نحوه‌ی تبدیل فایل تکست به متلب(mat.)
بسیاری از داده‌هایی که سایتها در اختیار محقیقین قرار میدهند به فرمت .mat نسیتند و از آنجایی که در متلب ما فقط میتوانیم با داده های .mat کار کنیم، لذا نیاز است که در ابتدا داده‌هارو از فرمتی که هستند به فرمت .mat تبدیل کنیم.
در این ویدیو قصد داریم که دو روش از نحوه تبدیل فایلهای .txt، .xlsx، و .dat به .mat رو توضیح بدهیم. توابعی که در این ویدیو استفاده می شوند
خواندن فایل تکست در متلب
بسیاری از داده‌هایی که سایتها در اختیار محقیقین قرار میدهند به فرمت .mat نسیتند و از آنجایی که در متلب ما فقط میتوانیم با داده های .mat کار کنیم، لذا نیاز است که در ابتدا داده‌هارو از فرمتی که هستند به فرمت .mat تبدیل کنیم.
در این ویدیو قصد داریم که دو روش از نحوه تبدیل فایلهای .txt، .xlsx، و .dat به .mat رو توضیح بدهیم. توابعی که در این ویدیو استفاده می شوند:
- textread()
- num2str()
- حلقه‌ها
موفق باشید…
دوره های مرتبط
دوره پردازش سیگنال قلبی ECG
دوره پردازش سیگنال ECG یک دوره کاملا پروژه محور است و در آن روشهای پردازش سیگنال ECG به صورت گام به گام آموزش داده شده و در پایتون پیاده سازی می شوند. در فصل اول انواع داده ها معرفی شده…
محمد نوری زاده چرلو 
پردازش سیگنال مغزی با کتابخانه MNE پایتون
برای پردازش و کار با سیگنال EEG (سیگنال مغزی الکتروانسفالوگرافی) در محیط برنامه‌نویسی پایتون، راه‌های مختلفی پیش روی شماست. میتوانید مراحل پردازش را خودتان با توابع و کتابخانه‌های موجود انجام دهید. علاوه بر این‌ها پایتون، پکیج‌هایی برای پردازش و کار…
هما کاشفی 
پیاده‌سازی شبکه های عصبی با پایتورچ PyTorch
پایتورچ (PyTorch) یک فریم ورک یادگیری ماشین متن باز است که به دلیل انعطاف پذیری، سهولت استفاده و قابلیت های محاسباتی کارآمد، محبوب ترین کتابخانه برای محققان هوش مصنوعی در سراسر جهان است. در این دوره تخصصی، یاد می‌گیریم که…
برنامه نویسی شیء گرا در پایتون Python
برنامه نویسی شئی گرا یک نوع الگوی برنامه نویسی است که از کلاس ها و اشیاء در برنامه نویسی استفاده می‌کند. پایتون یک زبان برنامه نویسی مبتنی بر شیء گرا هست و میشود گفت که تقریبا همه چیز در پایتون…
کتابخانه NumPy و matplotlib در پایتون
کتابخانه های NumPy و matplotlib دو کتابخانه معروف و بسیار پرکاربرد در پایتون هستند. NumPy یک بسته نرم‌افزاری قابل افزودن به پایتون است که کاربرد اصلی‌اش در مقاصد علمی و برای کار با اعداد است. تقریبا در همه زمینه‌های علمی…
اصول برنامه نویسی پایتون Python
پایتون یک زبان برنامه‌نویسی سطح بالا هست و به خاطر قابلیتهای مهمی که دارد، امروزه محبوبیت زیاید در جامعه علمی پیدا کرده است و میلیونها نفر در سراسر جهان از این زبان برنامه نویسی استفاده می‌کنند و هر روز به…
دوره جامع و پروژه محور کاربرد شبکه های عمیق در بینایی ماشین
بینایی ماشین (machine Vision) تکنولوژی و روش‌هایی برای تحلیل و بررسی خودکار مبتنی بر تصویر است. این حوزه شامل تمام متدهایی میشود که اطلاعات به صورت خودکار از تصویر استخراج می‌شوند. این دوره پروژه محور بر تسک‌های مهم در بینایی…
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…
عالی بود
موفق باشید
فوق العاده بود. ممنون
موفق و پیروز باشید
سلام
من به دیتا سرعی که استفاده کردید احتیاج دارم سعی کردم ولی نتونستم دانلود کنم لطف میکنید بهم ایمیل کنید برای پایان نامه ارشدم میخوام لطفا
سلام
داده ی استفاده شده در ویدیوی آموزشی رو میتونید از لینک زیر دانلود کنید
این پایگاه داده سیگنال EEG مربوط به افراد مبتلا به بیماری صرع هست.
http://epileptologie-bonn.de/cms/front_content.php?idcat=193&lang=3
موفق باشید
سلام مهندس بسیار عالی بود ممنون خسته نباشید
سلام
ممنون از توجه شما برادر بزرگوار
سلام خیلییییی عالی بود واقعا ممنون و خسته نباشید
قسمت بعدی این ویدیو که پردازش سیگنال هست رو از کجا میتونم ببینم؟
سلام
خوشحالیم که براتون مفید بوده است.
برای دوره پردازش سیگنال eeg دو تا دوره فعلا داریم.
1- پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی
در این دوره روشهای پردازش سیگنال مربوط به تسک تصور حرکتی از قبیل فیلترمکانی csp آموزش داده شده است.
یک دوره تخصصی در این زمینه است.
پکیج آموزشی این دوره در سایت قرار گرفته است که از طریق لینک زیر میتوانید به آن دسترسی پیدا کنید.
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/
2- دوره پردازش سیگنال EEG
این دوره بیشتر عمومی هست و روشهای پردازش اکثر تسکها آموزش داده شده است و فعلا به صورت حضوری در قالب یک دوره فشرده سه روزه برگزار میشود.
برای شرکت میتوانید به شماره زیر اسم و شماره تماس خودتون رو بفرستید
0936-038-2687
موفق باشید…
سلام و خسته نباشید
دوره ای برای پردازش سیگنال همین دیتایی که در این ویدیو استفاده شده (دیتا EEG صرع) دارید؟
سلام ممنونم
بله دوره ای در این زمینه به صورت حضوری داریم که به صورت تخصصی روشهای پردازش سیگنال eeg را توضیح میدهیم
فعلا این دوره حضوری هست و ایشالا تا یکی دو ماه آینده ویدیوهای آموزشیش در سایت قرار خواهد گرفت.
موفق باشین
عالی ولی کاش آدرس سایت دیتاهم میذاشتید
ممنون از لطف شما
آدرس پایگاه داده:
http://epileptologie-bonn.de/cms/front_content.php?idcat=193&lang=3
اگه هدفتون کار با این پایگاه داده هست پیشنهاد میکنم دوره eeg رو نگاه کنید
یک دوره جامع 50 ساعته هست که بحثهای آموزشی و پروژه های عملی رو روی این پایگاه داده انجام داده ایم
https://onlinebme.com/product/eeg-signal-processing/
سلام وقت بخیر. در قسمتی از آموزش شناسایی الگو یک دیتاست با فرمت، مثلا iris یا سرطان رو با این رویکرد که ویژگی از لیبل جدا شده و داده ها به صورت سطری مرتب شدند رو قرار دادید. در اون فیلم گفته شده به آموزش متلب مراجعه کنید. در اینجا هم فقط یک دیتاست ستونی رو به فرمت .mat بردین اما گفته نشده که برای سطری کردن یا جدا کردن لیبل از بقیه داده ها و قرار دادنشون توی یه فایل .mat چکار باید کرد. من در اینباره سرچ کردم ولی به جواب درستی نرسیدم. اگه ممکنه راهنمایی کنید. ممنون.
سلام
طبق روالی که در دوره آموزش داده شده به دو روش میشه فایل تکست رو به .mat تبدیل کنید.
اگه حالت دستی رو بخوایید پیش ببرید کافیه هر بخشی از فایل تکست رو جدا انتخاب کنید و به .mat تبدیل کنید.
اگه میخواهید فایل لیبل و فایل ویژگی ها متفاوت باشه کافیه که یبار بخش مربوط به ویژگی ها را انتخاب کنید و بعد import selection رو بزنید
یبار هم بخش مربوط به لیبل رو انتخاب کنید و import selection بزنید
اینطوری در workspace شما دو تا فایل خواهید داشت
یکی برای لیبل و یکی برای ویژگی ها
ذخیره کنید و بعدا از این دو تا استفاده کنید
نکته بعدی اینکه اگه با آدرسی ماتریس ها آشنا نیستید پیشنهاد میکنم دوره رایگان متلب رو نگاه کنید حتما
https://onlinebme.com/course/matlab/
موفق باشید
درود .
ممنون از توضیحات جامع و عالی ای که ارائه فرمودید. عذر خواهم همه ی 6 داده را در روش دوم در یک فایل data ذخیره کردید. با چه کدی میتوان در هر بار چرخش با نام خودش و بهصورت جدا جدا استخراج کرد. مثلا 6 فایل را بخواند و با نام خودش به .mat تبدیل شود؟
سلام
ممنون از توجه شما
میتونید به شکل زیر ذخیره کنید
save([‘filename’,’.mat’])
اسم مورد نظر رو به جای filename قرار بدهید
فقط چون میخوایید خودکار باشه میتونید اول اسم متغیرها رو یکی بگذارید و با یک عدد از هم جدا کنید، همانند زیر:
save([‘filename’, num2str(i),’.mat’])
که در اینجا i میتونه شماره حلقه باشه که برای هر متغیر یک اسم متفاوت ایجاد کنه
موفق باشید
سلام ممنون از دوره ی عالی سیگنال eeg
این تابع textread در ورژن 2022 متلب به درستی کار نمی کنه و خود متلب پیشنهاد میده از یک تابع دیگه استفاده کنید لطف می کنید اون رو هم آموزش بدید؟
سلام
از تابع dlmread به همون فرمت فراخوانی کنید
سلام
وقت بخیر
از تابع dlmread به همون فرمت استفاده کنید
ببخشید اگر طول سیگنال eeg مون در نمونه های مختلف برابر نباشند و دیتاست هم 19 کاناله باشه باید به چه صورتی عمل کرد چون در تمام کدنویسی ها در پروژه طول سیگنالمون یکی بود.
سلام
یکی از راهها اینه که تمامی سیگنالها را با طول یکسان بردارید
یعنی اگه کمترین طول شما 2 ثانیه هست، از همه نمونه ها دو ثانیه انتخاب کنید تا همه هم اندازه باشند
سلام استاد سپاس از دوره ی کاملتون
از کجا بفهمیم سیگنالمون نویزی هست یا نه و اینکه به جز برق شهری که فرکانسش مشخص هست
بقیه نویزها و ارتیفکت ها (مثلا حرکات چشم) رو چطوری از سیگنالمون جدا کنیم؟
میتونید از ابزار eeglab برای کاهش نویز سیگنال استفاده کنید.