onlinebme
✅ پردازش تصویر(فصل 3): فیلترهای مکانی ✍ در فصل سوم دوره جامع پردازش تصویر، انواع فیلترهای مکانی از جمله فیلتر متوسطگیری، فیلتر median، لاپلاسین، Sobel ، Prewitt، canny و wiener را پیاده سازی کردهایم و از آنها در کاربردهای مختلفی مثل کاهش نویز تصویر، بهبود…
This media is not supported in your browser
VIEW IN TELEGRAM
✅پردازش تصویر(فصل چهارم): عملیات مورفورلوژی
✍ عملیات مورفورلوژی(Morphological operation) مجموعه ای از عملیاتی هست که مرتبط با ویژگی های شکل و مورفولوژی(ریخت) در یک تصویر هستند. از الگوریتمهای مورفولوژی(ریخت شناسی) به عنوان یک ابزار ریاضی برای استخراج اجزای تصویر استفاده می شود. عملیات مورفولوژی بیشتر برای پردازش تصاویر باینری استفاده می شوند اما میتوان برای تصاویر سطح خاکستری و رنگی هم استفاده کرد. از جمله کاربردهای عملیات مورفولوژی میتوان استخراج اجزای تصویر و بهبود مسیرها و شکستگی های باریک تصویر را نام برد. در این فصل تمامی تکنیک های مورفولوژی به صورت پروژه محور آموزش داده شده اند.
⭕ جزئیات بیشتر👇👇
https://onlinebme.com/product/morphological-operations-in-image-processing/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍ عملیات مورفورلوژی(Morphological operation) مجموعه ای از عملیاتی هست که مرتبط با ویژگی های شکل و مورفولوژی(ریخت) در یک تصویر هستند. از الگوریتمهای مورفولوژی(ریخت شناسی) به عنوان یک ابزار ریاضی برای استخراج اجزای تصویر استفاده می شود. عملیات مورفولوژی بیشتر برای پردازش تصاویر باینری استفاده می شوند اما میتوان برای تصاویر سطح خاکستری و رنگی هم استفاده کرد. از جمله کاربردهای عملیات مورفولوژی میتوان استخراج اجزای تصویر و بهبود مسیرها و شکستگی های باریک تصویر را نام برد. در این فصل تمامی تکنیک های مورفولوژی به صورت پروژه محور آموزش داده شده اند.
⭕ جزئیات بیشتر👇👇
https://onlinebme.com/product/morphological-operations-in-image-processing/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅چرا هر موقع شبکه عصبی را اجرا میکنم جواب متفاوتی بدست می آید؟
✍حتما برای شما هم پیش آماده که از یک شبکه عصبی در پروژه خودتون استفاده کرده اید و هر بار که اجرا کرده اید به یک نتیجه متفاوت رسیده اید! این برای یک پروژه اصلا نتیجه مناسب و قابل اعتمادی نیست. شبکه عصبی ما باید نتایج پایدار و قابل اعتمادی بدهد تا بتوان در عمل از آن استفاده کرد. نتایجی پایدار هستند که در همه اجراها یکسان و یا حداقل نزدیک بهم باشند. نه اینکه در هر اجرا یک دقت عجیب غریب بدست بیاید. در این مقاله در ابتدا دلایل ناپایداری نتایج شبکه عصبی و سپس راه حل این مشکل را بررسی می کنیم.
⭕جزئیات بیشتر👇👇
https://onlinebme.com/how-to-solve-randomness-of-neural-networks/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍حتما برای شما هم پیش آماده که از یک شبکه عصبی در پروژه خودتون استفاده کرده اید و هر بار که اجرا کرده اید به یک نتیجه متفاوت رسیده اید! این برای یک پروژه اصلا نتیجه مناسب و قابل اعتمادی نیست. شبکه عصبی ما باید نتایج پایدار و قابل اعتمادی بدهد تا بتوان در عمل از آن استفاده کرد. نتایجی پایدار هستند که در همه اجراها یکسان و یا حداقل نزدیک بهم باشند. نه اینکه در هر اجرا یک دقت عجیب غریب بدست بیاید. در این مقاله در ابتدا دلایل ناپایداری نتایج شبکه عصبی و سپس راه حل این مشکل را بررسی می کنیم.
⭕جزئیات بیشتر👇👇
https://onlinebme.com/how-to-solve-randomness-of-neural-networks/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)
✍یادگیری عمیق یکی از حوزههای جذاب و پرکاربرد هوش مصنوعی است. در این دوره بر یکی از معروفترین شبکههای عمیق به نام شبکهی عصبی کانولوشنی (Convolutional Neural Network) تمرکز شده است. در این دورهی پروژه محور ابتدا مفاهیم اولیه و تئوری شبکههای CNN توضیح داده میشود، سپس لایههای تشکیل دهندهی شبکهی CNN به طور دقیق تعریف میشوند، سپس نحوهی ایجاد، آموزش و ارزیابی یک شبکه CNN با استفاده از فریم ورک تنسورفلو و کراس آموزش داده میشود و شبکههای معروف CNN پیاده سازی میشوند.
مدت زمان دوره: 11 ساعت
مدرس دوره: هما کاشفی امیری
⭕جزئیات بیشتر 👇👇
https://onlinebme.com/product/convolutional-neural-network/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍یادگیری عمیق یکی از حوزههای جذاب و پرکاربرد هوش مصنوعی است. در این دوره بر یکی از معروفترین شبکههای عمیق به نام شبکهی عصبی کانولوشنی (Convolutional Neural Network) تمرکز شده است. در این دورهی پروژه محور ابتدا مفاهیم اولیه و تئوری شبکههای CNN توضیح داده میشود، سپس لایههای تشکیل دهندهی شبکهی CNN به طور دقیق تعریف میشوند، سپس نحوهی ایجاد، آموزش و ارزیابی یک شبکه CNN با استفاده از فریم ورک تنسورفلو و کراس آموزش داده میشود و شبکههای معروف CNN پیاده سازی میشوند.
مدت زمان دوره: 11 ساعت
مدرس دوره: هما کاشفی امیری
⭕جزئیات بیشتر 👇👇
https://onlinebme.com/product/convolutional-neural-network/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
✅ لایو در اینستاگرام موضوع: مقالهنویسی میهمان: خانم یاسمن زمانی میزبان: onlinebme ⏰ زمان: جمعه ۱ مرداد - ساعت 21:00 @onlinebme
✅ اصول نوشتن مقاله پژوهشی
نحوه بیان و ارائه کار پرژوهشی تاثیر به سزایی در دید داور و در نتیجه آن پذیرش مقاله دارد. ما برای اینکه بتوانیم کار خود را به خوبی ارائه دهیم نیاز داریم با اصول نوشتن یک مقاله پژوهشی آشنا باشیم.
💡در جلسه لایو اینستاگرام این موضوع رو بررسی کردیم.
⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/how-to-write-a-research-article/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
نحوه بیان و ارائه کار پرژوهشی تاثیر به سزایی در دید داور و در نتیجه آن پذیرش مقاله دارد. ما برای اینکه بتوانیم کار خود را به خوبی ارائه دهیم نیاز داریم با اصول نوشتن یک مقاله پژوهشی آشنا باشیم.
💡در جلسه لایو اینستاگرام این موضوع رو بررسی کردیم.
⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/how-to-write-a-research-article/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
✅ اصول نوشتن مقاله پژوهشی نحوه بیان و ارائه کار پرژوهشی تاثیر به سزایی در دید داور و در نتیجه آن پذیرش مقاله دارد. ما برای اینکه بتوانیم کار خود را به خوبی ارائه دهیم نیاز داریم با اصول نوشتن یک مقاله پژوهشی آشنا باشیم. 💡در جلسه لایو اینستاگرام این موضوع…
در این جلسه به سوالات زیر پاسخ داده ایم:
🔺برای شروع نوشتن مقاله، از کدام بخش مقاله شروع کنیم؟
🔺کدام بخش در اکسپت مقاله خیلی تاثیر گذار هست؟
🔺عنوان خوب چه ویژگی هایی باید داشته باشه؟
🔺چکیده چه ویژگی هایی باید داشته باشه؟
🔺روال نوشتن مقدمه به چه صورت باشد بهتره؟ برحسب تاریخ؟ یا برحسب مرتبط بودن مقالات؟
🔺فرق بین discussion و conclusion چیه؟
🔺افعال در مقاله به چه صورت باشه؟ گذشته ساده، حال ساده، یا... ؟
🔺آیا نوشتن افعال در بخشهای مختلف مقاله متفاوت هست؟
🔺ژورنال خوب چه ژورنالی هست؟ فرق بین q1 و q2 چیه؟
🔺از کجا بفهمیم یک ژورنال فیک(نامعتبر) هست؟
🔺چجوری پلاجیاریزم (plagiarism) و similarity رو چک کنیم؟
🔺از gramerly چه استفاده هایی میتونیم بکنیم؟
🔺چطور ژورنال مناسب برای منیوسکریپتمون پیدا کنیم؟
🔺آیا سابمیت منیوسکریپت در ژورنال هزینه داره؟
🔺اگر منیوسکریپت ریجکت بشه، میتونیم بازم برای همون ژورنال بفرستیم؟
🔺چطور میتونیم شانس پذیرش مقاله رو افزایش بدیم؟
🔺ترتیب اسم نویسنده ها چه اهمیتی داره؟
@onlinebme
🔺برای شروع نوشتن مقاله، از کدام بخش مقاله شروع کنیم؟
🔺کدام بخش در اکسپت مقاله خیلی تاثیر گذار هست؟
🔺عنوان خوب چه ویژگی هایی باید داشته باشه؟
🔺چکیده چه ویژگی هایی باید داشته باشه؟
🔺روال نوشتن مقدمه به چه صورت باشد بهتره؟ برحسب تاریخ؟ یا برحسب مرتبط بودن مقالات؟
🔺فرق بین discussion و conclusion چیه؟
🔺افعال در مقاله به چه صورت باشه؟ گذشته ساده، حال ساده، یا... ؟
🔺آیا نوشتن افعال در بخشهای مختلف مقاله متفاوت هست؟
🔺ژورنال خوب چه ژورنالی هست؟ فرق بین q1 و q2 چیه؟
🔺از کجا بفهمیم یک ژورنال فیک(نامعتبر) هست؟
🔺چجوری پلاجیاریزم (plagiarism) و similarity رو چک کنیم؟
🔺از gramerly چه استفاده هایی میتونیم بکنیم؟
🔺چطور ژورنال مناسب برای منیوسکریپتمون پیدا کنیم؟
🔺آیا سابمیت منیوسکریپت در ژورنال هزینه داره؟
🔺اگر منیوسکریپت ریجکت بشه، میتونیم بازم برای همون ژورنال بفرستیم؟
🔺چطور میتونیم شانس پذیرش مقاله رو افزایش بدیم؟
🔺ترتیب اسم نویسنده ها چه اهمیتی داره؟
@onlinebme
✅شبکه عصبی کانولوشنی LeNet
✍ شبکه عصبی کانولوشنی LeNet یکی از اولین شبکه های عصبی کانولوشنی است که با مفهوم یادگیری عمیق توسط yann lecun معرفی شد. این شبکه ساختاری پنج لایه دارد به نام lenet-5 معروف است و اولین بار برای تشخیص ارقام دست نویس mnist استفاده شد.
⭕️جزئیات بیشتر👇
https://onlinebme.com/lenet-convolutional-neural-network/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍ شبکه عصبی کانولوشنی LeNet یکی از اولین شبکه های عصبی کانولوشنی است که با مفهوم یادگیری عمیق توسط yann lecun معرفی شد. این شبکه ساختاری پنج لایه دارد به نام lenet-5 معروف است و اولین بار برای تشخیص ارقام دست نویس mnist استفاده شد.
⭕️جزئیات بیشتر👇
https://onlinebme.com/lenet-convolutional-neural-network/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅انتخاب ویژگی در شناسایی الگو
✍در شناسایی الگو و یادگیری ماشین، انتخاب ویژگی به فرایندی گفته می شود که در آن بهترین ویژگی ها از بین ویژگیهای استخراج شده انتخاب می شوند. با انتخاب ویژگی تعداد ویژگی ها به طور هدفمند کاهش پیدا میکنند تا علاوه بر کاهش هزینه، عملکرد مدل را افزایش دهند. روشهای انتخاب ویژگی به طور کلی به دو دسته اسکالر (filter methods) و برداری(wrapper methods) دسته بندی می شوند. در این مقاله به طور خلاصه دو رویکرد انتخاب ویژگی را بررسی می کنیم.
⭕جزئیات بیشتر👇👇
https://onlinebme.com/feature-selection/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍در شناسایی الگو و یادگیری ماشین، انتخاب ویژگی به فرایندی گفته می شود که در آن بهترین ویژگی ها از بین ویژگیهای استخراج شده انتخاب می شوند. با انتخاب ویژگی تعداد ویژگی ها به طور هدفمند کاهش پیدا میکنند تا علاوه بر کاهش هزینه، عملکرد مدل را افزایش دهند. روشهای انتخاب ویژگی به طور کلی به دو دسته اسکالر (filter methods) و برداری(wrapper methods) دسته بندی می شوند. در این مقاله به طور خلاصه دو رویکرد انتخاب ویژگی را بررسی می کنیم.
⭕جزئیات بیشتر👇👇
https://onlinebme.com/feature-selection/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme