2.pdf
738.8 KB
🔷 بهبود کیفیت تصویر با استفاده از ترکیب توابع مورفولوژی و آستانه گذار محلی
⚠️ آموزش + کد متلب
⚠️ آموزش گام به گام پردازش تصویر از مقدماتی تا پیشرفته
- سطح مقدماتی
@iust_bioelecteric
⚠️ آموزش + کد متلب
⚠️ آموزش گام به گام پردازش تصویر از مقدماتی تا پیشرفته
- سطح مقدماتی
@iust_bioelecteric
⚠️ آموزش گام به گام پردازش تصویر از مقدماتی تا پیشرفته
- سطح مقدماتی
#image_processing
@iust_bioelecteric
- سطح مقدماتی
#image_processing
@iust_bioelecteric
اسکنرهای مغزی نشان داده اند:
مغز تصمیم های خود را 7 ثانیه قبل از این که فـــرد از آنها آگاه شود گرفته است این مسئله شبهه های جدی در مورد مفهوم اختیار و اراده آزاد به وجود آورده است!
@IUST_Bioelecteric
مغز تصمیم های خود را 7 ثانیه قبل از این که فـــرد از آنها آگاه شود گرفته است این مسئله شبهه های جدی در مورد مفهوم اختیار و اراده آزاد به وجود آورده است!
@IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
⚠️ غالب اسپریهای خوش بوکننده هوا قابلیت اشتعال دارند ❗️
👈 مواظب باشید تو ماشینی که اسپری زدید و شیشه هاش بالاست به هیچ وجه فندک روشن نکنید چون آتیش میگیرید 😑
@IUST_Bioelecteric
👈 مواظب باشید تو ماشینی که اسپری زدید و شیشه هاش بالاست به هیچ وجه فندک روشن نکنید چون آتیش میگیرید 😑
@IUST_Bioelecteric
🔷 شبکه عصبی کانولوشن
🔹 شبکه های عصبی کانولوشن تا حد بسیار زیادی شبیه شبکه های عصبی مصنوعی هستند. این نوع شبکه ها متشکل از نورونهایی با وزنها و بایاسهای قابل یادگیری (تنظیم) هستند. هر نورون تعدادی ورودی دریافت کرده و سپس حاصل ضرب وزنها در ورودی ها را محاسبه کرده و در انتها با استفاده از یک تابع تبدیل(فعال سازی) غیرخطی نتیجه ای را ارائه دهد. کل شبکه همچنان یک تابع امتیاز (Score function) مشتق-پذیر(differentiable) را ارائه می کند، که در یک طرف آن پیکسل های خام تصویر ورودی و در طرف دیگر آن امتیازات مربوط به هر دسته قرار دارد. این نوع شبکه ها هنوز یک تابع هزینه (Loss function) مثل (SVM,Softmax) در لایه آخر تماما مرتبط یا (fully connected) دارند و تمامی نکات مطرحی در مورد شبکه های عصبی معمولی در اینجا هم صادق است.
@iust_bioelecteric
🔹 با توجه به مطالب گفته شده، تفاوت شبکه عصبی کانولوشن با شبکه عصبی مصنوعی در چه چیزی میتواند باشد؟ معماری های شبکه های عصبی کانولوشن بصورت صریح فرض می کنند که ورودی های آنها تصاویر هستند، با این فرض ما می توانیم ویژگی های مشخصی را درون معماری تعبیه (encode) کنیم. با این عمل تابع پیشرو (forward function) را می توان بصورت بهینه تر پیاده سازی کرد و همینطور با این کار میزان پارامترهای شبکه نیز بشدت کاهش پیدا می کند
#deep_learning
#convolutional_neural_networks
🔹 شبکه های عصبی کانولوشن تا حد بسیار زیادی شبیه شبکه های عصبی مصنوعی هستند. این نوع شبکه ها متشکل از نورونهایی با وزنها و بایاسهای قابل یادگیری (تنظیم) هستند. هر نورون تعدادی ورودی دریافت کرده و سپس حاصل ضرب وزنها در ورودی ها را محاسبه کرده و در انتها با استفاده از یک تابع تبدیل(فعال سازی) غیرخطی نتیجه ای را ارائه دهد. کل شبکه همچنان یک تابع امتیاز (Score function) مشتق-پذیر(differentiable) را ارائه می کند، که در یک طرف آن پیکسل های خام تصویر ورودی و در طرف دیگر آن امتیازات مربوط به هر دسته قرار دارد. این نوع شبکه ها هنوز یک تابع هزینه (Loss function) مثل (SVM,Softmax) در لایه آخر تماما مرتبط یا (fully connected) دارند و تمامی نکات مطرحی در مورد شبکه های عصبی معمولی در اینجا هم صادق است.
@iust_bioelecteric
🔹 با توجه به مطالب گفته شده، تفاوت شبکه عصبی کانولوشن با شبکه عصبی مصنوعی در چه چیزی میتواند باشد؟ معماری های شبکه های عصبی کانولوشن بصورت صریح فرض می کنند که ورودی های آنها تصاویر هستند، با این فرض ما می توانیم ویژگی های مشخصی را درون معماری تعبیه (encode) کنیم. با این عمل تابع پیشرو (forward function) را می توان بصورت بهینه تر پیاده سازی کرد و همینطور با این کار میزان پارامترهای شبکه نیز بشدت کاهش پیدا می کند
#deep_learning
#convolutional_neural_networks
winter1516_lecture7.pdf
2.4 MB
🔷 شبکه عصبی کانولوشن
⚠️ فایل آموزشی عالی جهت آشنایی با شبکه های عصبی کانولوشن
#deep_learning
#convolutional_neural_networks
@iust_bioelecteric
⚠️ فایل آموزشی عالی جهت آشنایی با شبکه های عصبی کانولوشن
#deep_learning
#convolutional_neural_networks
@iust_bioelecteric
onlinebme
winter1516_lecture7.pdf
🔹با مطالعه این فایل آموزشی، با شبکه های عصبی کانولشون آشنا خواهید شد
🔹 با مطالعه این فایل آموزشی، نحوه استفاده از کدهای آماده در اینترنت را یاد خواهید گرفت.
🔹 در این فایل آموزشی، جزئیات هر لایه شبکه با مثال به طور کامل توضیح داده است.
#deep_learning
#convolutional_neural_networks
@iust_bioelecteric
🔹 با مطالعه این فایل آموزشی، نحوه استفاده از کدهای آماده در اینترنت را یاد خواهید گرفت.
🔹 در این فایل آموزشی، جزئیات هر لایه شبکه با مثال به طور کامل توضیح داده است.
#deep_learning
#convolutional_neural_networks
@iust_bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
❗️خداحافظی با سکته قلبی تا سال ۲۰۳۰
⚠️ ربات بسیار ریزی در دست ساخت هست که با ورود آن به جریان خون ، ربات به طور خودکار رگ های گرفته شده را مرتبا باز میکند 👌
@IUST_Bioelecteric
⚠️ ربات بسیار ریزی در دست ساخت هست که با ورود آن به جریان خون ، ربات به طور خودکار رگ های گرفته شده را مرتبا باز میکند 👌
@IUST_Bioelecteric
#تست_اعصاب
شدت حرکت مربع داخل شکل به قدرت اعصاب شما بستگی دارد !
((هر چقدر اعصاب شما قویتر باشد،حرکت مربع کند و آرامتر است))
👇👇👇👇👇
@IUST_Bioelecteric
شدت حرکت مربع داخل شکل به قدرت اعصاب شما بستگی دارد !
((هر چقدر اعصاب شما قویتر باشد،حرکت مربع کند و آرامتر است))
👇👇👇👇👇
@IUST_Bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
واکنش هیجان انگیز نیتروژن مایع با نوشابه
سرعتش عالیه،انگار موشک پرتاب میشه تو آسمون
@IUST_Bioelecteric
سرعتش عالیه،انگار موشک پرتاب میشه تو آسمون
@IUST_Bioelecteric
👆👆👆در gif بالا نشان داده ایم که چطور یک سیگنال موج مربعی به تعدادی موج سینوسی تبدیل می شود. هر سینوسی دامنه ای دارد که این دامنه ها در واقع همان سری فوریه ی سیگنال اصلی اند. به همین سادگی!
@iust_bioelecteric
@iust_bioelecteric
This media is not supported in your browser
VIEW IN TELEGRAM
نوزادی که پس از دنیا آمدن نفسش قطع شده و بر اثر فشار، استخوانهای لگن و کتفش جابه جا شده.
حالا ببینید دکتر با چه مهارتی و سرعتی نوزاد رو آب بندی میکنه 😳😃🙄🙄😃
@IUST_Bioelecteric
حالا ببینید دکتر با چه مهارتی و سرعتی نوزاد رو آب بندی میکنه 😳😃🙄🙄😃
@IUST_Bioelecteric
💢دیدگاه و قضاوت ما نسبت به زندگی دیگران، بیشتر بستگی به شرایط و موقعیتی دارد که خود ما در آن قرار داریم!💢
👇👇👇👇👇
@IUST_Bioelecteric
👇👇👇👇👇
@IUST_Bioelecteric