#imageprocessing
دوره پردازش تصویر
@onlinebme

⚠️ننگ XoR بر دامن شبکه‌های عصبی🤖
❄️زمستان هوش مصنوعی❄️

❄️واقعا زمستونی درکار بوده؟ چرا اصلا زمستون شده؟!

✍ از وقتی تورینگ با تعریف از هوش یک جریان تحقیقاتی رو شروع کرد و مفاهیم مثل پرسپترون بیان شد، بودجه‌های تحقیقاتی زیادی سمت دانشگاه‌ها روانه شد ولی از همون اول خیلیا موافق این جریان نبودند. با به وجود اومدن ADALINE و دادن یه فرمول ریاضی جذاب برای شبکه‌های عصبی هیجان زیادی به پا شد.

ولی راستش یه مشکل اساسی وجود داشت. سال ۱۹۶۰ آدالاین شبکه‌ی عصبی یک لایه رو معرفی کرد. خب مشکلش چیه؟! اون زمان شبکه‌های عصبی سعی داشتند گیت‌های منطقی رو یاد بگیرند. یادتون باشه بحث سخت‌افزار و ساخت کامپیوتر‌ها خیلی داغ بوده و اگر شبکه‌های عصبی مفهوم گیت AND رو یاد میگرفتند، میتونستند خیلی مفاهیم رو شبیه‌سازی کنند.

🔔حالا به شکل‌های پست نگاه کنید. شکل اول یک AND رو نمایش میده، با یک شبکه یک لایه، میتونید یک صفحه جدا کننده بسازید و نقاط رو از هم جدا کنید. این شبکه دو تا ورودی و یک خروجی داره. طبعا میتونید چنین خطی رو پیدا کنید و فقط بحث دقت پیدا کردن این صفحه جدا کنندس.

حالا به شکل دیگه که XoR رو نشون میده دقت کنید. اینجا غیر ممکنه با یک صفحه (بخونید خط) یک‌ها رو از صفرها جدا کنید!! یعنی ۲۰ سال تلاش برای ساخت مفهوم هوش با یک XoR به هدر رفت. گزارش و اثبات اینکه شبکه‌ی عصبی از بازسازی توابع غیر خطی مثل XoR عاجزه ننگی شد بر دامن محققان این حوزه. در همین زمان در انگلیس هم منتقدانی در مورد بزرگنمایی تحقیقات این حوزه مقالاتی نوشتند و بودجه تحقیقاتی این حوزه‌ها از سمت دانشگاه‌ها و دولت‌ها به شدت کاهش پیدا کرد.

در واقع زمستان به خاطر کاهش بودجه تحقیقاتی بود! محققین هم که مثل بقیه باید درامد داشته باشن رفتن به سمت مناطق گرمسیری.
این ماجرا تو اومد مفهوم MADALINE و در نهایت دو لایه شدن شبکه‌های عصبی ادامه داشت. پاک کردن ننگ XoR سالها برای محققین این حوزه طول کشید و شبکه‌ی عصبی دو لایه دوباره آبروی رفته این حوزه رو برگردوند.

ولی واقعیت کل قضیه زمستان سرد، نبود پول و انگیزه برای تحقیقات بود. مهم نیست چه قدر شکل و شمایل هوش مصنوعی عوض میشد، محققین روی این حوزه‌ها کار نمیکردن تا یک مفهوم جدید ارائه بدن. پس هر موقع شک کردید که ممکنه برای یک حوزه زمستانی فرا برسه اول ببینید چه کسانی فلوی مالی اون حوزه رو تامین میکنند.
LinkedIn: Ghandi (Data Scientist)

✅مردی که رکورد بیشترین استفاده از واسط مغز-کامپیوتر را دارد

✍در سال 2004  ناتان کوپلند (Nathan Copeland) در یک صانحه تصادف از سینه به پایین فلج شد به طوری که نمیتوانست اندام خود را حس بکند. کوپلند در سال 2014 به تحقیقی که دانشگاه پیتسزبرگ برای بیمارانی که دچار ضایعه نخاعی جدی بودند انجام میداد پیوست. این آزمایش امکان برگرداندن  برخی از تواناهایی که این بیماران از دست داده بودند را توسط واسط مغز و کامپیوتر (BCI) مورد مطالعه قرار میداد. کوپلند بلافاصله در این آزمایش اسم نویسی کرد، اگرچه این کار نیاز به جراحی مغزی داشت و کسی به طور دقیق نمیدانست که این دستگاه چه مدتی کارآمد خواهد بود. "این جمله را امیلی برای WIRED مینویسد: "کوپلند در حال جشن گرفتن هفت سال و سه ماهگی استفاده از این دستگاه است و میگوید که مطمانا  دوباره این کار را انجام خواهد داد."

⭕️جزئیات بیشتر👇
https://onlinebme.com/this-man-set-the-record-for-wearing-a-bci/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سیر تکامل رباتها در یک دهه...
از کجا شروع شده و به کجا میره! هیجان انگیز و شاید ترسناک!

@onlinebme

✅ابزار خانگی تشخیص سرطان سینه برنده جایزه طراحی Dyson انگلستان شد

✍ دستگاهی برای کمک به تشخیص سرطان سینه برنده جایزه معتبر جیمز دایسون بریتانیا شد. هدف Dotplot کمک به زنان برای بررسی خود در خانه است. همچنین ردیابی هر تغییری که در یک برنامه ممکن است به وجود آید را امکان‌پذیر می‌کند.
 
سرطان سینه دومین علت شایع مرگ و میر ناشی از سرطان در بریتانیا است، اما بسیاری از زنان خودآزمایی منظم را انجام نمی‌دهند.
متخصصان پزشکی از این اختراع استقبال کرده اند، اما همچنین آن ها هشدار می‌دهند که این اختراع نمی‌تواند جایگزینی برای مراجعه به پزشک باشد.
کاربران با وارد کردن اندازه و شکل سینه خود و فشار دادن دستگاه دستی بر روی سینه خود، یک نقشه شخصی از نیم تنه خود می‌سازند.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/tool-to-spot-breast-cancer-at-home-wins-uk-dyson-award/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور

⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/course/matlab/
➖➖➖➖➖➖➖➖➖➖➖

⭕️⭕️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت
🌀 https://onlinebme.com/product/neural-networks-package/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)
مدت زمان دوره: 11 ساعت
🌀https://onlinebme.com/product/convolutional-neural-network/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی بازگشتی (RNN)
مدت زمان دوره: 13 ساعت
🌀https://onlinebme.com/product/recurrent-neural-network/

➖➖➖➖➖➖➖➖➖➖➖
دوره های تخصصی و پروژه محور پردازش سیگنال EEG

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت
🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر P300
مدت دوره: 28 ساعت
🌀https://onlinebme.com/product/p300-based-brain-computer-interface-speller/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت
🌀https://onlinebme.com/product/bci_ssvep/

⭕️⭕️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت
🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

⭕️⭕️ پیاده سازی مقاله CSSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 7 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/common-spetio-spectral-patterns

⭕️⭕️ پیاده سازی مقاله RCSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 5 ساعت
🌀 https://onlinebme.com/product/regularized-common-spatial-patterns


⭕️⭕️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی(eeg)
مدت دوره: 8 ساعت
🌀https://onlinebme.com/product/short-time-fourier-transform-and-eeg/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 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

🟣▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

🔵▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی (Ensemble learning)
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️پترن و یادگیری ماشین (فصل 8):خوشه بندی ( clustering)
مدت دوره: 13 ساعت
🌀https://onlinebme.com/product/pattern-season08-clustering/

➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره جامع پردازش تصویر

🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت
🌀https://onlinebme.com/product/image-processing-chapter1

🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/image-prcessing-chapter2

🟠فصل سوم: فیلترهای مکانی
مدت دوره : 15 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/spatial-filters-in-image-processing/

🔵فصل چهارم: عملیات مورفورلوژی
مدت دوره : 6 ساعت
🌀https://onlinebme.com/product/morphological-operations-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سلام خدمت همه همراهان عزیز
این روزها درگیر مسائلی هستیم که همه ما رو متاثر کرده

همه ما ناامیدیم از شرایط
و خشمگین از این همه ناکارآمدی
 
انگیزه ای برای ادامه فعالیت نداریم ولی برای سرپا ماندن لازمه که تحمل کنیم و ادامه بدهیم.
واقعیتش چند وقت هست که مباحث جدیدی رو آماده میکردیم که فصل جدیدی رو کنار هم با دوره های جدید سپری کنیم ولی این اتفاقات همه مارو ناراحت کرده و واقعا انگیزه ای برای کاری نیست
دوست داشتیم با ذوق و شوق بهتون در مورد دوره‌های جدید اطلاع رسانی کنیم ولی چه کنیم که دلمون خونه... درد میکشیم از این همه ظلم و بی کفایتی

این چند مدت وظیفه خود می‌دانستیم که اولویتمان را کارهای دیگر قرار دهیم و همچنان هم اولویت ما مسئله آزادی هست و خواهد بود.
اما به ناچار میخواهیم مجدد فعالیت آموزشي خودمان را ادامه دهیم و امیدواریم این فعالیت ما بنا بر بی تفاوتی بر مسائل تلقی نشه

اعتقاد قلبی بنده این است که یادگیری در هر شرایطی باید ادامه دار باشه و زنده باشه
برای ساختن آیندمون، برای فرادی ایرانمون، برای ایران آزاد
 
قصد داریم چندین دوره حضوری برگزار کنیم و برنامه‌ریزی و اولویت‌بندی دوره ها طبق نظر شما مشخص خواهد شد.
در روزهای آتی چند تا از دوره‌هایی که فعلا میخواهیم برگزار کنیم را خدمتتان اعلام خواهیم کرد.
 
محمد نوری زاده چرلو

✅ فرمت IMRaD در مقاله نویسی

اگر تا الان تجربه‌ی نوشتن یک مقاله رو داشته باشید، احتمالا با این سوال مواجه شده‌اید: IMRaD چیه؟ یا ممکنه استادتون بهتون گفته باشه که حتما متن مقاله رو به فرمت IMRaD بنویسید. وقتی یک مقاله علمی مینویسیم، خیلی مهمه که طبق یک ساختار سازماندهی شده متن رو بنویسیم. فرمت IMRaD یکی از این ساختارهای سازمانی است. IMRaD اختصار چهار کلمه Introduction، Method، Results و Discussion است. IMRaD یک ساختار سازمانی محبوب است که به صورت فزاینده‌ای در ژورنالهای عملی مورد استفاده قرار می‌گیرد. در این پست، میخواهیم با فرمت IMRaD آشنا شویم.
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/what-is-imrad-formt/

📋PDF
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سلام
وقت بخیر
قصد داریم یک دوره آنلاین برای برنامه‌نویسی پایتون داشته باشیم
از مقدماتی تا پیشرفته

دوستانی که تمایل دارند در این دوره آنلاین شرکت کنند میتونند مشخصاتشون رو به آیدی زیر ارسال کنند
@onlinebme_admin

مدرس دوره: محمد نوری زاده چرلو

➕💡دوره برنامه‌نویسی پایتون یک دوره جامعی خواهد بود. تمرینات و مثالهای بسیار زیادی طرح شده اند که و هدف اینه که بعد دوره افراد مهارت لازم برای انجام پروژه‌های تخصصی خود را داشته باشند.

➕اصول برنامه‌نویسی در پایتون
➕کار با ماژول numpy و توابع کلیدی آن
➕کار با ماژول matplotlib

🕙 مدت زمان دوره: حدودا ۴۰ تا ۵۰ ساعت



بعد از تکمیل ظرفیت، زمان‌بندی دقیق طبق نظر شرکت کنندگان مشخص خواهد شد.

از آنجا که یه سری سوالات زیاد مطرح شد، باید بگم که هدف اینه دوستان صفر تا صد برنامه‌نویسی در پایتون رو یاد بگیرند

قصد دارم هفته ای دو جلسه سه ساعته داشته باشیم

حدودا بین دو تا سه ساعت مبحثی آموزش داده خواهد شد
بعدش یک ساعت و یا اگه نیاز شد بیشتر، با بچه ها کار خواهیم کرد

میتونه رفع اشکال باشه و یا حل مثالهای بیشتر جهت یادگیری کامل مباحث
(جلسات رفع اشکال جزء مدت زمان دوره حساب نخواهد شد )
💡در آخر دوره ویدیوی جلسات هم در اختیار شرکت کنندگان قرار خواهد گرفت

🔺دوره عمومی هست. و هیچ پیش نیازی هم نداره. از صفر تا صد رو کنار هم کار خواهیم کرد

هدف اصلیم اینه که تمرین و مثال زیاد کار کنیم تا شرکت کنندگان بعد دوره هیچ مشکلی در برنامه‌نویسی پایتون نداشته باشند

برای همین، بعد هر جلسه یک تا دو ساعت هم جدا کنار هم خواهیم بود تا مثالها رو همه انجام بدهند

علاوه بر مثالها، برای مبحث هر جلسه هم چندین تمرین طرح می‌شود که در طول هفته انجام دهند.

در اول یا آخر جلسات بعدی تمرینات رو خودم یبار انجام خواهد داد.

بعد از امتحانات دوره برگزار خواهد شد

✅ هنر و هوش مصنوعی
✍ما به دلایل متعددی به هنر روی می آوریم: برای بیان عاطفه یا احساس، برای یادآوری رویدادها و احساسات گذشته، برای ارتباط برقرار کردن و برای تحصیل. به طور خلاصه، هنر چیزی است که خلق می‌کنیم تا بدانیم چه کسی هستیم. ارتباطی فراتر از کلمات. می‌توانیم احساسی را به تصویر بکشیم و آن احساس را در دیگری نیز بوجود آوریم و دیدگاه او را تحت تأثیر قرار دهیم. از خلاقیت و احساسات خود کمک می‌گیریم تا اثر هنری خلق کنیم. امروزه، می‌توانیم ابتدا به هوش مصنوعی آموزش دهیم تا هنر ما را درک کند و سپس بتواند اثر هنری خود را خلق کند.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/ai-and-art/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🌀لینک جدید برای دانلود پایگاه داده صرع بن آلمان
❌لینک قبلی وبسایت غیرفعال شده است.
UKB | EEG Data Download
https://www.ukbonn.de/epileptologie/arbeitsgruppen/ag-lehnertz-neurophysik/downloads/

تاثیر نوشتن
جردن پیترسون
LinkedIn: Fatemeh dadashi

@onlinebme

✅شبکه AlexNet: معماری که CNNها را به چالش کشید

✍سال‌ها پیش، ما هنوز از دیتاست‌های کوچکی مثل CIFAR, NORB استفاده می‌کردیم که متشکل از ده‌ها هزار تصویر بودند. این دیتاست‌ها برای مدل‌های یادگیری ماشین مناسب بودند تا تسک‌های تشخیص ساده را یاد بگیرند. با این حال، زندگی واقعی هرگز ساده نیست و متغیرهای بسیار بیشتری نسبت به آنچه در این دیتاست‌های کوچک یافت می‌شود، دارد. در دسترس بودن دیتاست‌های بزرگ مانند ImageNet که از صدها هزار تا میلیون‌ها تصاویر برچسب گذاری شده تشکیل شده‌اند، نیاز به یک مدل یادگیری عمیق بسیار توانمند را افزایش داده است. پس Alexnet معرفی شد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/alexnetn/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

پشت صحنه ی کلیپی که از ربات بوستون چند روز اخیر منتشر شده بود...
@onlinebme

تا تو باشی و اسم اشتباهی نگی😅
#هوش_مصنوعی
@onlinebme

✅ انواع مختلف یادگیری در یادگیری ماشین

با توجه به اینکه تمرکز اصلی حوزه‌ی یادگیری ماشین «یادگیری» است، انواع مختلف یادگیری وجود دارد که باید به عنوان متخصص به آنها مسلط باشیم. برخی از انواع یادگیری، زیرمجموعه‌هایی دارند که شامل انواع مختلف الگوریتم‌هاست مانند «یادگیری با ناظر». برخی دیگر از انواع یادگیری، آنهایی هستند که می‌توانید در پروژه‌های خود استفاده کنید مانند «یادگیری انتقالی». در این پست چندمورد از انواع یادگیری را در حوزه‌ی یادگیری ماشین مورد بررسی قرار می‌دهیم.

|| pdf
⭕️جزئیات بیشتر 👇
https://onlinebme.com/type-of-learning-methods-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme