✅شادی را نمی توان خرید
ولی #کتاب را چرا
و هر دو از یک جنس اند...

👇👇👇👇👇
@IUST_Bioelecteric

⚠️ هر 7 دقیقه یک نفر آلزایمر می گیرد!

حل جدول و سودوکو، یادگیری زبان و حرفه جدید و #کتاب خواندن به افراد در مهار این بیماری کمک می کند!

#جدی_بگیرید
@IUST_Bioelecteric

🔷 کتاب علوم اعصاب محاسباتی

#کتاب
#تئوری
#neuroscience

@IUST_Bioelecter

💡✅ توضیحات تکمیلی دوره شبکه عصبی:

✍️ امروزه در ایران دوره های مختلفی برای درس شبکه عصبی برگزار می‌شود و البته هر کدام مزایای خودشون رو دارند و با اهدافی دوره ها رو برگزار می‌کنند.
گروه تخصصی و آموزشی مدرسین علم و صنعت تهران هم سعی براین دارد که در این مسیر فعالیت کند، اما به صورت #متفاوت!
سعی ما بر این است که یک دوره صرفا عملی و یا صرفا تئوری برگزار نکینم. ما در این دوره علاوه برمباحث تئوری، همزمان مباحث عملی رو به صورت گام به گام آموزش می‌دهیم.

🔺 اولین #وجه_تمایز دوره شبکه عصبی ما با سایر دوره ها این است که در این دوره نحوه استفاده از #توابع_آماده_متلب آموزش داده نمی‌شود بلکه نحوه‌ی #پیاده_سازی شبکه ها بطور کامل آموزش داده می شود و مطمئنا شرکت‌کنندگان بعد از #تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، #بهبود شبکه‌ها، شبیه‌سازی #مقالات و استفاده از شبکه‌ها در #پروژه‌های_عملی دچار مشکل نخواهند شد.

🔺 دوره به صورت #آکادمیک هست و سعی بر این است که تمام مباحث #کتاب معروف Siomon Haykin آموزش داده شود. کتاب Siomon Haykin، کتابی #استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود. در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود.
از آنجا شرکت کنندگان علاوه بر یادگیری مباحث عملی، مباحث تئوری را نیز یاد میگیرند لذا شرکت‌کنندگان بعد از اتمام دوره، می‎توانند #نمره_کاملی در درس شبکه عصبی (در هر مقطعی) بگیرند که این یکی از مزیتهای دیگر دوره شبکه عصبی ما است.
از آنجا که دوره ما #پروژه محور است، سعی شده مسائل و پروژه های مختلفی با استفاده از شبکه عصبی انجام شود تا شرکت کنندگان بعد از اتمام دوره بتوانند پروژه های خود را با شبکه های عصبی انجام دهند.

✅💡پروژه هایی که در این دوره با استفاده از شبکه های عصبی انجام داده می‌شوند:
💡تشخیص #سرطان_سینه با استفاده از شبکه های عصبی
💡تشخیص بیماری #صرع از روی سیگنالهای مغزی با استفاده از شبکه های عصبی
💡تخمین کیفیت #شراب با استفاده از شبکه های عصبی(داده معروف سایت UCI)
💡پیش بینی #نرخ_ارز با استفاده از شبکه های عصبی
💡کلاسبندی داده های دوکلاسه و #چندکلاسه، مثل داده سه کلاسه #iris (داده ی معروف در سایت uci)
💡حل مسائل مختلف از قبیل گیتهای منطقی(and, or, xor,…) با استفاده از شبکه‌های عصبی
💡 تخمین کیفیت شراب با استفاده از شبکه های عصبی(داده معروف سایت UCI)


تمامی شبکه ها از #صفرتاصد آموزش داده می‌شوند، در ابتدا، مباحث تئوری آموزش داده می‌شود و سپس به صورت گام به گام در متلب پیاده‌سازی می شوند و بعد از پیاده سازی در پروژه های عملی استفاده می شوند.
#مزایا و #معایب هر شبکه به صورت #واقعی در پروژه‌های عملی نشان داده می‌شود و هنرجو از این طریق #درک بهتری نسبت به شبکه‌ها پیدا می‌کند.

🔺علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و ELMرا طبق مقالات معتبر پیاده‌سازی می¬کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.


✅ شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

💡 برنامه‌نویسی در محیط متلب
💡پیاده‏سازی تمامی شبکه‌های عصبی در متلب
💡 حل مسائل مختلف از قبیل گیتهای منطقی(and, or, xor,…) با استفاده از شبکه‌های عصبی
💡 استفاده از شبکه‏های عصبی در پروژه‌های کلاسبندی و رگرسیون
💡 انجام پروژه‌های عملی با استفاده از شبکه‌های عصبی
💡 کاهش بعد و استخراج ویژگی با استفاده از شبکه‌های عصبی
💡 حل مسائل کلاسبندی با استفاده از شبکه‌های عصبی
💡 حل مسائل پیش‌بینی با استفاده از شبکه‌های عصبی
💡 خوشه‌بندی داده‌ها با استفاده از شبکه‌های عصبی

✅ 💡بعد از اتمام دوره دانشجویانی که طول دوره فعال بودند و نمره قابل قبولی دریافت کردند، انتخاب می شوند تا در کارهای عملی و پروژه‌های پژوهشی جهت نوشتن مقالات همکاری ‌شود.

https://telegram.me/joinchat/BcXDaEEL4FjSZ9Uxrki-9Q
➖➖➖➖➖
@IUST_Bioelecteric

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

9⃣ جلسه نهم: پیاده‌سازی شبکه عصبی Extreme Learning Machine ( #ELM )

ما تا جلسه هشتم از مباحث #کتاب معروف   Simon haykin استفاده کردیم و در دو جلسه آینده قصد داریم #پیاده‌سازی دو تا شبکه عصبی معروف #ELM و #PNN را طبق #مقالات_تخصصی آموزش دهیم تا با پیاده‌سازی مقالات تخصصی نیز آشنا شوید. شبکه عصبی #پرسپترون_چندلایه دو ایراد اساسی در زمان آموزش دارد: ایراد اول شبکه این است که از #گرادیان_نزولی برای تنظیم وزنها استفاده می‌کند و این باعث می‎شود که پروسه آموزش زمانبر باشد، مخصوصا زمانی که حجم داده آموزشی زیاد باشد! ایراد دوم این شبکه تعداد زیاد #پارامترها است. در این شبکه پارامترهای زیادی باید در پروسه آموزش تنظیم شوند و همین باعث می‌شود که زمان آموزش بسیار بالا باشد. شبکه عصبی ELM یک رویکرد بسیار ساده‌ای و در عین حال جالب برای حل این مسئله ارائه کرده است و به همین دلیل #سرعت_یادگیری بسیار بالایی دارد و سرعت یادگیری آن در مقایسه با #MLP شاید بتواند گفت 1000 برابر و حتی بیشتر شده است. این شبکه ساختاری همانند #RBF دارد ولی کلا یک پارامتر در طول آموزش تنظیم می‌‌کند. برخلاف RBF که وزنهای سیناپسی بین لایه ورودی و لایه پنهان ثابت و مقدار یک بود، در این شبکه لایه ورودی با یک سری وزن به لایه پنهان وصل شده شده است، البته خوبی #ماجرا اینجا هست که در این شبکه به وزنها یک مقدار #تصادفی در همان ابتدا اختصاص می‌دهند و نیازی نیست در طول آموزش تنظیم شوند. نورونهای لایه پنهان یک نورون معمولی هستند و نیازی به پیدا کردن مراکز و سیگمای هر نورون نیست و در نهایت تنها پارامتر قابل تنظیم این شبکه وزنهای سیناپسی بین لایه پنهان و لایه خروجی است. ELM یک شبکه #رو_به_جلو هست و با استفاده از روش #شبه_معکوس وزنهای سیناپسی را در یک لحظه محاسبه می‌کند. و همین امر باعث شده سرعت یادگیری این شبکه #بسیار_بالا باشد. نکته جالب ماجرا اینجاست که عملکرد این الگوریتم بسیار بالاست و با اینکه تعداد پارامتر قابل تنظیم کمتری دارد ولی عملکرد بسیار خوبی در مقالات برای این الگوریتم گزارش شده است.

🔘 در این ویدیو ما تئوری یادگیری این شبکه را طبق مقاله #به_زبان_ساده توضیح داده و سپس به صورت #مرحله_به_مرحله در متلب پیاده‌سازی کرده‌ایم. و در انتها برای اینکه با کارایی این مدل آشنا شوید چندین #پروژه_عملی از قبیل #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 ELM انجام داده‌ایم.

🔘 ما تا این جلسه برای #ارزیابی شبکه‌های عصبی از روش معمول (the hold out validation method) استفاده می‌کردیم که در آن یکبار داده به دو بخش #آموزش و #تست تقسیم شده و مدل یکبار آموزش و تست می‌شود. زمانی که تعداد داده کم باشد استفاده از این روش ارزیابی مناسب نیست و باید از روشهای استاندارد دیگری استفاده کنیم. ما در این جلسه #روشهای_ارزیابی 
k-fold cross validation، 
random subsampling 
leave one out validation 
را توضیح داده و سپس مرحله به مرحله در متلب پیاده سازی کرده‌ایم و درنهایت پروژه‌های عملی را با استفاده از این روشها ارزیابی می‌کنیم تا با #ارزیابی_استاندارد یک مدل #یادگیری_ماشین آشنا شوید و در پروژه های خود استفاده کنید.

🔺نکته: مباحث ‌این جلسه طبق مطالب مقاله پیوست می‌باشد.

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

https://onlinebme.com/product/elm-neural-networks/

💡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