یکی از پایگاه داده‌ یا دیتاست‌های مهم EEG صرع تشنجی که در مقالات اخیر از آن استفاده شده است CHB-MIT است که در این مقاله به بررسی آن می‌پردازیم.

زمانی که مدل‌های یادگیری ماشین را آموزش می‌دهیم ممکن است این مدل‌ها روی داده‌ی آموزش بیش از حد آموزش ببینند و یا به اصطلاح داده‌ی آموزشی را حفظ کنند و بیش برازش (Overfitting) رخ دهد. اغلب در چنین مواقعی می‌بینیم…

یادگیری عمیق، چشم اندازهای عالی برای حل تسک‌های پیچیده‌ی مرتبط مانند کلاسبندی تصاویر حرکتی، تشخیص تشنج صرع و تشخیص توجه راننده با استفاده از داده‌ی EEG نشان داده است. محققان در حال حاضر کارهای زیادی روی رویکردهای مبتنی بر یادگیری…

در سال‌های اخیر، الگوریتم‌های یادگیری عمیق به سرعت توسعه یافته‌اند و در حال تبدیل شدن به ابزاری قدرتمند در مهندسی پزشکی هستند. به طور خاص، تمرکز زیادی بر کاربرد الگوریتم‌های یادگیری عمیق در رمزگشایی وضعیت فیزیولوژیکی یا پاتولوژیک مغز از…

به منظور کار با پکیج MNE پایتون، شناخت و یادگیری چند مورد از کتابخانه‌های پایتون ضروری است. این کتابخانه در خواندن دیتاست‌هایی مثل EEG، ذخیره سازی و جداسازی و تقسیم دیتاست به بخش‌های آموزش و آزمایش و همچنین استفاده از…

شبکه‌های GAN حوزه‌ای مهیج و به سرعت در حال تغییر هستند که نوید مدل‌های مولد با قابلیت بالا را می‌دهند. برای مثال می‌توانند نمونه‌های واقعی در طیف وسیعی از مسائل تولید کنند، مانند تبدیل تصاویر تابستان به زمستان، تبدیل تصاویر…

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…

بازنمایی ویژگی‌هایی که توسط convnetها آموخته می‌شوندتا حد زیادی قابل تجسم هستند به این دلیل که آنها بازنمایی مفاهیم بصری هستند.

هرکسی که نگاهی به معماری شبکه MobileNet بیندازد، با مفهوم separable convolution روبرو خواهد شد. اما این لایه چیست و چه تفاوتی با لایه‌ی کانولوشن معمولی دارد؟

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…

داده‌ی تنک یا Sparse Data داده‌ای است که تعداد زیادی مقادیر صفر دارد. داده‌ی تنک را نباید با داده‌ی از دست رفته یا missing data اشتباه گرفت زیرا داده‌ی تنک مقادیر خالی یا صفر را نشان می‌دهد در حالیکه داده‌ی…

شبکه‌های عصبی کانولوشنی (CNN) نوعی از الگوریتم‌های یادگیری عمیق هستند که در انواع مختلف مسائل دنیای واقعی کاربرد دارند. CNNها را می‌توان آموزش داد تا تصاویر را کلاسبندی کنند، اشیای یک تصویر را تشخیص دهند و حتی کلمه‌ی بعدی در…