محمد نوری زاده چرلو
تشخیص فرکانس SSVEP با الگوریتم SS-CCA
در این مقاله، الگوریتم CCA را با الهام گرفتن از CSSP بهبود داده و الگوریتم Spatio-Spectral CCA (SS-CCA) را ارائه داده ایم. از آنجا که در سیگنال EEG مبتنی بر SSVEP اطلاعات فرکانسی اهمیت زیادی دارند، و از طرفی الگوریتم…
محمد نوری زاده چرلو 
کاهش بعد و طبقه بندی با PCA
الگوریتم PCA یا همان تجزیه مولفه های اساسی یکی از معروف ترین روشها برای کاهش بعد است. PCA یک روش بدون ناظر هست که ویژگی ها را به صورت خطی باهم ترکیب کرده و به فضای جدید کاهش بعد یافته…
توضیح رویکرد ماشین بردار پشتیبان به زبان ساده
ماشین بردار پشتیبان(support vector machine) یکی از معروفترین الگوریتمهای یادگیری ماشین در مسائل طبقه بندی و البته رگرسیون هست. SVM به خاطر رویکرد منحصر به فردی که دارد باعث شده هم در مسائل طبقه بندی و هم در مسائل رگرسیون…
4 معیار مناسب برای ارزیابی مدلها در مسائل رگرسیون
رگرسیون یکی از رایجترین مسائل یادگیری ماشین هست که در آن خروجی مقادیر پیوسته و نامحدود هست. همانند مسائل طبقه بندی، در مسائل رگرسیون نیز نیاز به معیارهای ارزیابی هستیم تا بتوانیم عملکرد مدلهای رگرسیون را بررسی کنیم. در این…
پارادایم عجیب و غریب -Oddball paradigm
به مجموعه ای از شرایط خاص برای برانگیختن پتانسیل وابسته به رخداد P300 پارادیم oddball گفته می شود. در این پست میخواهیم با مشخصات پارادایم oddball آشنا شویم.
تکنیک bagging در یادگیری جمعی
تکنیک بگینگ-bagging که با نام bootstrap aggregating هم شناخته می شود، یک تکنیک یادگیری جمعی هست که برای حداقل کردن واریانس مدل استفاده می شود. در تکنیک bagging برای آموزش هر مدل، یک بخشی از داده به صورت تصادفی انتخاب…
پتانسیل وابسته به رخداد P300
P300 یک انحراف مثبت (Positive deflection) در سیگنال مغزی فرد هست که حدودا 300 میلی ثانیه بعد از نمایش محرک هدف ایجاد می شود. در این پست میخواهیم بدانیم P300 چیه و در چه شرایطی ایجاد می شود؟
تکنیک آدابوست adaboost
آدابوست یکی از تکنیکهای یادگیری جمعی هست که در آن چندین مدل ضعیف(weak leaner) به صورت سازگار باهم ترکیب می شوند تا بتوانند یک مسئله پیچیده را حل کنند. از تکنیک آدابوست برای کاهش بایاس مدل استفاده میکنند. در این…
پارامترهای ماشین بردار پشتیبان
ماشین بردار پشتیبان(SVM) یکی از معروفترین الگوریتمها در مسائل طبقه بندی هست که به خاطر کارایی مناسب در ابعاد بالا و همچین داشتن مسئله بهینه سازی محدب، مورد استقبال خیلی از محققین قرار گرفته است. SVM یک سری پارامتر دارد…
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…
اصول نوشتن مقاله پژوهشی
درست و اصولی نوشتن یک مقاله یک فاکتور کلیدی در پذیرش مقاله هست. نوشتن مقاله اصول و قاعده خاص خود را دارد و ما باید با این قواعد آشنا باشیم تا بتوانیم یک متن مناسب برای کار پژوهشی خود بنویسیم.…
چرا هر موقع شبکه عصبی را اجرا میکنم جواب متفاوتی بدست می آید؟
روند یادگیری شبکه های عصبی مصنوعی به عوامل مختلفی وابسته است و عملکرد شبکه عصبی کاملا تحت تاثیر این عوامل قرار میگیرد. در پروژه ها اکثرا با این مشکل مواجه می شویم که شبکه عصبی در هر اجرا به یک…
