✅ارائه یک الگوی جدید برای نحوه پردازش اطلاعات پیچیده توسط مغز

🔺محققان یک الگوی جدید برای نحوه پردازش اطلاعات پیچیده توسط مغز را ارائه می دهند.
مغز انسان یک پردازنده بسیار پیشرفته می باشد که بیش از 86 میلیارد نورون آن را تشکیل داده اند. انسان ها قادر به تشخیص الگوهایی از شبکه های پیچیده، مانند تشخیص زبان، بوده که این امر بدون هیچگونه دستورالعمل قراردادی، برقرار می باشد. پیش از این، دانشمندان سعی بر توضیح این نوع توانایی، با به تصویر کشیدن مغز به عنوان یک کامپیوتر بسیار بهینه را داشتند. اما امروزه بین دانشمندان علوم اعصاب بحث شده است که این مدل، ممکن است به طور دقیق عملکرد مغز را منعکس نکند.

 ⭕️ جزئیات بیشتر👇
🌀https://onlinebme.com/brain-complex/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

اصلا نفهمید چی شد😅
@onlinebme

📺 دوره #تخصصی پیاده سازی شبکه‌های عصبی در متلب
❇️ #اولین دوره ای که در آن شبکه های عصبی را به صورت تخصصی آموزش داده می‌شوند!
🔺#تئوری
🔺 #پیاده‌سازی #مرحله_به_مرحله
🔺انجام #پروژه‌های_عملی

✅ ویدیوها طوری #تدوین شده اند که کاربر ارتباط بهتری و راحتری با آن برقرارکنه😉

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

🔹 جلسه اول: مقدمه‌ای بر شبکه‌ی عصبی (#نورون و اجزای تشکیل دهنده آن)
🌀https://t.me/onlinebme/2633

🔸 جلسه دوم: پیاده‌سازی شبکه عصبی #پرسپترون_تک_لایه با قانون یادگیری پرسپترون
🌀https://t.me/onlinebme/2637

🔹 جلسه سوم: قانون یادگیری #LMS و پیاده‌سازی شبکه عصبی #آدالاین و انجام پروژه عملی تشخیص سرطان سینه
🌀https://t.me/onlinebme/2638

🔸 جلسه سوم( بخش دوم ): انجام پروژه های عملی با استفاده از شبکه های عصبی (ناحیه بندی تصویر )
🌀https://t.me/onlinebme/2642

🔹جلسه چهارم(بخش اول): پیاده سازی گام به گام شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا در متلب
🌀https://t.me/onlinebme/2642

🔹جلسه چهارم( بخش دوم ): پیاده سازی گام به گام پروژه پیش بینی میزان آلودگی هوا با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا در متلب
🌀https://t.me/onlinebme/2645

🔸جلسه پنجم: نحوه تعیین نرخ یادگیری در قانون یادگیری پس انتشار خطا (بخش اول)
🌀https://t.me/onlinebme/2651

🔹جلسه ششم: پیاده‌سازی الگوریتم یادگیری #دلتا_دلتا برای تعیین نرخ یادگیری در قانون یادگیری پس انتشار خطا (بخش دوم)
🌀https://t.me/onlinebme/2661

🔸 جلسه هفتم: پیاده‌سازی الگوریتم یادگیری #دلتا_بار_دلتا برای تعیین نرخ یادگیری در قانون یادگیری پس انتشار خطا (بخش سوم)
🌀https://t.me/onlinebme/2664

🔹 جلسه هشتم: پیاده‌سازی الگوریتم شبکه عصبی توابع شعاعی پایه(#RBF)
🌀https://t.me/onlinebme/2679

🔸 جلسه نهم: پیاده‌سازی شبکه عصبی Extreme Learning Machine ( #ELM )
🌀https://t.me/onlinebme/2687

🔹 جلسه دهم: پیاده‌سازی شبکه عصبی احتمالیProbabilistic Neural Network ( #PNN)
🌀https://t.me/onlinebme/2694

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

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

Local minima and gradient descent 😅
@onlinebme

⚠️درمان چاقی با مولکل چربی سوز به نام BAM15
✅خلاصه: در موسسه فناوری پنینگتون یک مولکل چربی سوز به نام BAM15 آزمایش شده که بدون تغییر میزان غذا خوردن یا تغییر ظاهر عضلات، چربی ها را از بین می برد. یعنی غذا میخورید ولی سلولهای چربی میسوزند! جالبتر اینکه این مولکل مقاومت سلولها برای جذب انسولین را کم می کند که این برای دیابتی ها خبر خوبی است. فعلا این نوآوری بصورت رسمی ثبت شده و در محیط آزمایشگاهی روی موشها مثبت بوده است.
⭕️جزئیات بیشتر👇
🌀https://onlinebme.com/study-discovers-bam15-as-a-potential-treatment-for-obesity/


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🌐 متخصصان بریتانیایی می‌گویند یک داروی ارزان و در دسترس می‌تواند جان بسیاری از مبتلایان عفونت کرونا را از مرگ نجات دهد.

🔺 این پژوهشگران تجویز مقدار (دُز) کم دگزامتازون را یک تحول بزرگ در درمان موارد وخیم کرونا نامیده‌اند چرا که در کسانی که با دستگاه تنفس مصنوعی نفس می‌کشیدند، موارد مرگ را یک سوم و در کسانی که با اکسیژن کمکی نفس می‌کشیدند یک پنجم کاهش داده است.

🔹این دارو یکی از داروهای موجود است که در تلاش برای یافتن درمان کرونا، در کارآزمایی وسیع در سراسر دنیا امتحان می‌شوند تا روشن شود آیا می‌توانند بر کرونا موثر باشند یا نه.

🔹ارزانی و فراوانی این دارو بخصوص برای کشورهای فقیر که با کرونا دست و پنجه نرم می‌کنند امتیاز بزرگی است.

🔹از هر بیست نفری که به کرونا مبتلا می شوند ۱۹ نفر خوب می‌شوند و یک نفر کارش به بیمارستان می‌کشد. از آنها که بستری می‌شوند بیشترشان بهبود می‌یابند اما برخی به اکسیژن کمکی یا دستگاه تنفس مصنوعی نیاز پیدا می‌کنند.

🔹به نظر می‌رسد دگزامتازون به این بیماران که بیش از همه در خطر مرگ قرار دارند کمک می‌کند.

منبع: bbcpersian
@onlinebme

در چنین روزی در سال 1977 ، اولین MRI روی انسان توسط دکتر Raymond Damadian روی دستیار وی Larry Minkoff انجام شد. امروزه MRI همچنان ابزاری اساسی در پزشکی است.

#radiology #medicine #innovation

@onlinebme

✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
🟣 فصل هفتم: انتخاب ویژگی (feature selection)

🔹 feature conditioning
🔹filter methods feature Selection
🔹 ttsest
🔹 anova
🔻tvalue
🔻fvalue
🔺pvalue
🔹 fisher discriminant ratio
🔹 mutual information
🔹wrapper methods feature Selection
🔹 sequential forward feature Selection
🔹 filter methods with wrapper methods


✍ در فصل هفتم دوره پترن و یادگیری ماشین، روشهای انتخاب ویژگی( feature Selection)از قبیل ttest، anova، نرخ تفکیک پذیری فیشر(FDR) ، اطلاعات متقابل(Mutual information)  و روش جستجوی سلسله مراتبی روبه جلو (sequential forward feature selection ) را معرفی می کنیم و به صورت تخصصی آموزش میدهیم که رویکرد تک تک روشها به چه صورت است، سپس مرحله به مرحله روشها را پیاده سازی می کنیم و در نهایت  با انجام پروژه ها و مثالهایی نشان میدهیم که چطور میتوان از این روشها در پروژه های عملی جهت انتخاب ویژگی استفاده کرد.
این فصل یکی از مهمتری فصل های دوره “شناسایی الگو یادگیری ماشین” است و میتواند نقش قابل توجهی در افزایش عملکرد مدل داشته باشد.

سرفصل مطالب
🔲 مقدمه ای بر انتخاب ویژگی
🔳 انتخاب ویژگی با روشهای اسکالر ( Filter methods)
🟣 انتخاب ویژگی با تست آماری ttest
🔵 انتخاب ویژگی با روش تجزیه و تحلیل واریانسها( anova)
🟢  انتخاب ویژگی با نرخ تفکیک پذیری فیشر(FDR)
🔴 انتخاب ویژگی با اطلاعات متقابل (mutual information) 

🔲انتخاب ویژگی با روشهای برداری(ترکیبی)-  wrapper methods

🟣  بررسی معایب روشهای اسکالر و نحوه انتخاب ویژگی با کمک یک مدل
🔴  انتخاب ویژگی با روش جستجوی رو به جلو
🟢  ترکیب روشهای اسکالر با روشهای برداری


پروژه های انجام شده:
🔹انتخاب ویژگی‌های مهم در داده سرطان سینه (طبقه بندی)

🔹انتخاب ویژگی‌های مهم در داده سیگنال مغزی افراد مبتلا به صرع (طبقه بندی)

🔹انتخاب ویژگی‌های مهم در داده سیگنال emg جهت تخمین زاویه مفصل مچ (رگرسیون)

🔹انتخاب ویژگی‌های مهم در داده آلودگی هوا (رگرسیون)

✅ این فصل یکی از مهمترین فصلهای دوره ” شناسایی الگو و یادگیری ماشین” است و خیلی میتواند در پروژه ها برای افزایش دقت مدل کمک کند. سعی کرده ایم در این فصل پروژه های متعددی انجام دهیم تا متوجه شویم که چطور میتوانیم از روشهای انتخاب ویژگی بهره بگیریم تا دقت مدل را افزایش دهیم.

محتوای پکیج:
 ویدیوهای آموزشی
 کدهای پیاده سازی شده برای پروژه ها، تمرینات و مقالات
 منابع معتبری که برای تهیه ویدیو استفاده شده اند(کتب و مقالات مرجع)
 جزوه دست نویس مدرس

تعداد جلسات: 6
مدت زمان دوره: 16ساعت
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

#regression #classification #featureselection

 🌀 جهت کسب اطلاعات بیشتر به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/season07-featrue-selection/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme