اخبار علمی
مطالعه مروری روش‌های بهینه‌سازی مبتنی بر گرادیان نزولی
یادگیری در شبکه‌های عصبی به لطف مشتق و گرادیان نزولی(gradient descent) انجام میشه. در گرادیان نزولی، در هر تکرار آموزش شبکه عصبی شیب خطا محاسبه می‌شود و الگوریتم در جهت کاهش خطا حرکت می‌کند تا به حداقل خطای تصیمیم گیری…
محمد نوری زاده چرلو
تعریف ICA و نحوه ی اعمال آن در پکیج MNE-Python
روش تحلیل مولفه‌های مستقل (Independent Components Analysis (ICA)) تکنیکی برای برآورد سیگنال‌های منابع مستقل از مجموعه‌ای از ضبط‌هاست که در آن سیگنال‌های منبع در نسبت‌های ناشناخته با هم ترکیب شده‌اند. در این مقاله با ICA آشنا می شویم و اینکه…
هما کاشفی
کتابخانه‌های ضروری مکمل کار با پکیج MNE پایتون
به منظور کار با پکیج MNE پایتون، شناخت و یادگیری چند مورد از کتابخانه‌های پایتون ضروری است. این کتابخانه در خواندن دیتاست‌هایی مثل EEG، ذخیره سازی و جداسازی و تقسیم دیتاست به بخش‌های آموزش و آزمایش و همچنین استفاده از…
حاشیه‌نویسی سیگنال پیوسته با استفاده از پکیج MNE پایتون
با استفاده از پکیج MNE پایتون می‌توانیم سیگنال پیوسته را نشانه‌گذاری یا به اصطلاح حاشیه‌نویسی کنیم و همچنین از این حاشیه‌نویسی‌ها در مراحل بعدی پردازش استفاده کنیم. در این مقاله، روند انجام آن را توضیح می‌دهیم.
مقدمه‌ای بر Generative Adversarial Networks (GANs) یا شبکه‌های مولد تخاصمی
شبکه‌های GAN حوزه‌ای مهیج و به سرعت در حال تغییر هستند که نوید مدل‌های مولد با قابلیت بالا را می‌دهند. برای مثال می‌توانند نمونه‌های واقعی در طیف وسیعی از مسائل تولید کنند، مانند تبدیل تصاویر تابستان به زمستان، تبدیل تصاویر…
تابع هزینه cross entropy و تفاوت آن با مربعات خطا
تابع هزینه یک تابع ریاضیاتی است که عملکرد یک شبکه عصبی را در انجام یک تسک خاص اندازه گیری می‌کند. توابع هزینه نقش اساسی در یادگیری شبکه های عصبی دارند و به شبکه های عصبی کمک می‌کنند در راستای هدف…
خواندن و پردازش داده ی EEG فرمت .gdf با استفاده از پکیج MNE-Python
فرمت داده‌ی General Data Format (GDF) برای سیگنال‌های پزشکی یک فرمت فایل داده‌ی پزشکی و علمی است. هدف GDF ترکیب و ادغام بهترین ویژگی‌های همه‌ی فرمت‌های فایل بیوسیگنال در یک فرمت فایل واحد است. در این مقاله بررسی می‌کنیم که…
شبکه عصبی پرسپترون چند لایه و مسائل غیرخطی
شبکه عصبی پرسپترون چندلایه از سه نوع لایه ورودی، پنهان و خروجی تشکیل شده است. شبکه عصبی MLP از قانون یادگیری پس انتشار خطا برای تنظیم وزنهای سیناپسی خود استفاده می‌کند. از شبکه عصبی MLP میتوان در مسائل طبقه بندی،…
رسم موقعیت مکانی الکترودهای سیگنال EEG با استفاده از پکیج MNE پایتون
در این مقاله توضیح می‌دهیم که چطور میتوان با استفاده از پکیج MNE پایتون، موقعیت مکانی حسگرها را خواند و رسم کرد و پکیچ MNE چطور موقعیت مکانی حسگرها را تشخیص می‌دهد.
حالت های ارائه داده آموزشی به شبکه های عصبی (pattern, mini-batch, batch-mode)
در آموزش شبکه های عصبی، داده های آموزش را میتوان به سه شکل pattern mode, batch-mode و mini-batch به شبکه عصبی ارائه داد. هرکدام از این حالتها مزایا و معایب خودشون را دارند. در این پست میخواهیم با هر سه…
مکانیزیم Attention در یادگیری عمیق
با پیچیده‌تر شدن مدل‌های یادگیری عمیق، نیاز به روش‌های موثر پردازش میزان زیادی داده، اهمیت فزاینده‌ای پیدا کرده است. یکی از این روشها، مکانیزیم توجه است که به مدل امکانی می‌دهد تا در هنگام پیش بینی بر مرتبط‌ترین اطلاعات، تمرکز…
پارامترهای ارزیابی در مسائل رگرسیون و طبقه بندی
در طراحی و تعیین پارامترهای یک مدل یادگیری ماشین، روشها و پارامترهای ارزیابی نقش بسیار مهمی دارند. چرا که به ما کمک می‌کنند دید درستی به مدل طراحی شده داشته باشیم و متوجه بشویم که مدل یادگیری ماشین underfit ،overfit…
