توضیح پست فوق💐💐💐💐💐
کلاس بندی بیزی (Bayesian classification)
در این فایل می آموزسم:
1-ایجاد داده های شبیه سازی برای کلاس بندی
2-تئوری قضیه بیز
3-روش محاسبه ی مرز کلاسها با قاعده ی بیز و فرض گوسی بودن توزیع داده ها + کد متلب + نمودارها
4- مقایسه با کلاس بندی نزدیک ترین همسایه (knn)
5- کاهش نمونه های آموزشی به دو روش هرس ویلسون و condensing برای افزایش سرعت یادگیری (train)
🌸🌸🌸🌸
@easy_matlab

تجزیه ی سیگنال EEG به مولفه های اصلی. این نمودار به وسیله ی کتابخانه ی EEGLAB در متلب ایجاد شده است.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

🌸🌸👆👆👆شکل فوق خروجی روش ICA یا تجزیه ی مولفه های مستقل برای سیگنالهای مغزی EEG در حین یک آزمایش (task) مربوط به توجه کردن (attention) در افراد سالم بوده است. در نمودار های فوق موسوم به scalp maps مقدار فعالیت (activity) هر ناحیه با رنگ تعیین می شود. رنگهای داغتر (به سمت قرمز) یعنی فعالیت بیشتر در آن ناحیه. لذا مثلا در نقشه ی سر شماره 1 که فعالیت در ناحیه ی چشم بیشتر است، شاید بتوان استنتاج کرد که این component بیانگر eye blink artifact ،یا در اثر پلک زدن، بوده است که به خوبی با روش ICA جدا شده است.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

نمودارهای ۳ بعدی فعالیت نواحی مختلف در مولفه های EEG
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

طیف توان یا در واقع انرژی هر فرکانس برای مولفه ی اول ICA
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

👆👆👆👆با استفاده از ابزارهایی که EEGLAB در اختیار ما می گذارد می توانیم فرضیه ی این که آیا مولفه ی اول مربوط به اثر پلک زدن بوده است را بسنجیم. چنانکه در شکل فوق ملاحظه می فرمایید نمودار طیف نرم و کاهشی است. این مشخصه ی اثر (artifact) پلک زدن است.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

برای مقایسه در زیر. همین پنجره برای مولفه ی سوم مشاهده می شود. می بینیم که طیف در ۱۰ هرتز یک قله (peak) دارد و نرم نیست.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab
👇👇👇👇

طیف توان مولفه ی مستقل سوم در سیگنال EEG
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

نکته: ممکن است یک مولفه مربوط به حرکات چشم (eye movement) باشد. نه مربوط به اثر پلک زدن. که این را می توان با توجه به نوع آزمایش (task) و همچنین نمودار طیف توان (تا حدودی) تعیین کرد.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

نمودار کانالهای مولفه های اصلی سیگنال EEG با استفاده از EEGLAB در MATLAB.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

حدف اثر پلک زدن (eye blinking artifact) با استفاده از روش ICA (تجزیه ی مولفه های مستقل). در اینجا ۳۲ کانال EEG برای ۵ ثانیه نمایش داده شده است.
#تدریس_خصوصی_matlab
#تدریس_EEGLAB
@easy_matlab

دنیا، قهرم باهات...

◾️ #مریم_میرزاخانی نابغه‌ی ریاضی جهان،
عضو آکادمی ملی علوم آمریکا و استاد دانشگاه استنفورد به دلیل بیماری سرطان امروز درگذشت.

مستند زندگی او را با زیرنویس فارسی ببینید.
@Easy_Matlab

مکانیزم موسوم به Tourbillon در هنگ کنگ به عنوان وسیله شهربازی.
کانال آموزش MATLAB @easy_matlab

🎆🎆🎆🤖🤖فرض کنید که با بررسی سیگنال مغزی EEG قرار است وجود نوعی بیماری را با پردازش سیگنال برای افراد انجام دهیم. اگر فردی را بیمار تشخیص دهیم، به او دارویی قوی داده خواهد شد. پس زمانی که می خواهیم به روشهای شناسایی آماری الگو (طبقه بندی) برای یک فرد تصمیم گیری کنیم، دو مورد خیلی مهم است، یکی تعداد افراد بیماری که ما به درستی تشخیص داده ایم، دومی تعداد افراد بیماری که به اشتباه گفته ایم بیمار نیست. که این دو کمیت را به ترتیب نرخ true positive و false positive نامیده می شوند. نمودارهای ROC این دو مقدار را به ازای پارامترهای مختلف کلاس بندی به دست می دهند که نمونه ای از آن در زیر در محیط MATLAB محاسبه و رسم شده است.
#تدریس_خصوصی_matlab
@easy_matlab

منحنی ROC برای ارزیابی طبقه بندی (classification) داده ها
@easy_matlab
#pattern
#تدریس_متلب
@easy_matlab

✍️✍️✍️✍️ قابل توجه اعضای محترم کانال👀👀:
کاری جدید از گروه آموزشی Easy_Matlab
آموزش گام به گام انجام یک پروژه ی عملی متلب از 0 تا 100 💪💪💪
در نظر داریم انجام پروژه های عملی را گام به گام در طی چندین آموزش در خدمت دوستان ارائه کنیم.
اولین پروژه، تشخیص باز یا بسته بودن چشم با استفاده از سیگنال EEG خواهد بود🎆🎆🎆🌷🌷
که قدرم به قدم در طی پست های آتی به صورت کامل ارائه خواهد شد.
کانال آموزش متلب @easy_matlab

آموزش پروژه ی عملی تشخیص باز یا بسته بودن چشم با استفاده از سیگنال EEG
session 1 (جلسه ی اول)
آشنایی با داده
جهت دانلود داده برای پروژه های درسهای شناسایی آماری الگو، یادگیری ماشین، علوم اعصاب محاسباتی، مدلسازی سیستم های بیولوژیکی و سایر دروس مشابه، یکی از معتبرترین وبسایتها پایگاه داده ی UCI به نشانی زیر است:
https://archive.ics.uci.edu/ml/datasets.html
در تصویر زیر نمایی از صفحه ی اول آن آمده است:
@easy_matlab

UCA repository database
کانال آموزش متلب @easy_matlab

در این وبسایت انواع داده ها جهت کارهای مختلف مانند پیشبینی، رگرسیون، کلاسبندی، خوشه بندی و ... قرار داده شده است. ما از داده ی EEG به آدس زیر استفاده نموده ایم:
https://archive.ics.uci.edu/ml/datasets/EEG+Eye+State
به این آدرس مراجعه کرده و داده را در یک فایل متنی کپی نموده و در کامپیوتر خود ذخیره نمایید.
پایان جلسه اول😍🌸🌸
کانال آموزش متلب @easy_matlab

🙋🏃‍♀️🏃🏻🏃‍♀️آموزش انجام پروزه عملی🎸🎺🍰🍦🍿
👀👀جلسه ی دوم👧🏻👧🏻👦🏻👦🏻
با توجه به این که داده ها در یک فایل متنی (.txt) هستند، جهت ه=خواندن فایل و وارد کردن داده ها به محیط متلب از دستور importdata استفاده می کنیم. کد در پس بعد آمده و توضیحات در پست بعدی ارائه خواهد شد.
@easy_matlab