onlinebme
⚠️ایلان ماسک به دنبال مهندسین Neuralink برای ایجاد واسط های مغزی ✅ایلان ماسک به دنبال چند مهندس مجرب برای کار در شرکت واسط مغز و کامپیوتر، و یا به اصطلاح Neuralink می باشد. این مدیر عامل آینده محور در روزهای اخیر اظهاراتی را راجع به این پژوهش در توییتر خود…
This media is not supported in your browser
VIEW IN TELEGRAM
onlinebme
❌ دوره شبکه عصبی برای چه کسانی پیشنهاد میشود؟ ⭕️ این دوره برای کسانی که درس شبکه عصبی دارند پیشنهاد میشه. 🔺 چرا که تمام جزئیات مربوط به تئوری شبکههای عصبی در این دوره طبق مرجع معتبر کتاب simon heykin آموزش داده شده است و دانشجو با مشاهده این دوره میتونه…
This media is not supported in your browser
VIEW IN TELEGRAM
📺 دوره تخصصی پیاده سازی شبکههای عصبی در متلب
❇️ اولین دوره ای که در آن شبکه های عصبی از پایه به صورت گام به گام پیادهسازی میشوند!✌️
🔻تئوری
🔺 پیادهسازی مرحله به مرحله
🔻انجام پروژههای عملی
🔺پیادهسازی مقالات تخصصی
🔸 مغز انسان
🔹 نورون و اجزای تشکیل دهنده آن
🔸 پیادهسازی شبکه عصبی پرسپترون تک لایه با قانون یادگیری پرسپترون
🔹 قانون یادگیری LMS و پیادهسازی شبکه عصبی آدالاین
🔸 پیادهسازی گرادیان نزولی
🔹 پیادهسازی گام به گام شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
🔸نحوه تعیین نرخ یادگیری
🔹 پیادهسازی الگوریتم یادگیری دلتا دلتا
🔸 پیادهسازی الگوریتم یادگیری دلتا بار دلتا
🔹 شبکه عصبی توابع شعاعی پایه- RBF
🔸 پیادهسازی شبکه عصبی ELM
🔹 پیادهسازی شبکه عصبی احتمالی PNN
💡جهت تهیه پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
🌀https://onlinebme.com/course/neural-networks-in-matlab/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
❇️ اولین دوره ای که در آن شبکه های عصبی از پایه به صورت گام به گام پیادهسازی میشوند!✌️
🔻تئوری
🔺 پیادهسازی مرحله به مرحله
🔻انجام پروژههای عملی
🔺پیادهسازی مقالات تخصصی
🔸 مغز انسان
🔹 نورون و اجزای تشکیل دهنده آن
🔸 پیادهسازی شبکه عصبی پرسپترون تک لایه با قانون یادگیری پرسپترون
🔹 قانون یادگیری LMS و پیادهسازی شبکه عصبی آدالاین
🔸 پیادهسازی گرادیان نزولی
🔹 پیادهسازی گام به گام شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
🔸نحوه تعیین نرخ یادگیری
🔹 پیادهسازی الگوریتم یادگیری دلتا دلتا
🔸 پیادهسازی الگوریتم یادگیری دلتا بار دلتا
🔹 شبکه عصبی توابع شعاعی پایه- RBF
🔸 پیادهسازی شبکه عصبی ELM
🔹 پیادهسازی شبکه عصبی احتمالی PNN
💡جهت تهیه پکیج آموزشی شبکه عصبی به لینک زیر مراجعه کنید. 👇👇 👇👇
🌀https://onlinebme.com/course/neural-networks-in-matlab/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
یادگیری معکوس(Flipped Learning) چیست؟
💬 به بیان ساده یعنی در خانه ویدیوهای آموزشی و یا سخنرانی یا تدریس معلم را تماشا کنید و در کلاس با حضور معلم تکلیف و تمرین را انجام دهید. یا بعبارتی دیگر در سیستم فعلی و رایج، معلم در کلاس آموزش می دهد و دانش آموز در خانه تمرین می کند و تکالیفش را انجام می دهد. اما در یادگیری معکوس، این فرآیند برعکس شده است یعنی دانش آموز فیلم تدریس معلم را در خانه می بیند و فردا در کلاس و با نظارت معلم تکالیف مربوطه را انجام می دهد.
رضا عباسی اقدم
@onlinebme
💬 به بیان ساده یعنی در خانه ویدیوهای آموزشی و یا سخنرانی یا تدریس معلم را تماشا کنید و در کلاس با حضور معلم تکلیف و تمرین را انجام دهید. یا بعبارتی دیگر در سیستم فعلی و رایج، معلم در کلاس آموزش می دهد و دانش آموز در خانه تمرین می کند و تکالیفش را انجام می دهد. اما در یادگیری معکوس، این فرآیند برعکس شده است یعنی دانش آموز فیلم تدریس معلم را در خانه می بیند و فردا در کلاس و با نظارت معلم تکالیف مربوطه را انجام می دهد.
رضا عباسی اقدم
@onlinebme
onlinebme
📺 دوره تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی جلسه پنجم: تئوری و پیاده سازی فیلتر مکانی مشترک (CSP) خلاصه: در این جلسه در ابتدا تئوری فیلتر مکانی مشترک( csp) آموزش داده شده و سپس به صورت مرحله به مرحله در متلب پیاده سازی میشود و به صورت شکلی در…
✅ دورهی تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی
⭕️⭕️ مقدمه
🔺 واسط مغز و کامپیوتر چیست؟
🔺انواع واسط مغز و کامپیوتر؟
🔺کاربردهای واسط مغز کامپیوتر
🔺واسط مغز و کامپیوتر مبتنی بر EEG
🔺سیگنال EEG
🔺ریتمهای سیگنال EEG مبتنی بر تسک تصور حرکتی
🔺نواحی مرتبط با تصور حرکتی در مغز
⭕️⭕️ پردازش سیگنال در حوزه فرکانس
🔹 تبدیل فوریه
🔹نحوه اعمال فیلتر در حوزه فرکانس
🔹نحوه استخراج ریتم های EEG از سیگنال EEG
⭕️⭕️ source localization
🔹 CAR(common average reference)
🔹Low laplacian
🔹high laplacian
⭕️⭕️ فیلتر مکانی مشترک
🔹 تئوری و ریاضیات CSP
🔹 پیاده سازی گام به گام CSP
🔹استخراج ویژگی
⭕️⭕️ طبقه بندی
🔹کلاسبند SVM
🔹کلاسبند KNN
🔹کلاسبند LDA
⭕️⭕️ filter bank CSP
🔹تئوری
🔸پیاده سازی
🔷 انتخاب ویژگی
⭕️⭕️ تعیمم csp برای مسائل چندکلاسه
🔴 تکنیک یکی در مقابل همه
🔵تکنیک یکی در مقابل یکی
✅ در این دوره 4 مقاله تخصصی در متلب پیادهسازی می شود و از سه مجموعه داده سایت BCI competition در پیاده سازی پروژه ها استفاده شده است.
⭕️⭕️ پایگاه داده
⃣bci competition-iv
⃣bci competition-iii-iv
⃣competition/iv/dataset2a
▫️▪️▫️▪️▫️🔲 اینستاگرام 🔲▫️▪️▫️▪️▫️
✅ جزئیات بیشتر در سایت 👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
⭕️⭕️ مقدمه
🔺 واسط مغز و کامپیوتر چیست؟
🔺انواع واسط مغز و کامپیوتر؟
🔺کاربردهای واسط مغز کامپیوتر
🔺واسط مغز و کامپیوتر مبتنی بر EEG
🔺سیگنال EEG
🔺ریتمهای سیگنال EEG مبتنی بر تسک تصور حرکتی
🔺نواحی مرتبط با تصور حرکتی در مغز
⭕️⭕️ پردازش سیگنال در حوزه فرکانس
🔹 تبدیل فوریه
🔹نحوه اعمال فیلتر در حوزه فرکانس
🔹نحوه استخراج ریتم های EEG از سیگنال EEG
⭕️⭕️ source localization
🔹 CAR(common average reference)
🔹Low laplacian
🔹high laplacian
⭕️⭕️ فیلتر مکانی مشترک
🔹 تئوری و ریاضیات CSP
🔹 پیاده سازی گام به گام CSP
🔹استخراج ویژگی
⭕️⭕️ طبقه بندی
🔹کلاسبند SVM
🔹کلاسبند KNN
🔹کلاسبند LDA
⭕️⭕️ filter bank CSP
🔹تئوری
🔸پیاده سازی
🔷 انتخاب ویژگی
⭕️⭕️ تعیمم csp برای مسائل چندکلاسه
🔴 تکنیک یکی در مقابل همه
🔵تکنیک یکی در مقابل یکی
✅ در این دوره 4 مقاله تخصصی در متلب پیادهسازی می شود و از سه مجموعه داده سایت BCI competition در پیاده سازی پروژه ها استفاده شده است.
⭕️⭕️ پایگاه داده
⃣bci competition-iv
⃣bci competition-iii-iv
⃣competition/iv/dataset2a
▫️▪️▫️▪️▫️🔲 اینستاگرام 🔲▫️▪️▫️▪️▫️
✅ جزئیات بیشتر در سایت 👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
Instagram
BME & AI
. ✅ دورهی تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی ⭕️⭕️ مقدمه 🔺 واسط مغز و کامپیوتر چیست؟ 🔺انواع واسط مغز و کامپیوتر؟ 🔺کاربردهای واسط مغز کامپیوتر 🔺واسط مغز و کامپیوتر مبتنی بر EEG 🔺سیگنال EEG 🔺ریتمهای سیگنال EEG مبتنی بر تسک تصور حرکتی 🔺نواحی مرتبط…
onlinebme
🌐جزئیات جایزه نوبل پزشکی 2019 خلاصه 💡 برای تبدیل منابع غذایی به انرژی مصرفی، جانداران نیازمند اکسیژن هستند. اهمیت اساسی اکسیژن برای قرنها مورد توجه بوده اما اینکه چطور سلولها به تغییر سطح اکسیژن سازگار میشوند برای مدت زیادی نامعلوم بود. سه دانشمند Gregg…
🌐 جایزه نوبل پزشکی 2020
🔸جایزه نوبل پزشکی سال 2020 به کاشفان ویروس هپاتیت سی رسید. هاروی آلتر و چارلز رایس، دو دانشمند آمریکایی و مایکل هوتون بریتانیایی برندگان نوبل پزشکی امسال اعلام شدند. کمیته اهدا کننده جایزه نوبل گفت که کشف این سه دانشمند تاکنون جان میلیونها نفر را نجات داده است. ویروس هپاتیت سی به عنوان یکی از عوامل اصلی ابتلا به سرطان کبد شناخته میشود و از دلایل عمده نیاز به پیوند کبد در بیماران است. 🔗
⭕️جزئیات بیشتر 👇
🌀https://onlinebme.com/nobelprize-medicine-2020/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔸جایزه نوبل پزشکی سال 2020 به کاشفان ویروس هپاتیت سی رسید. هاروی آلتر و چارلز رایس، دو دانشمند آمریکایی و مایکل هوتون بریتانیایی برندگان نوبل پزشکی امسال اعلام شدند. کمیته اهدا کننده جایزه نوبل گفت که کشف این سه دانشمند تاکنون جان میلیونها نفر را نجات داده است. ویروس هپاتیت سی به عنوان یکی از عوامل اصلی ابتلا به سرطان کبد شناخته میشود و از دلایل عمده نیاز به پیوند کبد در بیماران است. 🔗
⭕️جزئیات بیشتر 👇
🌀https://onlinebme.com/nobelprize-medicine-2020/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
کلیپ تازه آهنگ «ایران من» با صدای همایون شجریان برای نخستین بار در کشور توسط هوش مصنوعی و بر اساس مدل «دیپ فیک» ساخته شده است و تعدادی از بزرگترین چهرهها و شخصیتهای ملی این آهنگ را بازخوانی میکنند.
@onlinebme
@onlinebme
onlinebme
یادت ماندگار🖤🖤
Avaz Faryad
MohammadReza Shajarian
من دچار خفقانم خفقان
من به تنگ آمده ام از همه چیز
بگذارید هواری بزنم!
من به تنگ آمده ام از همه چیز
بگذارید هواری بزنم!
onlinebme
✅ سرفصل دوره جامع پردازش سیگنال مغزی(eeg) #اولین دوره تخصصی در ایران 1⃣ فصل اول: مقدمه 🔻 مقدمه ای بر پردازش سیگنال EEG از دید شناسایی الگو 🔺 مقدمه ای بر الکتروانسفالوگرافی(eeg) 2⃣ فصل دوم: پردازش سیگنال eeg در حوزه زمان 🔹 معرفی پایگاه داده صرع و نحوه…
This media is not supported in your browser
VIEW IN TELEGRAM
❇️ انتخاب کانالهای بهینه در سیگنال EEG
💬 هنگام ثبت سیگنال eeg از الکترودهای زیادی استفاده میشود که برخی از این الکترودها بسته به مسئله مورد مطالعه و موقعیت مکانی آنها اطلاعات مهمی در مورد مسئله میدهند و برخی از آنها اطلاعات مناسبی ندارند.
تعیین منابع مهم یا به عبارتی انتخاب کانالهای بهینه در بحث پردازش سیگنال بسیار اهمیت دارد.
چرا که هم هزینه ها کم میشود و هم چنین curse of dimensionality مسئله را کاهش میدهد و به ما در پروژه ها کمک میکند تا دقت شناسایی بالایی داشته باشیم.
✅ در فصل آخر "دوره جامع پردازش سیگنال EEG " آموزش میدهیم که چطور میتوان با تعیمم الگوریتمهای انتخاب ویژگی، کانالهای بهینه سیگنال eeg را انتخاب کرد.
در این فصل با انجام پروژه های عملی ثابت میکنیم که انتخاب کانال چقدر میتواند در افزایش دقت شناسایی موثر باشد.
#EEG #channelselection #sourceanalysis
⭕️جزئیات بیشتر 👇
https://onlinebme.com/product/eeg-signal-processing/
╭───〰〰〰〰〰〰〰〰〰───╮
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
▪️▪️⭕️ @onlinebme ⭕️▪️▪️
╰───〰〰〰〰〰〰〰〰〰───╯
💬 هنگام ثبت سیگنال eeg از الکترودهای زیادی استفاده میشود که برخی از این الکترودها بسته به مسئله مورد مطالعه و موقعیت مکانی آنها اطلاعات مهمی در مورد مسئله میدهند و برخی از آنها اطلاعات مناسبی ندارند.
تعیین منابع مهم یا به عبارتی انتخاب کانالهای بهینه در بحث پردازش سیگنال بسیار اهمیت دارد.
چرا که هم هزینه ها کم میشود و هم چنین curse of dimensionality مسئله را کاهش میدهد و به ما در پروژه ها کمک میکند تا دقت شناسایی بالایی داشته باشیم.
✅ در فصل آخر "دوره جامع پردازش سیگنال EEG " آموزش میدهیم که چطور میتوان با تعیمم الگوریتمهای انتخاب ویژگی، کانالهای بهینه سیگنال eeg را انتخاب کرد.
در این فصل با انجام پروژه های عملی ثابت میکنیم که انتخاب کانال چقدر میتواند در افزایش دقت شناسایی موثر باشد.
#EEG #channelselection #sourceanalysis
⭕️جزئیات بیشتر 👇
https://onlinebme.com/product/eeg-signal-processing/
╭───〰〰〰〰〰〰〰〰〰───╮
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
▪️▪️⭕️ @onlinebme ⭕️▪️▪️
╰───〰〰〰〰〰〰〰〰〰───╯
onlinebme
📺 دوره تخصصی پیاده سازی شبکههای عصبی در متلب ❇️ اولین دوره ای که در آن شبکه های عصبی از پایه به صورت گام به گام پیادهسازی میشوند!✌️ 🔻تئوری 🔺 پیادهسازی مرحله به مرحله 🔻انجام پروژههای عملی 🔺پیادهسازی مقالات تخصصی 🔸 مغز انسان…
This media is not supported in your browser
VIEW IN TELEGRAM
❓آیا تا به حال براتون سوال بوده که یک شبکه عصبی چند لایه چطور کار میکنه و وظیفه هر لایه چیه؟؟ خب به این کلیپ کوتاه نگاه کنید متوجه خواهید شد😊
به ضخامت خطوط وصل کننده نورونها هم توجه کنید 😉
در طول زمان یادگیری، متناظر با وزنهای سیناپسی تغییر میکنند!
@onlinebme
به ضخامت خطوط وصل کننده نورونها هم توجه کنید 😉
در طول زمان یادگیری، متناظر با وزنهای سیناپسی تغییر میکنند!
@onlinebme
onlinebme
❓آیا تا به حال براتون سوال بوده که یک شبکه عصبی چند لایه چطور کار میکنه و وظیفه هر لایه چیه؟؟ خب به این کلیپ کوتاه نگاه کنید متوجه خواهید شد😊 به ضخامت خطوط وصل کننده نورونها هم توجه کنید 😉 در طول زمان یادگیری، متناظر با وزنهای سیناپسی تغییر میکنند! @onlinebme
❓آیا تا به حال براتون سوال بوده که یک شبکه عصبی چند لایه چطور کار میکنه و وظیفه هر لایه چیه؟؟ خب به این کلیپ کوتاه نگاه کنید متوجه خواهید شد😊
✅ در این کلیپ کوتاه نشان میدهیم که لایه های مختلف یک شبکه عصبی هر کدام چه وظیفهای دارند و چطور عمل میکنند👌
🔹مثالی که استفاده شده یک مثال طبقه بندی هست که داده های دو کلاس به صورت غیرخطی از هم جدا شده اند و شبکه عصبی برای اینکه بتواند داده داده های دو کلاس رو از هم تفکیک کند باید یک مرز غیر خطی پیدا کند!
ولی سوال اینه که یک شبکه عصبی چطور این مسئله پیچیده رو حل میکند؟ آیا واقعا مستقیما این مرز غیر خطی رو پيدا میکنه؟!
نه!
خب پس چطور شبکه میتونه مسئله پیچیده رو حل کنه؟
شبکه عصبی چند لایه یک مسئله پیچیده رو به چندین مسئله ساده تبدیل میکنه و هر بخش رو جدا حل میکنه و در نهایت وقتی همه این بخش ها کنار هم قرار میگیرند اون مسئله پیچیده حل میشود.
در شبکه عصبی هر لایه یک وظیفه ی خاصی داره
⭕️ برای مثال فرض کنید که یک شبکه عصبی سه لایه داریم:
🔸لایه ورودی
لایه ورودی در واقع نودهای ورودی هست و داده رو وارد شبکه میکنند
در این لایه همانطور که در ویدیو میبینید فضا غیرخطی هست
🔸لایه پنهان
کار اصلی رو لایه پنهان انجام میده. این لایه کارش نگاشت غیرخطی داده هست.
هدف این لایه انتقال داده از فضای غیرخطی به فضای خطی هست
یا به عبارتی این لایه میاد یک مسئله پیچیده رو به یک مسئله ساده تبدیل میکنه
و در این فضای جدید که به فضاي ویژگی معروف هست داده ها به صورت خطی از هم تفکیک میشوند و کافیه در این فضا مرز خطی رو بدست آورد.
🔸 لایه خروجی
داده ای که وارد لایه خروجی میشود داده نگاشت یافته شده ی لایه پنهان هست
همانطور که گفتیم داده در این فضا خطی هست
و در این مرحله لایه خروجی مرز خطی جدا کننده داده های دو کلاس و یا اگه مسئله چندکلاسه هست مرز جدا کننده چندکلاسه رو بدست می آورد.
مرز خطی که به دست اومده در فضاي ویژگی همان مرز غیرخطی در فضای اصلی ورودی هست
همانطور که دیدیم این مرز غیر مستقیم بدست اومد.
شبکه عصبی همینقدر ساده و همینقدر جذاب هست😊
✅در دوره شبکه عصبی کلی از این مثالها و پروژه ها داریم
سعی کردیم موقع پیاده سازی مرحله به مرحله شبکههای عصبی، چندین مثال ساده بزنیم و همانند ویدیو عملکرد هر لایه رو نمایش دهیم تا درک بهتری از شبکه عصبی پیدا کنیم
در این دوره در ابتدا تئوری و مباحث ریاضیاتی شبکه عصبی مورد نظر طبق کتاب معروف و مرجع سیمون هیگینز آموزش داده میشه
سپس مرحله به مرحله همراه با یک مثال خیلی ساده شبکه عصبی پیاده سازی میشود
و در نهایت چندین پروژه عملی انجام میشه تا با کاربرد عملی شبکه عصبی در حوزه های مختلف آشنا شویم😊
جزئیات بیشتر 👇
https://onlinebme.com/course/neural-networks-in-matlab/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅ در این کلیپ کوتاه نشان میدهیم که لایه های مختلف یک شبکه عصبی هر کدام چه وظیفهای دارند و چطور عمل میکنند👌
🔹مثالی که استفاده شده یک مثال طبقه بندی هست که داده های دو کلاس به صورت غیرخطی از هم جدا شده اند و شبکه عصبی برای اینکه بتواند داده داده های دو کلاس رو از هم تفکیک کند باید یک مرز غیر خطی پیدا کند!
ولی سوال اینه که یک شبکه عصبی چطور این مسئله پیچیده رو حل میکند؟ آیا واقعا مستقیما این مرز غیر خطی رو پيدا میکنه؟!
نه!
خب پس چطور شبکه میتونه مسئله پیچیده رو حل کنه؟
شبکه عصبی چند لایه یک مسئله پیچیده رو به چندین مسئله ساده تبدیل میکنه و هر بخش رو جدا حل میکنه و در نهایت وقتی همه این بخش ها کنار هم قرار میگیرند اون مسئله پیچیده حل میشود.
در شبکه عصبی هر لایه یک وظیفه ی خاصی داره
⭕️ برای مثال فرض کنید که یک شبکه عصبی سه لایه داریم:
🔸لایه ورودی
لایه ورودی در واقع نودهای ورودی هست و داده رو وارد شبکه میکنند
در این لایه همانطور که در ویدیو میبینید فضا غیرخطی هست
🔸لایه پنهان
کار اصلی رو لایه پنهان انجام میده. این لایه کارش نگاشت غیرخطی داده هست.
هدف این لایه انتقال داده از فضای غیرخطی به فضای خطی هست
یا به عبارتی این لایه میاد یک مسئله پیچیده رو به یک مسئله ساده تبدیل میکنه
و در این فضای جدید که به فضاي ویژگی معروف هست داده ها به صورت خطی از هم تفکیک میشوند و کافیه در این فضا مرز خطی رو بدست آورد.
🔸 لایه خروجی
داده ای که وارد لایه خروجی میشود داده نگاشت یافته شده ی لایه پنهان هست
همانطور که گفتیم داده در این فضا خطی هست
و در این مرحله لایه خروجی مرز خطی جدا کننده داده های دو کلاس و یا اگه مسئله چندکلاسه هست مرز جدا کننده چندکلاسه رو بدست می آورد.
مرز خطی که به دست اومده در فضاي ویژگی همان مرز غیرخطی در فضای اصلی ورودی هست
همانطور که دیدیم این مرز غیر مستقیم بدست اومد.
شبکه عصبی همینقدر ساده و همینقدر جذاب هست😊
✅در دوره شبکه عصبی کلی از این مثالها و پروژه ها داریم
سعی کردیم موقع پیاده سازی مرحله به مرحله شبکههای عصبی، چندین مثال ساده بزنیم و همانند ویدیو عملکرد هر لایه رو نمایش دهیم تا درک بهتری از شبکه عصبی پیدا کنیم
در این دوره در ابتدا تئوری و مباحث ریاضیاتی شبکه عصبی مورد نظر طبق کتاب معروف و مرجع سیمون هیگینز آموزش داده میشه
سپس مرحله به مرحله همراه با یک مثال خیلی ساده شبکه عصبی پیاده سازی میشود
و در نهایت چندین پروژه عملی انجام میشه تا با کاربرد عملی شبکه عصبی در حوزه های مختلف آشنا شویم😊
جزئیات بیشتر 👇
https://onlinebme.com/course/neural-networks-in-matlab/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
پکیج کامل پیادهسازی گام به گام شبکههای عصبی - آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
درس شبکه عصبی پایهی اصلی مباحث یادگیری ماشین و هوش مصنوعی است و هر دانشجوی مهندسی لازم است که در ابتدا با گذراندن این دوره وارد حوزه هوش مصنوعی و یادگیری ماشین شود. دوره های زیادی در کشور برگزار می شود ولی بیشتر این دوره ها تخصصی نیستند و یک سری ایراداتی…