علاقه‌مندان به این موضوع، برای اطلاعات بیشتر می‌توانند مقالات زیر را در این‎‌باره بخوانند.

1- LLM-Based Agents for Autonomous Cyber Operations

2- The Role of Large Language Models in Next-Generation Information Warfare

3- Autonomous Defense Agents: Countering Zero-Day Exploits using AI

🏆بزرگ‌ترین مسابقه هوش مصنوعی کشور با همکاری بنیاد ملی نخبگان، پست بانک ایران، موسسه خیریه محک و iEEE برگزار می‌شود.

📌جوایز:
۵۰ هزار دلار جایزه نقدی ( هر چالش بیش از یک میلیارد تومان)
🔸امتیاز نخبگی بنیاد ملی نخبگان، امریه سربازی و ...

🔥 تخفیف ویژه : CLB3

💳 امکان پرداخت در ۴ قسط با اسنپ پی
⌛️ تنها ۴۸ ساعت!
🌐 ثبت‌نام و دریافت اطلاعات بیشتر
🔗 اینستاگرام
☎️شماره تماس:91096992-021

🟣جایزه سالانه هوش مصنوعی ایران (iAAA)|
@iaaa_ai

🧠 خلاصه سمینار کاربرد گراف‌ها و یادگیری ماشین در پیش‌بینی و تشخیص آلزایمر

وبیناری که توسط دکتر امیرحسین سبحانی و آقای محمد علی برهمن برگزار شد، به بررسی نحوه استفاده از گراف‌ها (شبکه‌ها) و یادگیری عمیق (Deep Learning)، به ویژه شبکه‌های عصبی گراف (GNN)، برای غلبه بر چالش‌های تشخیص بیماری آلزایمر پرداخت.

1️⃣ درک بیماری آلزایمر و چالش‌های تشخیص سنتی
آلزایمر شایع‌ترین علت زوال عقل است که با کاهش تدریجی توانایی‌های شناختی همراه است.

از نظر پزشکی، این بیماری به دلیل تجمع پروتئین‌های آمیلوئید بتا در اطراف آکسون‌های نورون‌ها ایجاد می‌شود که فرآیند انتقال پیام‌های عصبی را مختل و باعث تحلیل مغز می‌شود.

پزشکی سنتی بر شاخص‌های مستقیمی مانند تصاویر MRI، علائم رفتاری و تست‌های شناختی تکیه می‌کند که اغلب دارای خطای انسانی زیاد هستند و نمی‌توانند الگوهای پنهان و دینامیک‌های پیچیده شبکه‌ای مغز را تحلیل کنند.

2️⃣ مغز به مثابه یک شبکه (گراف)
نکته کلیدی این است که مغز یک ساختار نقطه‌ای نیست، بلکه یک ساختار شبکه‌ای بسیار پیچیده است.

در این مدل‌سازی، نواحی مغز به عنوان گره‌ها (Nodes) و اتصالات فیزیکی و عملکردی بین آن‌ها به عنوان یال‌ها (Edges) در نظر گرفته می‌شوند.

ساختارهای گرافی مغز:

ساختار Small-World (دنیای کوچک): مغز دارای یک ساختار کارآمد است که هم خوشه‌بندی محلی بالا و هم طول مسیرهای گلوبال کوتاه را فراهم می‌کند. در آلزایمر، ساختار Small-World مغز به‌هم می‌ریزد.

شبکه‌های Scale-Free (بدون مقیاس): این شبکه‌ها دارای تعداد کمی هاب (Hubs) با اتصالات بسیار بالا هستند که نقاط حیاتی مغز به شمار می‌روند.

3️⃣ کاربرد شبکه‌های عصبی گراف (GNN) در تشخیص آلزایمر
شبکه‌های GNN مدل‌های یادگیری عمیقی هستند که به‌طور خاص برای کار با داده‌های دارای ساختار گرافی طراحی شده‌اند. این شبکه‌ها برای تحلیل ساختارهای پیچیده مغزی بسیار مناسب‌تر از روش‌های کلاسیک هستند.

فرآیند کار GNN برای آلزایمر:

ساخت گراف: داده‌های پزشکی (MRI، علائم) جمع‌آوری شده و مغز به صورت یک گراف مدل‌سازی می‌شود.

ورودی دادن ویژگی‌ها: ویژگی‌های هر ناحیه مغز (گره) به یک بردار عددی تبدیل می‌شوند. این بردارها در واقع ترجمه ریاضی وضعیت آن ناحیه برای هوش مصنوعی هستند.

یادگیری الگوهای پنهان (انتقال پیام): GNN از گره‌های همسایه اطلاعات می‌گیرد و الگوهای پنهان اتصالی مغز را که با چشم قابل تحلیل نیستند، یاد می‌گیرد.

✅ خروجی و دستاورد شگفت‌انگیز:
شبکه‌های GNN با متمرکز شدن بر تحلیل دینامیک‌های پنهان شبکه‌ای مغز و سنجش نقص در کارایی جهانی و محلی آن، دقت تشخیص را به سطحی جدید می‌رسانند. این رویکرد به هوش مصنوعی قدرت می‌دهد تا:

طبقه‌بندی دقیق: وضعیت مغز را با وضوح بالا در دسته‌های سالم، اختلال شناختی خفیف (MCI) و آلزایمر مشخص کند.

پیش‌بینی زودهنگام: پیشرفت بیماری را پیش‌بینی کرده و سال‌ها قبل از بروز علائم کامل شناختی، شروع آلزایمر را تشخیص دهد؛ امری که راه را برای مداخله درمانی زودهنگام هموار می‌سازد.

💡 واژه‌نامه تخصصی:
آکسون (Axon): شاخه‌های بلند و استوانه‌ای نورون‌ها که پیام‌های عصبی را به سلول‌های دیگر انتقال می‌دهند؛ در مدل GNN معادل یال (Edge) گراف است.

آمیلوئید بتا (Amyloid Beta): پروتئینی که تجمع آن در مغز، عامل شروع بیماری آلزایمر شناخته می‌شود.

شبکه‌های عصبی گراف (GNN): هوش مصنوعی تخصصی که برای تحلیل شبکه‌های پیچیده (مانند شبکه اتصالات مغزی) آموزش داده می‌شود.

ساختار Small-World: ویژگی شبکه‌ای که ارتباط سریع بین نواحی نزدیک و دور را تضمین می‌کند؛ این ساختار در مغز مبتلا به آلزایمر به‌هم می‌ریزد.

هاب (Hub): گره‌هایی در شبکه که تعداد اتصالات بسیار بالایی دارند و نقش مرکزی در انتقال اطلاعات ایفا می‌کنند.

بردار ویژگی: مجموعه‌ای از اعداد که GNN برای توصیف وضعیت یک ناحیه مغز (گره) از آن استفاده می‌کند تا بتواند آن را یاد بگیرد.

فناوری که زندگی می‌بخشد✨
در این مسیر الهام‌بخش، همراه ما باشید.

جامعه هوش مصنوعی دانشگاه سمنان
🆔 @SUAI_Community

رویداد آشنایی با مدل‌های هوش مصنوعی و نحوه کارکرد آن‌ها

📌در این رویداد با انواع مدل‌های هوش مصنوعی، شیوه عملکرد آن‌ها و مسیر یادگیری اصولی برای ورود به دنیای هوش مصنوعی آشنا خواهید شد. این رویداد نقطه شروعی مناسب برای علاقه‌مندانی است که می خواهند درک بهتری از این حوزه پیدا کنند. ( چه برای استفاده عمومی، چه برای ادامه مسیر تخصصی)

این رویداد همچنین به‌عنوان پیش‌نیاز کارگاه‌ها و دوره‌های تخصصی هوش مصنوعی و بینایی ماشین برگزار می‌شود و می‌تواند در تصمیم‌گیری برای ثبت‌نام آن برنامه‌ها بسیار کمک‌کننده باشد.

📅 دوشنبه 24 آذر | 🕓  18 تا 20
♦️این رویداد به‌صورت آنلاین برگزار خواهد شد.

🔸 برای ثبت نام در این رویداد فرم زیر را تکمیل کنید:
[لینک فرم ثبت نام]

🔸 پس از ثبت‌نام، از طریق لینک زیر وارد گروه تلگرام شوید.
[لینک عضویت در گروه]

🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸 
انجمن علمی رباتیک و هوش مصنوعی
انجمن علمی مهندسی کامپیوتر
انجمن علمی علوم کامپیوتر

🔥به مناسبت روز دانشجو🔥

🏆بزرگ‌ترین مسابقه هوش مصنوعی کشور با همکاری بنیاد ملی نخبگان، پست بانک ایران، محک و iEEE برگزار می‌شود.

📌جوایز:
۵۰ هزار دلار جایزه نقدی ( هر چالش بیش از یک میلیارد تومان)
🔸امتیاز نخبگی بنیاد ملی نخبگان، امریه سربازی و ...

🎓 تخفیف روز دانشجو : stu04
💳 امکان پرداخت در ۴ قسط با اسنپ پی
⌛️مهلت تا ۱۸ آذر

🌐 ثبت‌نام و دریافت اطلاعات بیشتر
🔗 اینستاگرام
☎️شماره تماس:91096992-021
📱پشتیبانی تلگرام:09103445843

🟣جایزه سالانه هوش مصنوعی ایران (iAAA)|
@iaaa_ai

🎥 تور سریع AI & ML

✨ آموزش هوش مصنوعی با ابزار هوش مصنوعی؛ یعنی دنیای پیشرو!

با ما همراه باشید 🌐

جامعه هوش مصنوعی دانشگاه سمنان
🆔️ @SUAI_Community

🎥 روند یادگیری مدل XGBoost

🌱 با اضافه شدن هر درخت، مدل اشتباهات قبلیش رو اصلاح می‌کنه و قدم‌به‌قدم به جواب بهینه نزدیک‌تر می‌شه.
دقیقاً همون ایده‌ی boosting که باعث شده XGBoost هم سریع باشه هم دقیق.🚀

📈 این مدل در اصل از چند تا درخت تصمیم ساخته می‌شه، اما این درخت‌ها مستقل از هم نیستن. در XGBoost هر درخت جدید مستقیماً روی کاهش loss مرحله‌ی قبل کار می‌کنه و سعی می‌کنه اشتباهات مدل رو جبران کنه.

🎯 به‌خاطر همین ساختار مرحله‌ای، با اضافه شدن هر درخت مرز بین کلاس‌ها دقیق‌تر می‌شه و خروجی مدل کم‌کم به مقدار بهینه نزدیک‌تر میشه.

🧠 این نوع visualization کمک می‌کنه رفتار مدل‌های Tree-based رو بهتر از صرفاً دیدن عدد accuracy درک کنیم.

جامعه هوش مصنوعی دانشگاه سمنان
🆔️ @SUAI_Community

⏰ بالاخره زمانش رسید!

کمتر از 2 ساعت دیگه رویداد آشنایی با مدل‌های هوش مصنوعی و نحوه کارکرد آن‌ها برگزار میشه 🤖

اگه مدت‌هاست اسم هوش مصنوعی رو می‌شنوی و کنجکاوی بدونی دقیقاً پشت صحنه چه خبره،
یا دلت می‌خواد بدونی این همه مدل و ابزار AI اصلاً چطور کار می‌کنن و از کجا باید شروع کرد،
این جلسه همون نقطه شروع خوبه که خیلیا دنبالش بودن.

قراره خودمونی و ساده:
• یه تصویر درست از دنیای هوش مصنوعی بگیریم
• بفهمیم این مدل‌ها چه کارایی می‌تونن بکنن
• و اگه بخوای جدی‌تر ادامه بدی، مسیرش از کجا می‌گذره 👌

📅 امروز (دوشنبه ۲۴ آذر)
🕕 ۱۸ تا ۲۰ — آنلاین

⚠️ اگه هنوز ثبت‌نام نکردی، الان بهترین فرصته
✅ ثبت‌نام هم کاملاً رایگانه

🔗 لینک ثبت‌نام:
لینک ثبت نام

پس از ثبت‌نام، از طریق لینک زیر وارد گروه تلگرام شوید:
لینک عضویت در گروه

جامعه هوش مصنوعی دانشگاه سمنان
🆔 @SUAI_Community

🎥 یکی از اولین پیاده‌سازی‌های Convolutional Neural Network

پژوهشی از Yann LeCun در سال ۱۹۸۹ برای تشخیص اعداد دست‌نویس. «ایده‌هایی که آن زمان معرفی شدند، امروز ستون فقرات بینایی ماشین و یادگیری عمیق را تشکیل می‌دهند.»


جامعه هوش مصنوعی دانشگاه سمنان
🆔️ @SUAI_Community