اخبار علمی

الگوریتم ensemble RCSSP برای طبقه‌بندی سیگنال EEG تصور حرکتی

الگوریتم CSP (فیلتر مکانی مشترک) روشی برای طبقه بندی سیگنال EEG مبتنی بر تصور حرکتی است. این الگوریتم با وجود کارایی خوبی که نسبت به سایر روش‌های استخراج ویژگی دارد اما با ایراداتی چون احتمال بالای overfitting روبروست که می‌تواند…
طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN

طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN

در مقاله‌ای جدید ارائه شده توسط آقای Xiangmin Lun  و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی می‌کند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج…
الگوریتم SS-CCA برای تشخیص فرکانس SSVEP

تشخیص فرکانس SSVEP با الگوریتم SS-CCA

در این مقاله، الگوریتم CCA را با الهام گرفتن از CSSP بهبود داده  و الگوریتم Spatio-Spectral CCA (SS-CCA)  را ارائه داده ایم. از آنجا که در سیگنال EEG مبتنی بر SSVEP اطلاعات فرکانسی اهمیت زیادی دارند، و از طرفی الگوریتم…
کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

شبکه عصبی کانولوشنی (CNN) یک کلاس از شبکه‌های عصبی مصنوعی است که در تسک‌های مختلف بینایی ماشین مورد استفاده قرار می‌گیرد و همچنین توجهات را در سایر حوزه‌ها از جمله رادیولوژی به خود جلب کرده است. CNN با این هدف…
کاهش بعد و طبقه بندی با pca

کاهش بعد و طبقه بندی با PCA

الگوریتم PCA یا همان تجزیه مولفه های اساسی یکی از معروف ترین روشها برای کاهش بعد است. PCA یک روش بدون ناظر هست که ویژگی ها را به صورت خطی باهم ترکیب کرده و به فضای جدید کاهش بعد یافته…
10 IDE برتر برای برنامه نویسی پایتون

10 IDE برتر برای برنامه نویسی پایتون

IDE که مخفف Integrated Development Environment است یک برنامه‌ی نرم افزاری است که محیطی را برای برنامه نویسان فراهم می‌کند تا بتوانند کدهای خود را توسعه دهند. اکثر اوقات IDE شامل یک ویرایشگر کد (Code Editor)، ابزارهای خودکارسازی (Automation Tools)…
آموزش ماشین بردار پشتیبان به زبان ساده

توضیح رویکرد ماشین بردار پشتیبان به زبان ساده

ماشین بردار پشتیبان(support vector machine) یکی از معروفترین الگوریتمهای یادگیری ماشین در مسائل طبقه بندی و البته رگرسیون هست. SVM به خاطر رویکرد منحصر به فردی که دارد باعث شده هم در مسائل طبقه بندی و هم در مسائل رگرسیون…
شبکه Resnet

شبکه عصبی Resnet

در طی چند سال اخیر، با معرفی شبکه‌های عصبی کانولوشنی عمیق، بسیاری از مسائل حوزه‌ی طبقه بندی تصویر و تشخیص تصویر با دقت بالا حل شده‌اند. بعضی از مسائل مربوط پیچیده‌تر بودند و محققان با انجام آزمایشات مختلف به این…
معیارهای مناسب برای ارزیابی مدلها در مسائل رگرسیون

4 معیار مناسب برای ارزیابی مدلها در مسائل رگرسیون

رگرسیون یکی از رایجترین مسائل یادگیری ماشین هست که در آن خروجی مقادیر پیوسته و نامحدود هست. همانند مسائل طبقه بندی، در مسائل رگرسیون نیز نیاز به معیارهای ارزیابی هستیم تا بتوانیم عملکرد مدلهای رگرسیون را بررسی کنیم. در این…
اولین توییت ارسال شده از مغز بیمار ALS توسط واسط مغز-کامپیوتر

اولین توییت ارسال شده از مغز بیمار ALS توسط واسط مغز-کامپیوتر

Philip O'Keefe یک بیمار 62 ساله مبتلا به اسکلروز جانبی آمیوتروفیک(ALS) در استرالیا، اولین فردی بود که تنها با استفاده از افکار خود پیامی را در شبکه های اجتماعی ارسال کرد. در 23 سپتامبر او یک پیام کوتاه اولیه با…
پارادایم عجیب-غریب (Oddball paradigm) در واسط مغز-کامپیوتر مبتنی بر P300

پارادایم عجیب و غریب -Oddball paradigm

به مجموعه ای از شرایط خاص برای برانگیختن پتانسیل وابسته به رخداد P300 پارادیم oddball گفته می شود. در این پست میخواهیم با مشخصات پارادایم oddball آشنا شویم.
تکنیک bagging در یادگیری جمعی

تکنیک bagging در یادگیری جمعی

تکنیک بگینگ-bagging که با نام bootstrap aggregating  هم شناخته می شود، یک تکنیک یادگیری جمعی هست که برای حداقل کردن واریانس مدل استفاده می شود. در تکنیک bagging برای آموزش هر مدل، یک بخشی از داده به صورت تصادفی انتخاب…