اخبار علمی
برای کاهش overfitting و underfitting کدام روش یادگیری جمعی استفاده کنیم؟
underfitting و overfitting مدل از چالشهای اساسی مهندسین در پروژه های یادگیری ماشین هست و همیشه سعی میکنیم به نوعی از overfit و یا underfit شدن مدل جلوگیری کنیم. در این بخش توضیح میدهیم که چطور میتوان با کمک تکنیکهای…
محمد نوری زاده چرلو
برای پیاده‌سازی مقاله به چه چیزهایی نیاز داریم؟
پیاده سازی مقاله یکی از چالشهای اساسی است که در دانشگاه و محیط کار با آن روبرو هستیم. و همه ما وقتی اولین بار با یک موضوعی روبرو میشویم سردرگم میشویم و نمیدانیم از کجا شروع کنیم. هر کاری را…
چرا میخواهیم از یادگیری جمعی(ensemble learning ) استفاده کنیم؟
یادگیری جمعی(ensemble learning) در حوزه یادگیری ماشین شامل تکنیکهایی هست که در آن برای حل یک مسئله، به جای استفاده از یک ماشین، از چندین ماشین به طور همزمان استفاده میکنند. در این بخش میخواهیم بررسی کنیم که چرا میخواهیم…
فرق بین feature mapping و انتخاب ویژگی (feature selection)
در یک سیستم شناسایی الگو برای کاهش بعد ویژگی‌ها از دو رویکردِ نگاشت ویژگی ( feature mapping ) و انتخاب ویژگی(feature selection) میتوان استفاده کرد، هر دو روش سعی بر کاهش بهینه تعداد ویژگی‌ها دارند، منتهی رویکرد هر کدام متفاوت…
اندازه گیری طولانی مدت سیگنال EEG توسط الکترود های خال کوبی شده
به گفته گرسو توگراز، برای اولین بار مشخص شده است که الکترودهای خال کوبی شده، فعالیت EEG را بدون نیاز به ژل رسانا و همچنین بدون نیاز به الکترودهای سنتی، اندازه گیری می کند. مهندسان اروپایی با استفاده از الکترودهای…
محمد نوری زاده چرلو
چرا کاهش بعد (feature conditioning ) در پروژه های شناسایی الگو امکان‌پذیر است؟
در یک سیستم شناسایی الگو، کاهش بعد در مرحله چهارم بین طبقه‌بندی و استخراج ویژگی قرار می‌گیرید و هدفش کاهش تعداد ویژگی های استخراج شده می‌باشد تا کار تصمیم گیری را برای طبقه‌بند تسهیل کند. در این بخش میخواهیم این…
استخراج ویژگی در شناسایی الگو
ویژگی یک پارامتر یا خصیصه قابل اندازه گیری از پدیده‌ای هست که مشاهده میکنیم. ویژگی مشخصات مهم یک پدیده(object) را کمّی می‌کند. به فرایند اندازه‌گیری این پارامترها استخراج ویژگی گفته می‌شود. بخش استخراج ویژگی در همان ابتدای یک سیستم شناسایی…
شناسایی الگو چیست؟
شناسایی الگو یک فرایند شناختی است که در مغز ما زمانی که با برخی اطلاعاتی روبرو میشویم که با اطلاعات ذخیره شده در حافظه ما مطابقت دارد اتفاق می افتد. در علوم کامپیوتر، شناسایی الگو یک فرایند علمی است که…
تفاوت بین کواریانس و همبستگی(correlation)
در تئوری احتمال و آمار عبارت کواریانس و همبستگی (correlation) خیلی شبیه هم هستند. هر دو پارامتر میزان ارتباط خطی بین دو تا متغیر را توصیف می کنند و با کمک کواریانس و همبستگی میتوان میزان وابستگی یک متغیر را…
یادگیری جمعی (ensemble learning)
یادگیری جمعی (ensemble learning) حوزه‌ای در یادگیری ماشین است که در این حوزه تکنیکهایی مطرح شده است که به کمک آنها از چندین مدل به صورت ترکیبی و همزمان جهت تصمیم گیری استفاده میکنند تا توان مدل در تخمین خروجی…
چطور ویژگی استخراج کنیم؟
در این بخش میخواهیم مسئله اطلاعات مشترک رو بررسی کنیم. اطلاعات مشترک اطلاعاتی هستند که در پروژه‌های شناسایی الگو برای الگوریتمهای یادگیری ماشین گمراه کننده هستند و کار تصمیم گیری را برای این الگوریتمها دشوار میکنند. میخواهیم در این جلسه…
مروری مختصر بر الگوریتم نزدیکترین همسایه(KNN)
Knn مخفف عبارت k nearest neighbors است و برای تخمین خروجی داده جدید از k تا نزدیک ترین همسایه ی نمونه جدید در داده های آموزش کمک می گیرد.
