بلاگ علمی
مجموعه کامل کدها و پروژههای یادگیری ماشین و شناسایی الگو با MATLAB
اگر در پروژههای یادگیری ماشین (Machine Learning) فقط از توابع آماده برای اجرای الگوریتمهایی مانند SVM، KNN، PCA یا K-Means استفاده کرده باشید، احتمالاً یک سؤال مهم هنوز باقی مانده است: واقعاً در پشت این الگوریتمها چه اتفاقی میافتد؟ در…
محمد نوری زاده چرلو 
آیا یادگیری عمیق (Deep Learning) برای دادههای جدولی (Tabular Data) همیشه بهترین انتخاب است؟
وقتی از Deep Learning صحبت میکنیم، معمولاً ذهنمان به سمت تصویر، ویدئو، صدا یا مدلهای زبانی بزرگ میرود. اما بخش قابلتوجهی از دادههای واقعی دنیا شکل بسیار سادهتری دارند: دادههای جدولی یا همان Tabular Data. دادههای جدولی بخش بزرگی از دادههای…
کتابهای ضروری برای یادگیری شناسایی الگو (Pattern Recognition) – معرفی بهترین منابع کلاسیک و عملی
شناسایی الگو (Pattern Recognition) یکی از پایههای مهم یادگیری ماشین، پردازش سیگنال، بینایی ماشین و هوش مصنوعی در مهندسی پزشکی است. بسیاری از مفاهیمی که امروز در الگوریتمهای Machine Learning و حتی Deep Learning استفاده میکنیم، ریشه در مباحثی مانند…
چارچوب انجام یک پروژه تشخیص آریتمی قلبی با سیگنال ECG؛ از داده تا ارزیابی مدل
تشخیص خودکار آریتمی قلبی یکی از کاربردهای مهم پردازش سیگنال ECG و هوش مصنوعی در پزشکی است. در سالهای اخیر، روشهای مختلفی بر پایه یادگیری ماشین و یادگیری عمیق برای تشخیص و طبقهبندی آریتمیهای قلبی ارائه شدهاند. با این حال،…
آیا میتوان یک شبکه عصبی ساخت که بیشتر شبیه مغز یاد بگیرد؟
مقاله تازهای با عنوان Diffusing Blame: Task-Dependent Credit Assignment in Biologically Plausible Dual-Stream Networks منتشر شده است که مستقیماً به قلب مسئلهی Credit Assignment و محدودیتهای بیولوژیکی شبکههای عصبی میزند. پژوهشگران میخواستند ببینند آیا میشود یک شبکه عصبی بسازیم که…
نقش لایههای Fully Connected در شبکههای عصبی کانولوشنی (CNN)
لایههای Fully Connected (FC) یا Dense Layers یکی از مهمترین بخشهای شبکههای عصبی کانولوشنی (CNN) هستند. این لایهها معمولاً در انتهای شبکه قرار میگیرند و وظیفه نهایی آنها تصمیمگیری برای طبقهبندی یا تخمین خروجی (regression) است. اما نقش لایههای Fully…
معرفی چندین کتاب خوب برای یادگیری عمیق (deep learning) و شبکههای عصبی
اگر به دنبال بهترین منابع یادگیری عمیق (deep learning) و شبکههای عصبی (neural networks) هستید، در این مقاله سه کتاب مرجع شامل Neural Networks and Learning Machines، Deep Learning و Dive into Deep Learning را بررسی میکنیم. این سه کتاب…
توضیح لایه Pooling در شبکههای عصبی کانولوشنالی CNNs
لایه Pooling یکی از اجزای کلیدی در معماری شبکههای عصبی کانولوشنال است که با کاهش ابعاد تصویر، ویژگیهای مهم آن را حفظ می کند. این لایه نه تنها پیچیدگی محاسباتی را به شدت کاهش میدهد، بلکه باعث بهبود تعمیمپذیری (Generalization)…
توضیح لایه کانولوشن در شبکه های عصبی کانولوشنالی CNNs
شبکه های عصبی کانولوشنالی (convolutional neural networks) یکی از مهمترین ابزار بینایی ماشین، پردازش تصویر، حتی پردازش سیگنال هستند. بعد از ظهور شبکه های عصبی CNNs، انقلاب بزرگی در حوزه بینایی ماشین و بعد در سایر حوزه ها اتفاق افتاد.…
معرفی کتابهای کدمحور برای پردازش سیگنال دیجیتال (Digital signal processing)
یادگیری پردازش سیگنال دیجیتال (DSP) زمانی مؤثرتر است که منابع آموزشی هم مفاهیم را شفاف توضیح دهند و هم مثالهای عملی و کدنویسی ارائه کنند. در این پست بهترین کتابها و منابع DSP مبتنی بر MATLAB را معرفی میکنیم. منابعی…
چگونه کشف اتفاقی Hubel و Wiesel پایهگذار بینایی ماشین و شبکههای عصبی کانولوشنی شد
در این پست داستان یکی از مهمترین کشفیات تاریخ علوم اعصاب و بینایی ماشین را بررسی میکنیم. David Hubel و Torsten Wiesel در دههٔ ۱۹۶۰ با یک آزمایش ساده و اتفاقی نشان دادند که نورونهای قشر بینایی چگونه به لبهها،…
راهنمای کامل یادگیری عمیق و PyTorch، مجموعه پستهای آموزشی
در طول یک سال گذشته تلاش کردیم مجموعه ای از مقالات آموزشی و عملی در زمینه برنامه نویسی پایتون (python)، یادگیری ماشین (Machine Learning)، یادگیری عمیق (Deep Learning) و فریم ورک PyTorch منتشر کنیم. در این آموزشها از مفاهیم پایه…
