P300 یک پتانسیل وابسته به رخداد است که در شرایط oddball ایجاد می شود. حدودا 300 میلی ثانیه بعد از نمایش محرک نادر یک انحراف مثبت (P300) در سیگنال مغزی فرد ظاهر می شود. از این خاصیت مغز، در واسط…

واسط‌های مغز-کامپیوتر عمدتا براساس سه نوع فعالیت مغزی ثبت شده توسط EEG طراحی و توسعه می یابند: BCI مبتنی بر تصور حرکتی، BCI مبتنی بر پتانسیل وابسته به رخداد P300 و BCI مبتنی بر SSVEP. در این پست میخواهیم سه…

در پست های قبل در مورد تولباکس EEGLAB توضیحاتی ارائه شد. گفتیم EEGLAB تولباکسی است که برای اهداف تصویربرداری عصبی نوشته و طراحی شده است؛ بنابراین بطور اختصاصی بیشتر برای پردازش سیگنال های مغزی به کار می رود. همچنین بهترین…

اگر بخواهیم تفاوت اصلی لایه‌های کانولوشن را با لایه‌های معمول شبکه‌های عصبی بیان کنیم، می‌توانیم بگوییم لایه‌های Dense الگوهای global را در فضای ویژگی ورودی خود یاد می‌گیرند در حالیکه لایه‌های کانولوشن الگوهای local را یاد می‌گیرند. برای مثال یک…

هرکسی که علاقه مند به پردازش سیگنال های حیاتی از جمله سیگنال های EEG   باشد، به احتمال زیاد نام EEGLAB را شنیده است. از حدود  17 سال گذشته تا کنون، EEGLAB (Delorme & Makeig,2004)، با مشارکت ده‌ها برنامه‌نویس، نویسندگان افزونه و…

اگر تابحال از Apple’s Siri و Google voice search یا Google Translate استفاده کرده‌اید، باید بدانید که این اپلیکیشن‌ها از شبکه‌های عصبی بازگشتی (RNN) استفاده می‌کنند که جدیدترین الگوریتم‌ها برای داده‌های توالی هستند. RNN اولین الگوریتمی است که به دلیل…

ممکن است شبکه‌های عصبی عظیم، گزینه‌ی مناسبی برای پروژه‌ی شما باشند اما نگران روند آموزش آنها باشید. شبکه‌های عصبی بزرگ، مرکز اصلی پیشرفت‌های اخیر در هوش مصنوعی هستند، اما آموزش این شبکه‌ها چالش پژوهشی و مهندسی دشواری است که مستلزم…

در چند دهه ی اخیر، استفاده از ابزار ریاضی قدرتمندی به نام تبدیل ویولت با کاربردهای متنوع در میان پژوهشگران رایج شده است. این کاربردها می تواند در رشته ها و علوم مختلف مطرح گردد. برای مثال در مهندسی پزشکی…

در پیاده سازی شبکه هایی عصبی، عمده ترین مشکلی که باهاش مواجه می شویم overfitting  یا همان بیش برازش مدل هست. در این پست میخواهیم در مورد بیش‌برازش و روش‌هایی جلوگیری از آن در شبکه عصبی صحبت کنیم.

مطالعات فرسایشی به طور سیستماتیکی سعی می‌کنند که بخش‌هایی از یک سیستم را حذف کنند، تا شناسایی کنند که عملکرد اصلی مدل دقیقاً از کجا می‌آید. اگر شما بدانید که X+Y+Z نتایج خوبی می‌دهد، X, Y, Z, X+Y, X+Z و…

داده های پرت یا Outlier ها می توانند درکی از داده های مورد مطالعه به ما بدهند و بر نتایج آماری تاثیر بگذارند. شناسایی آن ها به ما کمک می کند تا ناهماهنگی را پیدا کنیم و هرگونه خطا در…

در قسمت اول این داستان با کژال، بنیانگذار علوم اعصاب مدرن و برنده ی جایزه نوبل در سال 1906 آشنا شدیم و تصاویری از طرح هایی از نورون ها حاصل از ذوق هنری و تحقیقات علمی وی را دیدیم. در…