onlinebme

12 July 2024 19:11

سلام
دوره《پردازش سیگنال ECG》تموم شد
پکیج دوره هفته آینده بعد از ادیت نهایی در وبسایت قرار می‌گیرد.

@Onlinebme

onlinebme

10 July 2024 15:10

Scalars=> Vectors=> Matrices=> Tensors

@Onlinebme

onlinebme

06 July 2024 14:40

✅ نگاه کلی به دوره‌های آکادمی Onlinebme
🟠30 درصد تخفیف تابستانه 🎊🎊🎉

🏷 لیست دوره‌های Onlinebme
┤ ◼️ برنامه‌نویسی Python
┤ ◻️ برنامه‌نویسی MATLAB
┤ ◼️ یادگیری ماشین|شناسائی الگو
┤ ◻️ پردازش سیگنالهای مغزی‌ (EEG)
┤ ◼️ برنامه‌نویسی شئی گرا(OOP)
┤ ◻️ واسط مغز-کامپیوتر (BCI)
┤ ◼️ شبکه‌های عصبی
┤ ◻️ پردازش تصویر
┤ ◼️ یادگیری عمیق 
┤ ◻️ بینایی ماشین
┤ ◼️ پیاده‌سازی شبکه‌های عصبی با پایتورچ
┘ ◼️ پردازش سیگنال EEG در پایتون(MNE)

💡پکیجهای آموزشی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

03 July 2024 18:47

Google Shadow Art🐦🐧🐤🐻🐹🐱

بازی هوش مصنوعی جالبی است که با استفاده از آن می توانید با دست خود سایه حیوانات را بسازید و هوش مصنوعی باقی آن را تکمیل می کند.😊

اول باید حیوانی که می خواهید ایجاد کنید را انتخاب کنید سپس سایه آن را با دستانتان ایجاد کنید.

لینک بازی:
https://shadowart.withgoogle.com/?lang=en-us#

@Onlinebme

onlinebme

02 July 2024 10:50

💡 آکادمی ONLINEBME تخفیف تابستانه 30درصدی برای همه محصولات خود در نظر گرفته است. 🎊🎉

▪️موقع تسویه تخفیف به صورت خودکار اعمال می‌شود و نیازی به وارد کردن کد تخفیف نیست.

🔺لازم به ذکر هست که مدت زمان استفاده از تخفیفات تابستانه محدود است.

🔘 دوره های Onlinebme

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
 

onlinebme

27 June 2024 18:22

◽️معرفی دیتاست های بینایی ماشین

🟣در این مقاله، لیستی جامع از دیتاست‌های با کیفیت بینایی ماشین را ارائه کرده‌ایم که می‌توانید به صورت رایگان به آنها دسترسی داشته باشید.


اطلاعات بیشتر👇

https://onlinebme.com/open-source-datasets-for-machine-vision/
#معرفی_پایگاه_داده
#image_classification
#image_segmentation
#Object_detection
#face_detection
#dataset
#database

@onlinebme

onlinebme

20 June 2024 18:19

از آنجاییکه انتخاب دیتاست یا پایگاه داده نقش بسیار مهمی در پژوهش های ما دارد، لازم است با دیتاست هایی که در مقالات اخیر استفاده می شود آشنا باشیم.

◽️معرفی دیتاست EEG تشنج صرعی
CHB-MIT

🟣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.


اطلاعات بیشتر👇

https://onlinebme.com/chb-mit-database/
#معرفی_پایگاه_داده
#EEG
#MNE
#dataset
#database

@onlinebme

onlinebme

18 June 2024 01:23

✅ 《دوره پردازش سیگنال ECG》
🔷  فصل 3: استخراج ویژگی
🔘 تمرینات سری ششم
▪️ Feature extraction from RRI

@Onlinebme

onlinebme

13 June 2024 17:55

✅یادگیری بازنمایی یا Representation Learning چیست؟

هما کاشفی امیری
24 خرداد 1403

✍️یادگیری بازنمایی روشی برای آموزش یک مدل یادگیری ماشین است تا بتواند مفیدترین بازنمایی داده‌ی ورودی را یاد بگیرد. این بازنمایی‌ها که اغلب به عنوان ویژگی شناخته می‌شوند، حالت‌های داخلی مدل هستند که می‌توانند داده‌های ورودی را به خوبی خلاصه‌ کنند و از این طریق به الگوریتم کمک می‌کنند تا الگوهای کلی داده‌ها را بهتر درک کند.

🔘 جزئیات بیشتر 👇
https://onlinebme.com/representation-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

06 June 2024 00:12

⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️

🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆


〰〰〰〰〰 برنامه‌نویسی متلب 〰〰〰〰〰

🔲 اصول برنامه‌نویسی در متلب (رایگان)
▪️مدت دوره: 11 ساعت
🔘 Link


〰〰〰〰〰 برنامه‌نویسی پایتون  〰〰〰〰〰

⚪️ فصل 1: اصول برنامه‌نویسی پایتون 
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link


〰〰〰 شناسایی الگو و یادگیری ماشین 〰〰〰

⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
 
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتم‌های کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7:  الگوریتم‌های انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتم‌های خوشه‌بندی
◽️مدت دوره: 13 ساعت
🔘 Link


〰〰〰〰〰 شبکه‌های عصبی 〰〰〰〰〰

⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکه‌های عمیق در بینایی ماشین
◽️مدت دوره: 16 ساعت
🔘 Link

⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link

〰〰〰〰 پردازش سیگنال مغزی 〰〰〰〰

⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️ مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️مدت دوره: 21 ساعت
🔘 Link
⚪️ پیاده‌سازی مقاله CSSP (BCI مبتنی بر MI)
◽️مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیاده‌سازی مقاله RCSP (BCI مبتنی بر MI)
◽️مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️مدت دوره: 8 ساعت
🔘 Link

⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 ساعت
🔘 Link

〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰

⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

onlinebme

03 June 2024 20:37

✅الگوریتم Pan-Tompkins در تشخیص پیکهای R سیگنال ECG

محمد نوری زاده چرلو
14 خرداد 1403

در پردازش سیگنال ECG اولین مرحله آشکارسازی پیکهای R است. از طریق این موقعیت پیکهای R کمپلکس QRS، سیگنال RRI و HR استخراج می‌شود. آشکارسازی دقیق موقعیت پیکهای R برای تحلیل های بعدی بسیار با اهمیت است.
💡الگوریتم Pan-Tompkins یکی از معروفترین روشها در تشخیص پیکهای R در سیگنال قلبی هست. این الگوریتم یک سری فیلتر روی سیگنال ECG اعمال می‌کند و نواحی مرتبط با QRS را برجسته تر می‌کند و در نهایت پیکهای R را تشخیص میدهد. در این پست میخواهیم با مراحل این روش توسط یک مثال عملی آشنا شویم.

⭕️جزئیات بیشتر 👇
🔘https://onlinebme.com/pan-tompkins-algorithm-for-qrs-detection/


📌فایل PDF

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

27 May 2024 10:38

✅ دوره پردازش سیگنال ECG
🔷  فصل 2: پیش پردازش
🔘 تمرینات سری سوم
▪️ سیگنال در حوزه فرکانس: PSD

@Onlinebme

onlinebme

21 May 2024 00:11

✅ دوره پردازش سیگنال ECG
🔷  فصل 2: پیش پردازش
🔘 تمرینات سری دوم
▪️ فیلترینگ سیگنال در حوزه زمان و فرکانس

@Onlinebme

onlinebme

14 May 2024 14:53

🔖 دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
✅دوره ی تخصصی و پروژه محور

🏷 سرفصل دوره MNE در پایتون 
┤ ◻️ مقدمه ای سیگنالهای حیاتی
┤ ◼️بررسی انواع نویز در EEG
┤ ◻️  خواندن داده به فرمتهای مختلف
┤ ◼️ پیش پردازش سیگنال مغزی
┤ ◻️ انجام پروژه های یادگیری ماشین
┤ ◼️ طبقه بندی سیگنال MI
💡موجک وCSP
┤ ◻️ پروژه یادگیری عمیق 1 (صرع)
┤ ◼️ پروژه یادگیری عمیق 2(MI)
💡سیگنال خام
┤ ◻️ پروژه یادگیری عمیق 3(MI)
💡سیگنال به تصویر
┤ ◼️ پروژه یادگیری عمیق 4 (SSVEP)

#پیاده‌سازی_مقاله

🔘 Link
@Onlinebme

onlinebme

09 May 2024 17:01

☑️تشخیص تشنج های صرع سیگنال EEG با الگوریتم های یادگیری عمیق

هما کاشفی امیری
20 اردیبهشت 1403

✍️در محیط بالینی، تشخیص خودکار تشنج های صرع اهمیت فزاینده ای پیدا می کند، زیرا می تواند به طور قابل توجهی بار مراقبت از بیماران مبتلا به صرع صعب العلاج را کاهش دهد. سیگنال های الکتروانسفالوگرافی (EEG) فعالیت الکتریکی مغز را ثبت می کنند و حاوی اطلاعات غنی در مورد اختلال عملکرد مغز هستند. به عنوان یک ابزار غیر تهاجمی و ارزان برای تشخیص تشنج های صرع، ارزیابی بصری ضبط EEG کار فشرده و ذهنی است و نیاز به بهبود قابل توجهی دارد. با استفاده از الگوریتم های یادگیری عمیق می توان تشخیص تشنج های صرعی را با بالاترین دقت انجام داد.

#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/epilepsy-eeg-signal-detection-using-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

12 July 2024 17:35

⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️

🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆


〰〰〰〰〰 برنامه‌نویسی متلب 〰〰〰〰〰

🔲 اصول برنامه‌نویسی در متلب (رایگان)
▪️مدت دوره: 11 ساعت
🔘 Link


〰〰〰〰〰 برنامه‌نویسی پایتون  〰〰〰〰〰

⚪️ فصل 1: اصول برنامه‌نویسی پایتون 
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link


〰〰〰 شناسایی الگو و یادگیری ماشین 〰〰〰

⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
 
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتم‌های کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7:  الگوریتم‌های انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتم‌های خوشه‌بندی
◽️مدت دوره: 13 ساعت
🔘 Link


〰〰〰〰〰 شبکه‌های عصبی 〰〰〰〰〰

⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکه‌های عمیق در بینایی ماشین
◽️مدت دوره: 16 ساعت
🔘 Link

⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link

〰〰〰〰 پردازش سیگنال مغزی 〰〰〰〰

⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️ مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️مدت دوره: 21 ساعت
🔘 Link
⚪️ پیاده‌سازی مقاله CSSP (BCI مبتنی بر MI)
◽️مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیاده‌سازی مقاله RCSP (BCI مبتنی بر MI)
◽️مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️مدت دوره: 8 ساعت
🔘 Link

⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 ساعت
🔘 Link

〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰

⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

onlinebme

09 July 2024 11:43

✅ 《دوره پردازش سیگنال ECG》
🔷  فصل 5: انتخاب ویژگی
🔘 پروژه سری دوم 
▪️ feature selection

@Onlinebme

onlinebme

05 July 2024 13:00

کانولوشن با padding و stride های مختلف
#deeplearning
Source
@Onlinebme

onlinebme

02 July 2024 16:44

✅ 《دوره پردازش سیگنال ECG》
🔷  فصل 4: طبقه‌بندی
🔘 پروژه سری اول 
▪️ classification and validation

@Onlinebme

onlinebme

29 June 2024 15:55

✅ مطالعه جدید ما در زمینه انتخاب کانال سیگنال EEG با شبکه CNN

Tittle: Motor imagery electroencephalography channel selection based on deep learning: A shallow convolutional neural network

Authors: Homa Kashefi Amiri, Masoud Zarei, Mohammad Reza Daliri

Journal: Engineering Applications of Artificial Intelligence


مقاله به مدت 50 روز برای دانلود در دسترس است.

🌀https://authors.elsevier.com/c/1jKVD3OWJ98fQ8

#BCI #EEG #Motor_imgery #CNN #Channel_selection

@Onlinebme

onlinebme

27 June 2024 16:41

✅مفهوم آموزش خصمانه (Adversarial Training)


هما کاشفی امیری
7تیر 1403

✍️در بسیاری از مواقع شبکه‌های عصبی که روی دیتاست‌های تست i.i.d ارزیابی می‌شوند، به عملکردی نزدیک به عملکرد انسانی دست پیدا می‌کنند. طبیعی است که تعجب کنیم آیا واقعاً این مدل‌ها، درکی در سطح انسان از تسک‌ها کسب کرده‌اند؟ به منظور بررسی میزان درک یک شبکه از تسک موردنظر، می‌توانیم نمونه‌ داده‌هایی را جستجو کنیم که مدل آنها را به درستی کلاسبندی نمی‌کند. این بار سعی می‌کنیم مدل را به طور خصمانه‌تری آموزش دهیم.

🔘 جزئیات بیشتر 👇

https://onlinebme.com/adversarial-training/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

20 June 2024 18:12

✅مفهوم Early Stopping در یادگیری ماشین چیست؟


هما کاشفی امیری
۳۱ خرداد ۱۴۰۳

✍️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 که خطای مجموعه داده‌ی آموزش به طور پیوسته در طول زمان کاهش پیدا می‎‌کند اما خطای مجموعه داده‌ی Validation دوباره افزایش می‌یابد. رویکرد Early Stopping برای جلوگیری از این مسئله پیشنهاد شده است. 

🔘 جزئیات بیشتر 👇

https://onlinebme.com/what-is-early-stopping-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

16 June 2024 13:52

✅ محاسبه چگالی طیفی توان طبق روش Welch
👨‍💻محمد نوری زاده چرلو
🗓21 خرداد 1403

🔺️ چگالی طیفی توان (Power Spectral Density) توزیع توان در بازه‌های فرکانسی را مشخص می‌کند که میتوان با کمک تبدیل فوریه آنرا محاسبه کنیم. از آنجا که PSD اطلاعات زیادی در مورد پدیده‌ای که بررسی می‌کنیم ارائه می‌دهد، استفاده از آن در پردازش سیگنال‌های حیاتی برای تحلیل و استخراج ویژگی بسیار رایج است.
 در این پست موارد زیر را بررسی می‌کنیم:
▪️        آشنایی با مفهوم PSD
▪️        نحوه محاسبه PSD طبق رویکرد Welch
▪️        محاسبه توان طبق قاعده‌ی ذوزنقه‌ای

🔘 جزئیات بیشتر 👇
https://onlinebme.com/power-spectral-density-calculation-using-welch-method/

📌 فایل PDF

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

11 June 2024 23:36

✅ 《دوره پردازش سیگنال ECG》
🔷  فصل 3: استخراج ویژگی
🔘 تمرینات سری پنجم
▪️ Morphological and Temporal Features

@Onlinebme

onlinebme

03 June 2024 20:39

✅دوره پردازش سیگنال ECG
🔷  فصل 2: پیش پردازش
🔘 تمرینات سری چهارم
▪️ تشخیص پیکهای R، استخراج RRI, QRS

@Onlinebme

onlinebme

30 May 2024 16:33

✅تبدیل موجک چیست؟

هما کاشفی امیری
10 خرداد 1403

✍️تبدیل موجک (Wavelet Transform) ابزاری ریاضیاتی است که یک تابع یا سیگنال را به مجموعه توابع پایه ‌ای به نام موجک، تجزیه می‌کند. تبدیل موجک، ابزار قدرتمندی در پردازش سیگنال EEG است؛ با استفاده از آن می‌توان از سیگنال EEG، ویژگی استخراج کرد یا نویز آن را حذف کرد.


#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر

https://onlinebme.com/wavelet-transform/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

23 May 2024 16:50

✅شبکه‌های عمیق در نقش‌های مختلف در تحلیل سیگنال EEG

هما کاشفی امیری
3 خرداد 1403

✍️اگر تابحال مقالات مربوط به کاربرد شبکه‌های عمیق در پردازش انواع مختلف سیگنال EEG را بررسی کرده باشید، احتمالاً متوجه شده‌اید که بسته به کاربرد و عملکرد مناسب مدل، شبکه‌های عمیق در نقش‌های مختلفی ظاهر شده‌اند. برای مثال در برخی از مقالات از شبکه‌های عمیق به عنوان استخراج کننده ویژگی استفاده شده است و در برخی دیگر، نقش کاهش دهنده ی ابعاد را بازی کرده‌اند. در برخی از مقالات هم کل مراحل توسط شبکه عمیق انجام شده و هیچ مرحله پیش پردازش یا استخراج ویژگی وجود ندارد (End to End Learning). در این مقاله، به این موارد می‌پردازیم و اینکه کدامیک از شبکه‌ها برای هر یک از این عملیات مناسب هستند.


#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/different-roles-of-deep-learning-networks-in-eeg-signal-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

20 May 2024 17:45

☑️ معرفی تابع dir متلب (خواندن فایلها با اسم های مختلف)

محمد نوری زاده چرلو
31 اردیبهشت 1403

✍ احتمالا شما هم موقع خواندن فایلها با اسمهای مختلف در متلب، مخصوصا اگر اسم فایلها الگوی مشترکی نداشته باشند، به مشکل خورده اید. همانند ماژول glob پایتون، متلب تابعی به اسم dir داره که این کار رو براتون راحت میکنه و اسم فایلها رو به صورت لیست به شما میده و شما راحت میتونید فایلها رو بخونید. تو این ویدیو کار با تابع dir متلب را توضیح داده ایم

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/matlab-dir-function/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

onlinebme

11 May 2024 16:30

✅ دوره پردازش سیگنال ECG
🔷  فصل 1-2: پیش پردازش
🔘 تمرینات سری اول
▪️ خواندن داده به فرمتهای مختلف

@Onlinebme

onlinebme

08 May 2024 21:45

#بازوی_مصنوعی
@Onlinebme