بلاگ علمی

پتانسیل برانگیخته بینایی حالت پایدار

پتانسیل برانگیخته بینایی حالت پایدار،SSVEP چیست؟

پتانسیل برانگیخته بینایی حالت پایدار یا Steady State Visual Evoked Potential (SSVEP) پاسخ نورلوژیکی مغز به یک محرک بینایی است. وقتی یک محرک بینایی با فرکانس بالای 6 هرتز روشن خاموش و شود و فرد به این محرک بینایی خیره…
نورالینک ایلون ماسک

انجام بازی ویدیویی به صورت ذهنی توسط میمون با کمک نورالینک ایلان ماسک

ایلان ماسک ویدیویی از یک میمون را به اشتراک گذاشته که بازی های ویدیویی را با ذهن خود انجام می دهد. استارت آپ مغز و کامپیوتر Elon Musk ، کمپانی Neuralink ، از میمونی رونمایی کرده است که قادر است…
خواندن ذهن با التراسوند

نقشه بردای مغز با اولتراسوند: Caltech واسط جدید مغز و کامپیوتر

یک محدودیت عمده در ایجاد واسط مغز-کامپیوتر این است که، دستگاه‌ها برای خواندن فعالیت‌های عصبی به جراحی مغزی، از نوع تهاجمی، نیاز دارند. اما اکنون در Caltech یک گروهی توانسته‌اند تا نوع جدیدی از واسط مغز و ماشین را با…
چطور یک مقاله تخصصی را در سریع‌ترین زمان ممکن پیاده‌سازی کنیم!

چطور یک مقاله تخصصی را در سریع‌ترین زمان ممکن پیاده‌سازی کنیم!

پیاده‌سازی مقاله یکی از چالشهای اساسی برای دانشجویان می‌باشد. معمولا اکثر دانشجویان در پیاده‌سازی مقالات تخصصی مشکل دارند و شروع کار براشون سخت هست. در این بخش توضیح میدهیم که چطور میتوان یک مقاله تخصصی را در کوتاه‌ترین زمان ممکن…
دلایل محبوبیت ماشین بردار پشتیبان(svm)

چرا ماشین بردار پشتیبان (SVM) در بین طبقه‌بندها جزء بهترینا هست؟

ماشین بردار پشتیبان(svm) یکی از معروفترین الگوریتمها در مسائل طبقه‌بندی هست که برای اولین بار توسط آقای Vladimir Vapnik در سال 1995 با عنوان support vectors networks مطرح شد. SVM در ابتدا برای مسائل طبقه‌بندی دو کلاسه خطی مطرح شده…
چطور با داده‌های نامتعادل در آموزش مدلهای یادگیری ماشین مقابله کنیم؟

چطور با داده‌ نامتعادل در آموزش مدلهای یادگیری ماشین مقابله کنیم؟

وقتی یک داده‌ای دارید که تعداد نمونه‌های گروه‌ها خیلی متفاوت هستند، یا به اصطلاح یک داده نامتعادل دارید، دقت کلاسبندی به تنهایی به هیچ عنوان نمی‌تواند پارامتر مناسبی برای ارزیابی باشد. در این حالت بهترین کار اینه که سایر پارامترهای…
تکنیک یکی در مقابل همه

تفاوت تکنیک یکی در مقابل همه با تکنیک یکی در مقابل یکی

برخی از طبقه‌بندهای یادگیری ماشین، مثل SVM برای مسائل دو کلاسه طراحی شده‌اند و اگر یکی بخواهد از این الگوریتمها در مسائل چند کلاسه استفاده کند، مجبور است که با کمک تـکنیکهایی طبقه‌بند را برای مسائل چندکلاسه تعمیم دهد. تکنیک…
انتخاب مدل مناسب با تیغ اکام در یادگیری ماشین

انتخاب مدل یادگیری ماشین مناسب با کمک تیغ اوکام

احتمالا تا الان براتون پیش اومده که در یک پروژه‌ای از دو مدل یادگیری ماشین استفاده کرده‌اید و مشاهده کردید هر دو تقریبا مثل هم عمل می‌کنند و بعد در انتخاب بین دو مدل به مشکل خورده‌اید یا براتون سوال…
انواع واسط مغز و کامپیوتر

انواع واسط مغز و کامپیوتر(غیرتهاجمی-نیمه تهاجمی-تهاجمی)

بسته به اینکه از چه روش برای ثبت سیگنالهای مغزی استفاده می‌شود، واسط مغز و کامپیوتر را (BCI) را میتوان به سه دسته کلی تقسیم‌بندی کرد. روشهای زیادی برای ثبت سیگنالهای مغزی وجود دارد که به طور کلی میتوان BCI…
چطور از overfitting جلوگیری کنیم

7 راه موثر برای جلوگیری از overfitting در الگوریتم‌های یادگیری ماشین

وقتی یک مدل یادگیری ماشین عملکرد خیلی خوبی روی داده آموزشی داشته باشد ولی روی داده جدید عملکرد خیلی پایینی داشته باشد، در این صورت به احتمال بسیار زیاد overfitting رخ داده است. در این مقاله میخواهیم در ابتدا با…
معیارهای فاصله

مزایا و معایب 8 معیار فاصله در داده کاوی و یادگیری ماشین

بسیاری از الگوریتمهای نظارت شده و غیرنظارتی، از معیارهای فاصله در پروسه یادگیری استفاده میکنند. برای مثال معیارهایی از قبیل فاصله اقلیدسی در الگوریتمهایی مثل knn, kmeans زیاد استفاده می‌شود. درک اینکه از کدام معیار فاصله در الگوریتمها استفاده کنیم…
فرق بین خطای استاندارد و انحراف معیار

فرق بین انحراف معیار(standard deviation) و خطای استاندارد(standard error)

انحراف معیار(standard deviation) و خطای استاندارد(standard error) هر دو معیاری از پراکندگی هستند. انحراف معیار پراکندگی نمونه‌ها حول میانگین را مشخص می‌کند. در حالی خطای استاندارد میزان انحراف میانگین‌های تخمین زده شده از زیرمجموعه‌های یک جمعیت را مشخص می‌کند. در…