بلاگ علمی

می‌خواهید حرفه‌ی یادگیری عمیق خود را آغاز کنید؟ یادگیری عمیق می‌تواند یک حوزه‌ی پیچیده و دلهره آور برای تازه واردان باشد. مفاهیمی مانند لایه‌های پنهان، شبکه‌های عصبی کانولوشنال، پس انتشار خطا و مسائل جدیدی که هر روزه مطرح می‌شوند و…

با توجه به اینکه تمرکز اصلی حوزه‌ی یادگیری ماشین «یادگیری» است، انواع مختلف یادگیری وجود دارد که باید به عنوان متخصص به آنها مسلط باشیم. برخی از انواع یادگیری، زیرمجموعه‌هایی دارند که شامل انواع مختلف الگوریتم‌هاست مانند «یادگیری با ناظر».…

سال‌ها پیش، ما هنوز از دیتاست‌های کوچکی مثل CIFAR, NORB استفاده می‌کردیم که متشکل از ده‌ها هزار تصویر بودند. این دیتاست‌ها برای مدل‌های یادگیری ماشین مناسب بودند تا تسک‌های تشخیص ساده را یاد بگیرند. با این حال، زندگی واقعی هرگز…

ما به دلایل متعددی به هنر روی می آوریم: برای بیان عاطفه یا احساس، برای یادآوری رویدادها و احساسات گذشته، برای ارتباط برقرار کردن و برای تحصیل. به طور خلاصه، هنر چیزی است که خلق می‌کنیم تا بدانیم چه کسی…

اگر تا الان تجربه‌ی نوشتن یک مقاله رو داشته باشید، احتمالا با این سوال مواجه شده‌اید: IMRaD چیه؟ یا ممکنه استادتون بهتون گفته باشه که حتما متن مقاله رو به فرمت IMRaD بنویسید. وقتی یک مقاله علمی مینویسیم، خیلی مهمه…

دستگاهی برای کمک به تشخیص سرطان سینه برنده جایزه معتبر جیمز دایسون بریتانیا شد. هدف Dotplot کمک به زنان برای بررسی خود در خانه است. همچنین ردیابی هر تغییری که در یک برنامه ممکن است به وجود آید را امکان‌پذیر…

در سال 2004  ناتان کوپلند (Nathan Copeland) در یک صانحه تصادف از سینه به پایین فلج شد به طوری که نمیتوانست اندام خود را حس بکند. کوپلند در سال 2014 به تحقیقی که دانشگاه پیتسزبرگ برای بیمارانی که دچار ضایعه…

P300 یک پتانسیل وابسته به رخداد است که در شرایط oddball ایجاد می شود. حدودا 300 میلی ثانیه بعد از نمایش محرک نادر یک انحراف مثبت (P300) در سیگنال مغزی فرد ظاهر می شود. از این خاصیت مغز، در واسط…

واسط‌های مغز-کامپیوتر عمدتا براساس سه نوع فعالیت مغزی ثبت شده توسط EEG طراحی و توسعه می یابند: BCI مبتنی بر تصور حرکتی، BCI مبتنی بر پتانسیل وابسته به رخداد P300 و BCI مبتنی بر SSVEP. در این پست میخواهیم سه…

در پست های قبل در مورد تولباکس EEGLAB توضیحاتی ارائه شد. گفتیم EEGLAB تولباکسی است که برای اهداف تصویربرداری عصبی نوشته و طراحی شده است؛ بنابراین بطور اختصاصی بیشتر برای پردازش سیگنال های مغزی به کار می رود. همچنین بهترین…

اگر بخواهیم تفاوت اصلی لایه‌های کانولوشن را با لایه‌های معمول شبکه‌های عصبی بیان کنیم، می‌توانیم بگوییم لایه‌های Dense الگوهای global را در فضای ویژگی ورودی خود یاد می‌گیرند در حالیکه لایه‌های کانولوشن الگوهای local را یاد می‌گیرند. برای مثال یک…

هرکسی که علاقه مند به پردازش سیگنال های حیاتی از جمله سیگنال های EEG   باشد، به احتمال زیاد نام EEGLAB را شنیده است. از حدود  17 سال گذشته تا کنون، EEGLAB (Delorme & Makeig,2004)، با مشارکت ده‌ها برنامه‌نویس، نویسندگان افزونه و…