تمام لایه ها باید محاسبه می‌شدند در این شبکه لایه ورودی به صورت #مستقیم و بدون اینکه #وزن_سیناپسی در بین دولایه  باشد به لایه پنهان وصل شده است. نورونهای لایه پنهان این شبکه به عنوان یک #کرنل_غیرخطی (گوسیrbf) عمل می‌کنند و وظیفه #نگاشت داده از فضای #غیرخطی به فضای #خطی را برعهده دارند. هر یک از نورنهای لایه پنهان به یک #مرکز و #سیگمای بهینه نیاز دارند تا به درستی داده را نگاشت دهند، برای محاسبه مراکز و سیگمای مراکز چندین روش مثل الگوریتم خوشه‌بند #kmeans مطرح شده که طبق کتاب این روشها را توضیح داده و در متلب #پیاده‌سازی کرده و مزایا و معایب هر روش را با مثال عملی توضیح می‌دهیم. در این جلسه به صورت مختصر مفهوم #خوشه‌بندی توضیح داده شده و سپس عملکرد الگوریتم kmeans جهت تعیین مراکز را توضیح داده‌ایم.  بعد از پیدا کردن مراکز و سیگماهای بهینه در این شبکه لازم است که وزنهای سیناپسی بین لایه پنهان و لایه خروجی نیز محاسبه شوند که برای محاسبه وزن سیناپسی بهینه سه روش #وینرهاف، #شبه_معکوس و #گرادیان_نزولی را توضیح داده و در متلب پیاده سازی کرده‌ایم. و در انتها چندین مثال و پروژه عملی از قبیل جلمه #تشخیص_سرطان_سینه (پروژه عملی طبقه‌بندی) ، #پیش_بینی_میزان_آلودگی_هوا (پروژه عملی #رگرسیون) و #کلاسبندی داده سه کلاسه iris (#گل_زنبق) با استفاده از شبکه عصبی RBF انجام داده ایم که با کارایی این شبکه عصبی آشنا شده و بتوانید #پروژه‌های_عملی خودتان را با استفاده از این الگوریتم در متلب پیاده‌سازی کنید.

نکته: تمام مباحث ‌این جلسه طبق مطالب فصل 7 کتاب Simon haykin است.


 ➖➖➖➖➖➖➖➖➖➖➖
💡 جهت خرید جلسه هشتم به لینک زیر مراجعه کنید👇👇👇

https://onlinebme.com/product/rbf/
💡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