اخبار علمی

autoencoder architecture

پیاده سازی یک autoencoder ساده در کراس

می خواهیم به نحوه ی پیاده سازی autoencoderها در کراس نگاهی بیندازیم، معماری شبکه عصبی که سعی می کند بازنمایی فشرده ای از داده ی ورودی به دست دهد.
Adversarial Traning

مفهوم آموزش خصمانه (Adversarial Training)

در بسیاری از مواقع شبکه‌های عصبی که روی دیتاست‌های تست i.i.d ارزیابی می‌شوند، به عملکردی نزدیک به عملکرد انسانی دست پیدا می‌کنند. طبیعی است که تعجب کنیم آیا واقعاً این مدل‌ها، درکی در سطح انسان از تسک‌ها کسب کرده‌اند؟ به…

Early Stopping در یادگیری ماشین چیست؟

زمانی که مدل‌های یادگیری ماشین را آموزش می‌دهیم ممکن است این مدل‌ها روی داده‌ی آموزش بیش از حد آموزش ببینند و یا به اصطلاح داده‌ی آموزشی را حفظ کنند و بیش برازش (Overfitting) رخ دهد. اغلب در چنین مواقعی می‌بینیم…
Representation Learning

یادگیری بازنمایی یا Representation Learning چیست؟

یادگیری بازنمایی یا Representation Learningروشی برای آموزش یک مدل یادگیری ماشین است تا بتواند مفیدترین بازنمایی داده‌ی ورودی را یاد بگیرد. این بازنمایی‌ها که اغلب به عنوان ویژگی (feature) شناخته می‌شوند، حالت‌های داخلی مدل هستند که می‌توانند داده‌های ورودی را…
محاسبه چگالی طیفی توان PSD طبق روش welch

محاسبه چگالی طیفی توان PSD طبق روش welch

چگالی طیفی توان (Power spectral density) توزیع توان در بازه های فرکانسی را مشخص می‌کند و متیوانیم با کمک تبدیل فوریه آنرا محاسبه کنیم. از آنجا که PSD اطلاعات زیادی در مورد پدیده‌ای که بررسی می‌کنیم ارائه می‌دهد در پردازش…
الگوریتم Pan-Tompkins در تشخیص پیکهای R سیگنال ECG

الگوریتم Pan-Tompkins در تشخیص پیکهای R سیگنال ECG

در پردازش سیگنال قلبی (ECG) اولین مرحله آشکارسازی پیکهای R است. از طریق موقعیت پیکهای R کمپلکس QRS، سیگنال RRI (فاصله زمانی بین پیکهای R) و HR استخراج می‌شود. آشکارسازی درست موقعیت پیکهای R برای تحلیل های بعدی بسیار با…

تبدیل موجک چیست؟

تبدیل موجک (Wavelet Transform) یک ابزار ریاضیاتی است که یک تابع یا سیگنال را به یک مجموعه توابع پایه به نام موجک، تجزیه می‌کند. تبدیل موجک، ابزار قدرتمندی در پردازش سیگنال EEG است؛ با استفاده از آن می‌توان از سیگنال…

شبکه‌های عمیق در نقش‌های مختلف در تحلیل سیگنال EEG

اگر تابحال مقالات مربوط به کاربرد شبکه‌های عمیق در پردازش انواع مختلف سیگنال EEG را بررسی کرده باشید، احتمالاً متوجه شده‌اید که بسته به کاربرد و عملکرد مناسب مدل، شبکه‌های عمیق در نقش‌های مختلفی ظاهر شده‌اند. برای مثال در برخی…
تابع dir متلب

معرفی تابع dir متلب (خواندن فایلها با اسم های مختلف)

احتمالا شما هم موقع خواندن فایلها با اسمهای مختلف در متلب، مخصوصا اگر اسم فایلها الگوی خاصی نداشته باشند، به مشکل خورده اید. همانند ماژول glob پایتون، متلب تابعی به اسم dir داره که این کار رو براتون راحت میکنه…
تشخیص صرع تشنجی با الگوریتمهای یادگیری عمیق

تشخیص تشنج های صرع سیگنال EEG با الگوریتم های یادگیری عمیق

در محیط بالینی، تشخیص خودکار تشنج های صرع اهمیت فزاینده ای پیدا می کند، زیرا می تواند به طور قابل توجهی بار مراقبت از بیماران مبتلا به صرع صعب العلاج را کاهش دهد. سیگنال های الکتروانسفالوگرافی (EEG) فعالیت الکتریکی مغز…
یادگیری عمیق در واسط مغز و کامپیوتر

یادگیری عمیق برای کاربردهای واسط مغز-کامپیوتر مبتنی بر EEG

یادگیری عمیق، چشم اندازهای عالی برای حل تسک‌های پیچیده‌ی مرتبط مانند کلاسبندی تصاویر حرکتی، تشخیص تشنج صرع و تشخیص توجه راننده با استفاده از داده‌ی EEG نشان داده است. محققان در حال حاضر کارهای زیادی روی رویکردهای مبتنی بر یادگیری…
دوره جامع پردازش سیگنال قلبی (ECG)

معرفی دوره پردازش سیگنال قلبی-ECG

هر سیگنال حیاتی، روشهای پردازش خاص خودش را دارد، سیگنال ECG هم از از این قاعده مستثنی نیست و روشهای پردازش، مخصوصا پیش پردازش و استخراج ویژگی، مختص خودش را دارد.  ما در دوره پردازش سیگنال قلبی (ECG) انواع روشهای…