یکی از شبکههای معروف یادگیری عمیق (Deep Learning)، شبکه عصبی بازگشتی (RNN) است. این شبکهها برای دادههایی مناسب هستند که ماهیت توالی یا سری زمانی دارند. این دورهی پروژه محور با مقدمهای بر مفاهیم مورد نیاز برای درک یادگیری عمیق…
واسط مغز-کامپیوتر مبتنی بر P300 برای اولین بار در سال 1988 توسط Farwell و Donchin ارائه شد و از آن موقع به بعد به صورت گسترده در حوزه ارتباطات BCI مورد استفاده قرار گرفته است. در یک BCI-speller مبتنی بر…
یادگیری عمیق (Deep Learning) یکی از حوزههای جذاب و پرکاربرد هوش مصنوعی است. در این دوره بر یکی از معروفترین شبکههای عمیق به نام شبکهی عصبی کانولوشنی (CNN) تمرکز شده است. در این دورهی پروژه محور ابتدا مفاهیم اولیه و…
عملیات مورفورلوژی(Morphological operation) مجموعه ای از عملیاتی هست که مرتبط با ویژگی های شکل و مورفولوژی(ریخت) در یک تصویر هستند. از الگوریتمهای مورفولوژی(ریخت شناسی) به عنوان یک ابزار ریاضی برای استخراج اجزای تصویر استفاده می شود. عملیات مورفولوژی بیشتر برای…
تبدیل فوریه زمان کوتاه(short time fourier transform) یک ابزار مناسب برای تحلیل همزمان سیگنال در حوزه زمان و فرکانس است. از تبدیل فوریه زمان کوتاه در پردازش سیگنالهای حیاتی، مخصوصا پردازش سیگنال مغزی(EEG) به طور گسترده ای استفاده میشود. در…
یکی از معروفترین روشهای استخراج ویژگی در واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی، فیلترهای مکانی مشترک(CSP) هست. CSP علارغم کارایی خیلی خوبی که دارد، به نویز بسیار حساس هست و احتمال overfitting بالایی دارد. برای حل این…
در پردازش تصویر، یکی از رایج ترین راهها برای بهبود یک تصویر، فیلترهای مکانی هست. فیلترهای مکانی در حوزه مکان روی تصویر اعمال میشوند و اطلاعات مورد نظر را از تصویر استخراج میکنند. در فصل سوم دوره جامع پردازش تصویر،…
فیلترهای مکانی طیفی مشترک (common spetio-spectral patterns) یکی از الگوریتمهای بهبودیافتهی csp است. یکی از ایرادات فیلتر مکانی مشترک(csp) این است که هنگام محاسبه فیلترهای مکانی، اطلاعات طیفی را در نظر نمیگیرد، برای حل این مشکل csp، الگوریتم cssp مطرح…
دیدگاه ها