آیا میدانستید نوشابه فرزندتان را کوتوله می کند؟
این نوشیدنی
قد را می خورد و مانع جذب کلسیم وسبب پوکی استخوان در شما می شود!!
@IUST_Bioelecteric
این نوشیدنی
قد را می خورد و مانع جذب کلسیم وسبب پوکی استخوان در شما می شود!!
@IUST_Bioelecteric
معرفیِ یک پایگاه داده ی معروف در حوزه ی شناسایی الگو و یادگیری ماشین:
پایگاه داده ی UCI Machin Learning Repository که موسس آن دانشگاه کالیفرنیا در ایرواین است، از معتبرترین پایگاههای داده ی قابل دسترس در اینترنت است که همه می توانند از داده های آن برای آزمودن الگوریتم های خود استفاده کنند. برای آزمودن انواع روشهای کلاس بندی مثل تشخیص بیماری با استفاده از سیگنالهای الکتریکی مغزی، خوشه بندی داده مثل جدا کردن داده های متنی به چند دسته بر اساس ویژگیهای زبانی آنها، پیش بینی سریهای زمانی مثل پیشبنی نرخ ارز از روی مقادیر گذشته ی آن، می توان از داده های قابل دسترس این وبگاه استفاده کرد. این وبگاه در حال حاضر شامل 351 dataset است که به مرور بر تعداد آنها افزوده می شود. برخی داده های آن در صدها مقاله مورد استفاده قرار گرفته اند. شما هم می توانید برای پروژه های درسهای شناسایی آماری الگو، یادگیری ماشین و علوم اعصاب محاسباتی از داده های این وبگاه به نشانی زیر:
https://archive.ics.uci.edu/ml/datasets.html
استفاده نمایید!
@iust_bioelecteric
پایگاه داده ی UCI Machin Learning Repository که موسس آن دانشگاه کالیفرنیا در ایرواین است، از معتبرترین پایگاههای داده ی قابل دسترس در اینترنت است که همه می توانند از داده های آن برای آزمودن الگوریتم های خود استفاده کنند. برای آزمودن انواع روشهای کلاس بندی مثل تشخیص بیماری با استفاده از سیگنالهای الکتریکی مغزی، خوشه بندی داده مثل جدا کردن داده های متنی به چند دسته بر اساس ویژگیهای زبانی آنها، پیش بینی سریهای زمانی مثل پیشبنی نرخ ارز از روی مقادیر گذشته ی آن، می توان از داده های قابل دسترس این وبگاه استفاده کرد. این وبگاه در حال حاضر شامل 351 dataset است که به مرور بر تعداد آنها افزوده می شود. برخی داده های آن در صدها مقاله مورد استفاده قرار گرفته اند. شما هم می توانید برای پروژه های درسهای شناسایی آماری الگو، یادگیری ماشین و علوم اعصاب محاسباتی از داده های این وبگاه به نشانی زیر:
https://archive.ics.uci.edu/ml/datasets.html
استفاده نمایید!
@iust_bioelecteric
video_2016-10-24_17-14-29.mov
3.8 MB
دیرین دیرین با موضوع دوچرخه سواری!
@iust_bioelecteric
@iust_bioelecteric
Onlinebme
@IUST_Bioelecteric
@IUST_Bioelecteric
بدن شما در 30ثانیه چه کارهایی انجام می دهد؟؟!!
بدن شما در 30ثانیه چه کارهایی انجام می دهد؟؟!!
infinite energy.mov
1.2 MB
مخترع ژاپنی توربینی درست کرده که با فقط یکی از اونها میشه انرژی مورد نیاز ژاپن برای ۵۰ سال رو از گردباد تولید کرد.
البته تولید انرژی ممکنه، مشکل ذخیرهسازی اون انرژیه
@iust_bioelecteric
البته تولید انرژی ممکنه، مشکل ذخیرهسازی اون انرژیه
@iust_bioelecteric
آشنایی با سیگنال chirp و تحلیل زمان-فرکانسی:
در یک تابع متناوب سینوسی اگرچه در زمان تغییرات داریم ولی فرکانس این تغییرات ثابت است. حال اگر به جای t در آرگومان تابع توان ۲ آن را به کار ببریم. با گذشت زمان فرکانس تغییرات افزایش می یابد یعنی یک سینوسی با فرکانس افزاینده داری. نمونه ای از سیگناس chirp در تصویر زیر دیده می شود:
@iust_bioelecteric
در یک تابع متناوب سینوسی اگرچه در زمان تغییرات داریم ولی فرکانس این تغییرات ثابت است. حال اگر به جای t در آرگومان تابع توان ۲ آن را به کار ببریم. با گذشت زمان فرکانس تغییرات افزایش می یابد یعنی یک سینوسی با فرکانس افزاینده داری. نمونه ای از سیگناس chirp در تصویر زیر دیده می شود:
@iust_bioelecteric
Audio
در این فیلم صدای سیگنال نشان داده شده در بالا شنیده می شود که به خوبی نشان دهنده ی افزایش فرکانس (تیزتر شدن صدا) است!
@iust_bioelecteric
@iust_bioelecteric
برای اینکه ببینیم تغییرات فرکانس این سیگنال در زمان چگونه است می توان از نمودارهای زمان فرکانسی استفاده کرد. در این نمودارها محور افقی طبق معمول زمان و محور عمودی فرکانس است و رنگ تصویر نشان دهنده ی میزان انرژی سیگنال در آن زمان-فرکانس است. یعنی در یک زمان چقدر از آن فرکانس داریم. مثلا فرکانس ثابت است یا رو به کاهش یا افزایش است. تایع ()spectrogram در متلب می تواند این نمودارها را تولید کند. در تصویر این نمودار را برای سیگنال chirp می بینیم که به خوبی نشان دهنده ی افزایش فرکانس است.
@iust_bioelecteric
@iust_bioelecteric
سیگنال chirp در image processing هم ظاهر می شود. نمونه ای از آن در شکل فوق مشاهده می شود.
@iust_bioelecteric
@iust_bioelecteric
video_2016-10-26_13-00-55.mov
4.5 MB
طریقه ی صحیح تر نشستن در توالت فرنگی!
@iust_bioelecteric
@iust_bioelecteric
هوش مصنوعی: منجی یا قاتل بشر؟
استیون هاوکینگ :کمال هوش مصنوعی یعنی زوال بشر.
علاوه بر هاوکینگ، چهرههایی چون ایلون ماسک و بیل گیتس و استیو ووزنیاک هم پیش و پس از او در مورد پیشرفت هوش مصنوعی هشدار دادهاند. اما تصویر پروفسور هاوکینگ آخرالزمانیتر از همه بود - دنیایی که روباتها به این نتیجه میرسند دیگر نیازی به آدمیزاد ندارند.
هاوکینگ و دیگران میخواستند تلنگری به دنیا بزنند بلکه جهان به خود بیاید و ببیند علم کجا میرود. میخواستند دیگران هم در این بحث به دانشمندان بپیوندند - و دستکم در این هدف دوم موفق بودند.
اخیرا "مرکز آینده هوش" در دانشگاه کمبریج افتتاح شد، مرکزی که راه افتاده تا به پیامدهای هوش مصنوعی بپردازد. پروفسور هاوکینگ هم آنجا بود. میگفت: "خوشحالم که یکی حرف ما را جدی گرفت."
او با زبانی شفاف فرصتها و تهدیدهای تکنولوژی را برشمرد، به بعضی دستاوردهای تازه از جمله در خودروهای بیراننده پرداخت، و البته از آینده گفت.
میگفت: "من معتقدم کاری که مغز میتواند بکند و کاری که یک کامپیوتر میتواند بکند، تفاوت اساسی ندارد. با این فرض، کامپیوترها در تئوری میتوانند هوش انسانی را تقلید کنند و از آن پیشی بگیرند."
به باور پروفسور هاوکینگ، چنین پیشرفتی میتواند بیماری و فقر را از بین ببرد، حتی معضل تغییرات اقلیمی زمین را حل کند. در عین حال میتواند چیزهایی بیافریند که ما دوست نداشته باشیم: سلاحهای خودمختار، بحرانهای اقتصادی، یا ماشینهایی که اراده داشته باشند و جلوی بشر بایستند.
میگفت: "خلاصه کلام اینکه، ظهور هوش مصنوعی میتواند بهترین یا بدترین اتفاق برای بشریت باشد. و ما هنوز نمیدانیم کدام خواهد بود."
مرکز تازهتأسیس دانشگاه کمبریج قرار است محلی باشد برای تحقیق در این باره. به همین یک پرسش پیشپاافتاده پاسخ بدهد کافیست: بالاخره هوش مصنوعی ما را میکشد یا نه.
از شوخی گذشته، مرکز آینده هوش جایی است که فیلسوفها و روانشناسها و وکیلها و متخصصان کامپیوتر برای پاسخ به پرسشهایی عملی گرد هم میآیند.
بهعنوان نمونه - پیش از آنکه به آنجا برسیم که روباتها بخواهند تصمیم بگیرند بشر کلا مازاد است یا نه - باید فکر کنیم ببینیم خودروی بیراننده باید برای حفظ جان سرنشین برنامهریزی شود یا حفظ جان عابر؟
@iust_bioelecteric
استیون هاوکینگ :کمال هوش مصنوعی یعنی زوال بشر.
علاوه بر هاوکینگ، چهرههایی چون ایلون ماسک و بیل گیتس و استیو ووزنیاک هم پیش و پس از او در مورد پیشرفت هوش مصنوعی هشدار دادهاند. اما تصویر پروفسور هاوکینگ آخرالزمانیتر از همه بود - دنیایی که روباتها به این نتیجه میرسند دیگر نیازی به آدمیزاد ندارند.
هاوکینگ و دیگران میخواستند تلنگری به دنیا بزنند بلکه جهان به خود بیاید و ببیند علم کجا میرود. میخواستند دیگران هم در این بحث به دانشمندان بپیوندند - و دستکم در این هدف دوم موفق بودند.
اخیرا "مرکز آینده هوش" در دانشگاه کمبریج افتتاح شد، مرکزی که راه افتاده تا به پیامدهای هوش مصنوعی بپردازد. پروفسور هاوکینگ هم آنجا بود. میگفت: "خوشحالم که یکی حرف ما را جدی گرفت."
او با زبانی شفاف فرصتها و تهدیدهای تکنولوژی را برشمرد، به بعضی دستاوردهای تازه از جمله در خودروهای بیراننده پرداخت، و البته از آینده گفت.
میگفت: "من معتقدم کاری که مغز میتواند بکند و کاری که یک کامپیوتر میتواند بکند، تفاوت اساسی ندارد. با این فرض، کامپیوترها در تئوری میتوانند هوش انسانی را تقلید کنند و از آن پیشی بگیرند."
به باور پروفسور هاوکینگ، چنین پیشرفتی میتواند بیماری و فقر را از بین ببرد، حتی معضل تغییرات اقلیمی زمین را حل کند. در عین حال میتواند چیزهایی بیافریند که ما دوست نداشته باشیم: سلاحهای خودمختار، بحرانهای اقتصادی، یا ماشینهایی که اراده داشته باشند و جلوی بشر بایستند.
میگفت: "خلاصه کلام اینکه، ظهور هوش مصنوعی میتواند بهترین یا بدترین اتفاق برای بشریت باشد. و ما هنوز نمیدانیم کدام خواهد بود."
مرکز تازهتأسیس دانشگاه کمبریج قرار است محلی باشد برای تحقیق در این باره. به همین یک پرسش پیشپاافتاده پاسخ بدهد کافیست: بالاخره هوش مصنوعی ما را میکشد یا نه.
از شوخی گذشته، مرکز آینده هوش جایی است که فیلسوفها و روانشناسها و وکیلها و متخصصان کامپیوتر برای پاسخ به پرسشهایی عملی گرد هم میآیند.
بهعنوان نمونه - پیش از آنکه به آنجا برسیم که روباتها بخواهند تصمیم بگیرند بشر کلا مازاد است یا نه - باید فکر کنیم ببینیم خودروی بیراننده باید برای حفظ جان سرنشین برنامهریزی شود یا حفظ جان عابر؟
@iust_bioelecteric