📕📒📗یادگیری ماشین
#جلسه_دهم( #ML10 ) :
فرآیند مارکوف
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML10
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

📕📒📗یادگیری ماشین
#جلسه_یازدهم( #ML11 ) :
ادامه فرآیند مارکوف
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML11
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

📕📒📗یادگیری ماشین
#جلسه_دوازدهم( #ML12 ) :
مدل مخفی مارکوف
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML12
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @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

سلام
پکیج آموزشی پردازش سیگنال EEG تصور حرکتی تقریبا آماده شده و #تدوین نهایی ویدیوها انجام میشه تا موقع تماشای ویدیوها ارتباط بهتری بگیرین😊
کلی پروژه تخصصی تو این دوره انجام شده که سر فرصت داده هایی که در این دوره استفاده شده و سرفصل مطالب دوره رو معرفی میکنیم.🙏🌹
#EEG
#BCI
#motor_imagery
#machine_learning

@onlinebme

🖨جزوه خام 8 جلسه ی دوره تخصصی #پردازش_سیگنال #EEG مبتنی بر تسک تصور حرکتی
🔹لطفا قبل از مشاهده ویدیوها از جزوه ها پرینت بگیرید.
کنار ویدیوها کدهای متلب و داده های استفاده شده قرار گرفته و میتونین نکات مورد نظرتون رو در جزوه خام یادداشت کنین تا بازدهی دوره ها بالا باشه.
همونطور که در جریان هستین ما در ابتدا تئوری الگوریتمها را طبق یک مرجع معتبر توضیح میدیم و بعد در متلب گام به گام پیاده سازی میکنیم و شما نیازه که نکات موردنظرتون رو در جزوه خام یادداشت کنین.
البته جزوه مدرس در کنار فایلها قرار داده شده است .
این جزوه ها بنابه درخواست دوستان در کانال قرار میگیره🌹
#EEG
#motor_imagery
#pattern_recognition
#machine_learning

@onlinebme

📺 دوره تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی

جلسه پنجم: تئوری و پیاده سازی فیلتر مکانی مشترک (CSP)

خلاصه: در این جلسه در ابتدا تئوری فیلتر مکانی مشترک( csp) آموزش داده شده و سپس به صورت مرحله به مرحله در متلب پیاده سازی میشود و به صورت شکلی در هر مرحله اثر اعمال این فیلتر توضیح داده میشود. برای اینکه درک مطالب راحتتر باشد، در ابتدای جلسه مفاهیم اولیه از قبیل ماتریس کواریانس و کاهش بعد توضیح داده میشود و همچنین الگوریتم PCA در متلب مرحله به مرحله پیاده سازی میشود تا کاربر با رویکرد کاهش بعد در ابتدای جلسه آشنا شده و با دید بهتری الگوریتم csp را یاد بگیرد.

🧑‍💻مدرس: محمد نوری زاده چرلو

🌀جهت تهیه پکیج آموزشی به سایت زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

#پردازش_سیگنال
#پیاده‌سازی_مقاله
#پروژه_عملی
#واسط_مغز_کامپیوتر
#یادگیری_ماشین
#فیلترهای_مکانی_مشترک
#csp #bci #EEG
#Machine_learning

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

📺 دوره تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی

جلسه ششم: تئوری و پیاده سازی FBCSP

خلاصه: یکی از ایرادات فیلتر مکانیCSP اینه که برای فیلترینگ داده در ابتدا یک باند فرکانسی خاص مشخص میشود و این در حالی هست که در هر فرد این رنج میتونه متغیر باشه. فیلتر مکانی FBCSP یک روش معروفی هست که این ایراد CSP رو برطرف میکنه. در این جلسه الگوریتم FBCSP را طبق یک مقاله تخصصی در متلب #مرحله_به_مرحله پیاده سازی کرده و روی داده های واقعی BCI Competition اعمال میکنیم. در ادامه این الگوریتم یک روش #انتخاب_ویژگی هم پیاده سازی کرده ایم تا از بین ویژگی های بدست آمده، بهترین ویژگی ها انتخاب شوند.

🧑‍💻مدرس: محمد نوری زاده چرلو

🌀جهت تهیه پکیج آموزشی به سایت زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

#پردازش_سیگنال
#پیاده‌سازی_مقاله
#پروژه_عملی
#واسط_مغز_کامپیوتر
#یادگیری_ماشین
#فیلترهای_مکانی_مشترک
#csp #bci #EEG #FBCSP
#Machine_learning

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

❌💢 شروع ثبت نام هشتمین دوره فشرده پردازش سیگنال eeg 💢❌

✅ در این دوره تمام اصول مورد نیاز برای پردازش سیگنال eeg از دید یادگیری ماشین و #پترن آموزش داده میشود.

#سرفصل_مطالب
🔵پیش پردازش سیگنال در حوزه زمان و فرکانس جهت حذف نویز و آرتیفکت

🔴 نحوه بدست آوردن ریتمهای eeg ( تتا- دلتا - آلفا- بتا- گاما ) در حوزه #زمان، فرکانس( #فوریه ) و زمان- فرکانس( #ویولت )

🔵 استخراج ویژگی های مناسب از سیگنال در حوزه زمان- فرکانس - زمان فرکانس

🔴تجزیه و تحلیل سیگنال در حوزه زمان، فرکانس و زمان فرکانس

🔵 آشنایی با مفاهیم پایه یادگیری ماشین و شناسائی الگو

🔴 آشنایی با روال انجام یک پروژه استاندارد از دید یادگیری ماشین

🔵 نحوه کلاسبندی داده با استفاده از کلاسبندهای
- SVM
- KNN
- LDA
- BAYZIAN
- TREE

🔴 اعتبارسنجی مدل با استفاده از روشهای
random sampling
k-fold cross validation
Leave one out
The hold out method

🔵 ارزیابی مدل با پارامترهای
Accuracy
Sensitivity
Specificity
Confusion matrix

🔴 انتخاب ویژگیهای مناسب
ttest
FDR

🔵 انتخاب کانالهای بهینه در سیگنالهای EEG


🔲▪️ انجام پروژه تشخیص صرع از روی سیگنالهای eeg

🔲▪️انجام پیش بینی تشنج در صرع از روی سیگنالهای eeg

🔲▪️ کلاسبندی تصور حرکتی از روی سیگنال eeg در BCI


مدت دوره: 30 ساعت
هزینه دوره: 300 هزار تومان


مدرس دوره: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

☎️ جهت کسب اطلاعات بیشتر میتوانید شماره زیر تماس بگیرید:
0936-038-2687
@onlinebme_admin


🔴 این دوره #اولین دوره ی فشرده در ایران است که به صورت #تخصصی سیگنال eeg را تجزیه تحلیل میکند!

✅ یک سری مطالب اضافه شده که بعد از آپدیت شدن جزوه خام در کانال تلگرام قرار خواهد گرفت.

💡علاقه مندان میتوانند جهت پیش ثبت نام اسم و شماره تماس خودشون رو به شماره تماس زیر ارسال کنند.
بعد از تکمیل ظرفیت، جهت هماهنگی نهایی تماس گرفته خواهد شد.
@onlinebme_admin
0936-038-2687

#پردازش_سیگنال
#تهران
#EEG
#Machine_learning
#pattern_recognition

🏢 آکادمی انلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

📺 دوره تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی

جلسه هشتم: انجام پروژه های چندکلاسه تسک تصور حرکتی

خلاصه: الگوریتم csp برای داده های دو کلاسه ارائه شده و اگه بخواهیم برای داده های #چندکلاسه استفاده کنیم لازمه که در این الگوریتم رو برای داده های چندکلاسه با یک تکنیکی #تعمیم دهیم.
در این جلسه در ابتدا نحوه تبدیل داده به فرمت gdf سایت bci competition رو به فرمت .mat توضیح میدهیم سپس الگوریتم csp رو با دو روش ذکر شده در #مقاله مرتبط تعمیم میدهیم و همچنین کلاسبند SVM رو برای داده های چندکلاسه تعمیم میدهیم و یک پروژه عملی با کمک این الگوریتم طبق مقاله تخصصی انجام میدهیم تا با نحوه انجام پروژه های چند کلاسه هم آشنا شوید.

🧑‍💻مدرس: محمد نوری زاده چرلو

🌀جهت تهیه پکیج آموزشی به سایت زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/
#پردازش_سیگنال
#پیاده‌سازی_مقاله
#پروژه_عملی
#واسط_مغز_کامپیوتر
#یادگیری_ماشین
#فیلترهای_مکانی_مشترک
#csp #bci #EEG #GDF
#Machine_learning

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

" unity is power! "

#ensemble_learning
#Voting
#stacking
#Bagging
#Boosting
#pattern_recognition
#machine_learning

Next season is comming!

@onlinebme

#چالش1

💡جواب مسئله بالا را به کمک یکی از الگوریتم های یادگیری ماشین آموزش داده شده در دوره های onlinebme پیدا کنید.

⚠️توجه: برای هر مسئله ای راهکارهای مختلفی وجود دارد و قطعا میتوان جواب مسئله بالا را با کمی فکر کردن بدست آورد!
هدف ما از طرح این مسئله به چالش کشیدن دانش شما در حوزه یادگیری ماشین هست.
یک مثال خیلی ساده ای هست و به راحتی میتوان با کمک یادگیری ماشین حلش کرد.

✅ به برنده مسابقه، 50 درصد تخفیف برای یکی از پکیجهای آموزشی onlinebme تعلق خواهد گرفت.
#machine_learning

@onlinebme

علیرضا تابان:
استاد اول به x1,x2,x3,x4رندم کوچک دادن تابع هزینه رو دستی بدست اوردم بعدم تغییرات تابع هزینه نسبت به x1,x2,x3,x4 رو بدست اوردم

بعدم هم که از این رابطه استفاده کردم
x=x+0.1*deltax
برا مینیم کردن تابع هزینه که همون مجموع مربعات خطاعه استفاده کردم

استاد ایده اش با چیزایی بود که از شبکه عصبی گفته بودین

در واقع با مفهوم هایی که از شبکه عصبی برا مینیم کردن مجموع مربعات خطا یاد داده بودید استفاده کردم

✅ جواب درسته👌👌
آپدیت شد
جواب مسئله :
3.5 4.5
9.5 3.5
#چالش1
#machine_learning
@onlinebme

🔷 یادگیری تقویتی یکی از گرایش‌های یادگیری ماشین است که از روانشناسی رفتارگرایی الهام می‌گیرد. این روش بر رفتارهایی تمرکز دارد که ماشین باید برای بیشینه کردن پاداشش انجام دهد. این مسئله، با توجه به گستردگی‌اش، در زمینه‌های گوناگونی بررسی می‌شود. مانند: نظریه بازی‌ها، نظریه کنترل، تحقیق در عملیات، نظریه اطلاعات، سامانه چندعامله، هوش ازدحامی، آمار، الگوریتم ژنتیک، بهینه‌سازی بر مبنای شبیه‌سازی. در مبحث تحقیق در عملیات و در ادبیات کنترل، حوزه‌ای که در آن روش یادگیری تقویتی مطالعه می‌شود برنامه‌نویسی تخمینی پویای (approximate dynamic programming) خوانده می‌شود.

🔺 در یادگیری ماشین با توجه به این که بسیاری از الگوریتم‌های یادگیری تقویتی از تکنیک‌های برنامه‌نویسی پویا استفاده می‌کنند معمولاً مسئله تحت عنوان یک فرایند تصمیم‌گیری مارکف مدل می‌شود. تفاوت اصلی بین روش‌های سنتی و الگوریتم‌های یادگیری تقویتی این است که در یادگیری تقویتی نیازی به داشتن اطلاعات راجع به فرایند تصمیم‌گیری ندارد و این که این روش روی فرایندهای مارکف بسیار بزرگی کار می‌کند که روش‌های سنتی در آنجا ناکارآمدند.

🔺 یادگیری تقویتی با یادگیری با نظارت معمول دو تفاوت عمده دارد، نخست اینکه در آن زوج‌های صحیح ورودی و خروجی در کار نیست و رفتارهای ناکارامد نیز از بیرون اصلاح نمی‌شوند، و دیگر آنکه تمرکز زیادی روی کارایی زنده وجود دارد که نیازمند پیدا کردن یک تعادل مناسب بین اکتشاف چیزهای جدید و بهره‌برداری از دانش اندوخته شده دارد.
منبع: ویکی پدیا

#robotic
#artificial_intelligence 
#machine_learning 
#reinforcement_learning 

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme