اخبار علمی
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…
کار با دادههای حوزهی فرکانس در پکیج MNE پایتون
در این مقاله یاد میگیریم که با استفاده از پکیج MNE پایتون چطور بازنماییهای حوزه فرکانس دادهی خود را تجسم سازی کنیم و برای این منظور کلاسهای Spectrum و EpochsSpectrum را معرفی میکنیم.
گرادیان نزولی و نقش آن در فرایند یادگیری شبکه های عصبی
گرادیان نزولی (gradient descent) یک الگوریتم بهینه سازی است که در شبکه های عصبی با کمک آن وزنهای سیناپسی تنظیم می شوند. به عبارتی با کمک گرادیان نزولی، شبکه های عصبی آموزش دیده و دانش لازم برای حل مئسله را…
ترنسفورمرها (Transformers) چطور کار میکنند؟
ترنسفورمرها نوعی از معماری شبکه عصبی هستند که محبوبیت زیادی پیدا کردهاند. ترنسفورما اخیراً توسط OpenAI در مدلهای زبانی مورد استفاده قرار گرفتهاند همچنین اخیراً توسط DeepMind برای AlphaStar استفاده شدهاند. ترنسفورمرها برای حل مسائل انتقال توالی (Sequence Transduction) یا…
شبکه عصبی و اهمیت مدل سازی مغز انسان
شبکه عصبی یک روشی در هوش مصنوعی است که به کامپیوتر یاد میدهد تا داده ها را به روشی پردازش کند که از مغز انسان الهام گرفته شده است. ولی سوال اساسی این است که چرا میخواهیم مغز انسان را…
تحلیل سیگنالهای MEG/EEG با کتابخانه MNE پایتون
در این مقاله به تحلیل سیگنالهای EEG/MEG با استفاده از پکیج MNE-Python میپردازیم. اینکه چطور دیتاست را بخوانیم، ترایالها را جدا کنیم و یا آنها را رسم کنیم. در این مقاله مهمترین ساختار دادههای پکیج MNE-Python معرفی میشوند: Raw, Epochs.
ساخت dataloader سفارشی با کمک DataLoader و Dataset پایتورچ
در پروژه های یادگیری ماشین، مخصوصا یادگیری عمیق، ما با حجم بسیار بالای داده (big data) روبرو هستیم. و هندل کردن چنین داده ای جهت آموزش یک شبکه عصبی میتواند بسیار سخت و پیچیده باشد. از طرفی کدهای مربوط به…
مقدمه ای بر آموزش Autoencoderها
هوش مصنوعی، طیف گستردهای از فناوریها و تکنیکها را در برمیگیرد که سیستمهای کامپیوتری را قادر میسازد تا مسائلی مانند فشرده سازی دادهها که در بینایی ماشین، شبکههای کامپیوتری، معماری کامپیوتر و بسیاری از زمینه های دیگر وجود دارند را…
سه متد جادویی init ،call و getitem در برنامه نویسی شئی گرای پایتون
یکی از ویژگی های خیلی خوب برنامه نویسی شئی گرا، متدهای جادویی است. میشه گفت متدهای جادویی در برنامه نویسی شئی گرا همه چیز هستند و با تعریفشون به معنای واقعی جادو به کدهامون اضافه میکنیم. متدهای جادویی هر کدام…