بلاگ علمی

واسط مغز-کامپیوتر یا Brain–Computer Interface (BCI)  در سال‌های اخیر پیشرفت چشمگیری داشته است؛ از کنترل بازوی رباتیک و ویلچر گرفته تا بازگرداندن توانایی ارتباط و حرکت در افراد معلول (دچار فلج). بااین‌حال، بخش قابل‌توجهی از BCI های امروزی هنوز بر…

شرکت Neuralink اخیراً ویدیویی منتشر کرده که در آن یک بیمار مبتلا به ALS با استفاده از ایمپلنت مغزی و فقط با قدرت فکر، جمله «I love you» را بیان می‌کند. این ویدیو بازتاب گسترده‌ای داشته، اما پژوهشگر باتجربه حوزه…

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…

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…

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…

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،…

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…

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…

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…

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)…

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.…

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…