نتایج جستجو
مطالعات فرسایشی یا Ablation studies در هوش مصنوعی
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…
هما کاشفی 
روش‌های تشخیص داده‌های پرت – Outliers
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…
نسرین رفیعی 
داستان کشف واحد اصلی سیستم عصبی توسط پدر نوروساینس مدرن(بخش دوم)
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…
تحلیل سه مدل شبکه عصبی در یادگیری عمیق: ANN، CNN و RNN
شبکه‌های عصبی چه قابلیت‌هایی دارند که الگوریتم‌های یادگیری ماشین فاقد آنها هستند؟ از طرف دیگر، با وجود آنکه شبکه‌های عصبی به حجم زیادی داده نیاز دارند، آیا استفاده از این شبکه‌ها، ارزشش را دارد؟! در این پست، سه مدل شبکه…
داستان کشف واحد اصلی سیستم عصبی توسط پدر نوروساینس مدرن
تا آنجا که می دانیم علوم مدرن مغز با کار دانشمندی شروع شد که افکار خلاق او از خاطرات دوران کودکی اش در حومه اسپانیا و قبل از صنعتی شدن نشات می گرفت. در این مقاله به داستان هیجان انگیز…
دوره جامع و پروژه محور شبکه عصبی بازگشتی RNN
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…
ارتباط مغز به مغز
ما انسان‌ها مجموعه‌ای غنی از ارتباطات هستیم؛ از ژست‌های خاص گرفته تا زبان‌های پیچیده را به وجود آورده‌ایم. همه این اشکال ارتباطی، افراد جدا از هم را به گونه ای بهم متصل می کند که می توانند تجربیات منحصر به…
واسط مغز و کامپیوتر مبتنی بر P300
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…
محمد نوری زاده چرلو 
الگوریتم ensemble RCSSP برای طبقه‌بندی سیگنال EEG تصور حرکتی
الگوریتم CSP (فیلتر مکانی مشترک) روشی برای طبقه بندی سیگنال EEG مبتنی بر تصور حرکتی است. این الگوریتم با وجود کارایی خوبی که نسبت به سایر روش‌های استخراج ویژگی دارد اما با ایراداتی چون احتمال بالای overfitting روبروست که می‌تواند…
طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN
در مقاله‌ای جدید ارائه شده توسط آقای Xiangmin Lun و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی می‌کند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج…
تشخیص فرکانس SSVEP با الگوریتم SS-CCA
در این مقاله، الگوریتم CCA را با الهام گرفتن از CSSP بهبود داده و الگوریتم Spatio-Spectral CCA (SS-CCA) را ارائه داده ایم. از آنجا که در سیگنال EEG مبتنی بر SSVEP اطلاعات فرکانسی اهمیت زیادی دارند، و از طرفی الگوریتم…
کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی
شبکه عصبی کانولوشنی (CNN) یک کلاس از شبکه‌های عصبی مصنوعی است که در تسک‌های مختلف بینایی ماشین مورد استفاده قرار می‌گیرد و همچنین توجهات را در سایر حوزه‌ها از جمله رادیولوژی به خود جلب کرده است. CNN با این هدف…
