شبکه عصبی کانولوشنی

EEGNet architecture

EEGNet: یک شبکه عصبی کانولوشنی فشرده برای BCIهای مبتنی بر EEG

در این مقاله، EEGNet را معرفی می‌کنیم که یک شبکه CNN فشرده برای کلاسبندی و تفسیر BCIهای مبتنی بر EEG است. کاربرد کانولوشن‌های Depthwise و Separable که قبلاً در حوزه‌ی بینایی ماشین استفاده می‌شده را برای ساخت یک شبکه خاص…
معرفی انواع کانولوشن‌ها: Conv1D, Conv2D, Conv3D

معرفی انواع کانولوشن‌ها: Conv1D, Conv2D, Conv3D

شاید تا بحال تصاویر و تجسم سازی‌های زیادی از لایه‌های کانولوشنی با ابعاد مختلف دیده باشید و پس از خواندن یک مقاله‌ی کامل هنوز هم درک تصاویر برایتان مشکل بوده باشد. در این مقاله قصد داریم لایه‌های کانولوشنی با ابعاد…
فرق بین عبارت کانولوشن (convolution) و میان-همبستگی (cross-correlation)

فرق بین کانولوشن convolution و میان-همبستگی cross-correlation

اگه پردازش تصویر یا شبکه های عمیق کار کرده باشید حتما دو عبارت کانولوشن (convolution) و میان-همبستگی (cross-correlation) را شنیده اید. هر دو عملیات از لحاظ ریاضیاتی خیلی شبیه بهم هستند. اگه بخوایم یه تعریف کلی در مورد هر کدوم…
مفهوم کانولوشن در cnn

مفهوم کانولوشن در CNN

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…
تحلیل سه مدل شبکه عصبی در یادگیری عمیق: ANN، CNN و RNN

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…
طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN

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…
کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

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…
شبکه Resnet

شبکه عصبی Resnet

در طی چند سال اخیر، با معرفی شبکه‌های عصبی کانولوشنی عمیق، بسیاری از مسائل حوزه‌ی طبقه بندی تصویر و تشخیص تصویر با دقت بالا حل شده‌اند. بعضی از مسائل مربوط پیچیده‌تر بودند و محققان با انجام آزمایشات مختلف به این…
چهار تا از معروفترین شبکه های عمیق

چهار تا از معروفترین شبکه های عمیق

در این مقاله به بررسی چهار مدل از الگوریتم‌های عمیقی می‌پردازیم که عملکرد قابل توجهی در حل مسائل پیچیده داشته‌اند. ابتدا هر نوع از این شبکه‌های عمیق را معرفی می‌کنیم، ساختار آنها را به طور مختصر شرح می‌دهیم و در…
شبکه عصبی کانولوشنی LeNet

شبکه عصبی کانولوشنی LeNet

شبکه عصبی کانولوشنی LeNet یکی از اولین شبکه های عصبی کانولوشنی است که با مفهوم یادگیری عمیق توسط yan lecun معرفی شد. این شبکه ساختاری پنج لایه دارد به نام lenet-5 معروف است و اولین بار برای تشخیص ارقام دست…
شبکه عصبی کانولوشنی (CNN) چیست؟

شبکه عصبی کانولوشنی (CNN) چیست

CNN که مخفف شبکه عصبی کانولوشنی (Convolutional Neural Network) است کلاس خاصی از شبکه‌های عصبی مصنوعی (Artificial Neural Network) در هوش مصنوعی است. این شبکه‌ها مشابه شبکه‌های عصبی سنتی دارای لایه‌ی ورودی، لایه‌ی پنهان و لایه‌ی خروجی هستند. تعداد لایه‌های…