💡دوره ی بعدی #مهرماه در #مشهد (به احتمال زیاد در دو دانشگاه مختلف) 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

💡💡💡دوره ها #فشرده و در #دوهفته برگزار خواهند شد.
به دوستانی که هر دو دوره(دوره شبکه های عصبی در متلب- دوره جامع مهندسی پزشکی) را شرکت کنند 10 درصد #تخفیف تعلق می‌گیرد!

#متلب
#پایان_نامه
#شبیه_سازی_مقالات
#پروژه_درسی
#دوره
#شبکه_عصبی
#پترن
#داده_کاوی
#علوم_اعصاب
#واسط_مغز_کامپیوتر
#پروژه_عملی
➖➖➖➖➖
سایتمون رو هم دنبال کنید🙏🙏😊😊
http://matlabkhoone.ir
➖➖➖➖➖
@IUST_Bioelecteric

✅ تخفیف های ویژه🎁🎁🎁🎁🎁

#تخفیف اول: این تخفیف که معادل با 10درصد کل هزینه ی پرداختی است برای دوستانی است که هر دو دوره شرکت کنند.

تخفیف دوم: این تخفیف برای دوستانی است که افراد دیگری را برای شرکت در کلاس معرفی کنند، که معادل با 10 درصد به ازای هر نفر میباشد.

✅ لطفا به دوستان خود اطلاع رسانی کنید و از تخفیفات ویژه دوره ها بهرمند شوید👌
➖➖➖➖
@IUST_Bioelecteric

با سلام
دوستان دوره تهرانمون از هفته دیگه شروع خواهد شد.
قراره هفته ای دو جلسه 3-4 ساعته داشته باشیم تا قبل از امتحانات دوره هارو تموم کنیم.
جزئیات دوره هارو در کانال دوم قرار میدهیم، از طریق لینک زیر میتوانید جزئیات دوره شبکه عصبی و دوره جامع مهندسی پزشکی رو مطالعه کنید.
👇👇
@IUST_Bioelecteric
➖➖➖➖➖➖➖➖➖➖➖➖

✅ تخفیف های ویژه🎁🎁🎁🎁🎁

#تخفیف اول: این تخفیف که معادل با 10درصد کل هزینه ی پرداختی است برای دوستانی است که هر دو دوره شرکت کنند.

تخفیف دوم: این تخفیف برای دوستانی است که افراد دیگری را برای شرکت در کلاس معرفی کنند، که معادل با 10 درصد به ازای هر نفر میباشد.

✅ لطفا به دوستان خود اطلاع رسانی کنید و از تخفیفات ویژه دوره ها بهرمند شوید👌
➖➖➖
@onlineBME

با سلام
دوستان دوره تهرانمون این هفته و یا نهایتش از هفته دیگه شروع خواهد شد.
قراره برای هر دوره هفته ای یک جلسه 4-5 ساعته داشته باشیم.
جزئیات دوره هارو در کانال اصلی و دوم قرار داده ایم، از طریق لینک زیر میتوانید جزئیات دوره شبکه عصبی و دوره جامع مهندسی پزشکی رو مطالعه کنید.
جزئیات دوره پردازش تصویر هم فردا قرار داده خواهد شد.
👇👇
@IUST_Bioelecteric
➖➖➖➖➖➖➖➖➖➖➖➖

✅ #تخفیف های ویژه🎁🎁🎁🎁🎁

1⃣تخفیف اول: این تخفیف که معادل با 10درصد کل هزینه ی پرداختی است برای دوستانی است که هر دو دوره شرکت کنند.

2⃣ تخفیف دوم: این تخفیف که معادل با 20 درصد کل هزینه ی پرداختی است برای دوستانی است که هر سه دوره ( شبکه عصبی، پردازش تصویر، پردازش سیگنال ) شرکت کنند.

3⃣ تخفیف سوم: این تخفیف برای دوستانی است که افراد دیگری را برای شرکت در کلاس معرفی کنند، که معادل با 10 درصد به ازای هر نفر میباشد.

✅ لطفا به دوستان خود اطلاع رسانی کنید و از تخفیفات ویژه دوره ها بهرمند شوید👌
➖➖➖➖➖
✔️ @onlineBME

با سلام
دوستان دوره تهرانمون این هفته و یا نهایتا از هفته دیگه شروع خواهد شد.
قراره برای هر دوره هفته ای یک جلسه 5 ساعته داشته باشیم.
جزئیات دوره ها را در کانال اصلی و دوم قرار داده ایم، از طریق لینک زیر میتوانید جزئیات دوره ها را مطالعه کنید.
👇👇
@IUST_Bioelecteric
➖➖➖➖➖➖➖➖➖➖➖➖

✅ #تخفیف های ویژه🎁🎁🎁🎁🎁

1⃣تخفیف اول: این تخفیف که معادل با 10درصد کل هزینه ی پرداختی است برای دوستانی است که هر دو دوره شرکت کنند.

2⃣ تخفیف دوم: این تخفیف که معادل با 20 درصد کل هزینه ی پرداختی است برای دوستانی است که هر سه دوره ( شبکه عصبی، پردازش تصویر، یادگیری ماشین در پردازش سیگنال ) شرکت کنند.

3⃣ تخفیف سوم: این تخفیف برای دوستانی است که افراد دیگری را برای شرکت در کلاس معرفی کنند، که معادل با 10 درصد به ازای هر نفر میباشد.

❇️ شرکت کنندگان میتوانند هزینه دوره ها را به صورت #اقساطی هم پرداخت کنند.
✅ لطفا به دوستان خود اطلاع رسانی کنید و از تخفیفات ویژه دوره ها بهرمند شوید👌
➖➖➖➖➖
✔️ @onlineBME

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

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

🏢 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

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

1⃣جلسه اول: مقدمه‌ای بر شبکه‌ی عصبی (#نورون و اجزای تشکیل دهنده آن)

✍ در جلسه اول ما درس شبکه عصبی را شروع می‌کنیم،‌این درس مقدمه‌ای بر شبکه عصبی هست و ما در‌این جلسه خواص مغز انسان را توصیف می‌کنیم و با کامپیوترهای دیجیتال مقایسه می‌کنیم و در نهایت توضیح می‌دهیم که چرا مغز انسان انقدر توانمند است و چرا مدلسازی مغز انسان به قدری اهمیت دارد که در آمریکا مدلسازی مغز انسان یک پروژه ملی شده است. یکی از خصوصیات مغز انسان یادگیری و ذخیره اطلاعات است. ما در‌این جلسه توضیح میدهیم که مغز به چه صورت یاد می‌گیرد و دانش بدست آورده کجا ذخیره می‌کند. بعد از‌اینکه توانایی‌های مغز انسان را توضیح دادیم کوچکترین واحد اساسی مغز که نورون است را توضیح میدهیم. بعد از توضیح خواص نورون بیولوژیکی، نورون مصنوعی را که مدل ساده شده نورون بیولوژیکی هست را توضیح داده و روابط ریاضیاتی آن را بیان می‌کنیم.

بعد از آن انواع توابع فعال برای یک نورون مصنوعی را توضیح داده و در متلب پیاده سازی می‌کنیم تا شما با عملکرد‌ این توابع فعال آشنا شوید. و در نهایت شکلهای گرافیگی یک نورون را توضیح داده و انواع روشهای یادگیری ماشین را توضیح میدهیم و آماده می‌شویم برای جلسه بعد که وارد دنیای شبکه عصبی شویم و شروع کنیم به صورت تخصصی شبکه‌های عصبی را یکی یکی در متلب پیاده‌سازی کنیم و پروژه‌های عملی انجام دهیم. مشاهده ‌این جلسه پیش نیاز جلسات بعدی هست لذا حتما‌ این جلسه را نگاه کنید تا جلسات بعدی به مشکل نخورید.

نکته: بخشی از مباحث این جلسه طبق مطالب فصل اول کتاب  Simon haykin است.

کلمات کلیدی: مغز، توانایی‌های مغز انسان، نورون بیولوژیکی، نورون مصنوعی، توابع فعال
➖➖➖➖➖➖➖➖➖➖➖➖

جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/

🎁🎁 کد #تخفیف 20 درصدی:
Neuralnetworks98
مهلت اعتبار: 2 روز

🏢 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
2⃣جلسه دوم: پیاده‌سازی شبکه عصبی #پرسپترون_تک_لایه با قانون یادگیری پرسپترون

✍در جلسه دوم ما در ابتدا شبکه‌عصبی پرسپترون تک لایه را آموزش داده و در متلب گام به گام پیاده‌سازی ‌می‌کنیم. این شبکه ساده‌ترین نوع شبکه عصبی است که برای #کلاسبندی داده‌های #خطی استفاده می‌شود. قبل از اینکه بخواهیم یک شبکه عصبی را در محیطی ‌پیاده‌سازی کنیم لازم است که در ابتدا به #سه_سوال_اساسی جواب بدیم:

1-     ساختار این شبکه چیه؟
2-     قانون یادگیری شبکه چیه؟
3-      کاربرد این شبکه کجاست؟

ما در این جلسه به این سه سوال جواب داده و سپس #تئوری_همگرایی قانون یادگیری پرسپترون را آموزش میدهیم. بعد از اینکه تئوری  شبکه عصبی پرسپترون تک لایه را یاد گرفتیم یک #الگوریتم_خلاصه_شده جهت یادگیری این شبکه می‌نویسم و طبق آن در متلب به صورت #مرحله-به-مرحله #پیاده‌سازی ‌می‌کنیم. و در نهایت چند مثال عملی انجام می‌دهیم تا مطالب را به طور عملی درک کنیم.  سپس برای درک بهتر مطالب، آموزش می‌دهیم که چطور میتوان #مرز تفکیک کننده داده‌ها را رسم کرد تا متوجه بشویم که شبکه عصبی پرسپترون تک لایه چطور یک مسئله کلاسبندی را انجام میدهد.

در نهایت #عیب الگوریتم #یادگیری_پرسپترون را با یک مثال عملی در متلب نشان میدهیم و بعد سراغ #راه_حل می‌رویم. قانون یادگیری پرسپترون با اینکه انقلابی در حوزه هوش مصنوعی به پا کرده است ولی دو تا مشکل اساسی دارد که در ویدیو توضیح می‌دهیم. به دلیل اینکه طبقه‌بند ماکزیمم شباهت(maximum likelihood ) شباهت خیلی زیادی به پرسپترون تک لایه دارد فصل چهارم کتاب Simon haykin طبقه بندML را در ادامه مطالب پرسپترون تک لایه آورده و ایده کلاسبندی این طبقه بند را توضیح داده است. ماهم برای اینکه رشته مطالب کتاب از دست نرود تئوری کلاسبند ML را توضیح داده و سپس در متلب ‌پیاده‌سازی کرده و یک مثال عملی هم با این کلاسبند انجام می‌دهیم. سپس شباهت و تفاوت این دو کلاسبند را به طور مفصل توضیح میدهیم و نشان میدهیم که شبکه عصبی اگر قانون یادگیری پرسپترون را بهبود دهد خیلی بهتر از کلاسبندهای #پارامتری مثل ML خواهد بود.  

🔺نکته: مباحث این جلسه طبق مطالب فصل 4 کتاب Simon haykin است.

🔍 کلمات کلیدی: شبکه عصبی پرسپترون تک لایه، قانون یادگیری پرسپترون، داده خطی ، ایراد قانون یادگیری پرسپترون، کلاسبند پارمتری و غیر پارامتری، کلاسبند ماکزیمم شباهت
➖➖➖➖➖➖➖➖➖➖➖➖

جهت تهیه کامل پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
https://onlinebme.com/product/neural-networks-package/

🎁🎁 کد #تخفیف 20 درصدی:
Neuralnetworks98
مهلت اعتبار: 2 روز

🏢 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

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

#تخفیف
https://onlinebme.com/coupon/