برای خلق کردن و رسیدن به #موفقیت واقعی، باید دیوانه بود...👌

استاد لوریس چکناواریان

@onlinebme

❌💢سرفصل پکیج آموزشی دوره‌ی تخصصی پردازش سیگنال EEG مبتنی بر تسک تصور حرکتی💢❌

🔘 واسط مغز و کامپیوتر چیست؟
🔺انواع واسط مغز و کامپیوتر؟
🔺کاربردهای واسط مغز کامپیوتر
🔺واسط مغز و کامپیوتر مبتنی بر EEG
🔺سیگنال EEG
🔺ریتمهای سیگنال EEG مبتنی بر تسک تصور حرکتی
🔺نواحی مرتبط با تصور حرکتی در مغز

🔘 سیگنال در حوزه فرکانس
🔹تفاوت حوزه فرکانس و حوزه زمان
🔹سری فوریه و تبدیل فوریه
🔹مفهوم نرخ نایکوئیست و فرکانس نمونه‌برداری
🔹نحوه طراحی فیلتر در حوزه فرکانس
مفهوم ringing effect
🔹نحوه اعمال فیلتر در حوزه فرکانس
🔹نحوه استخراج ریتم های EEG از سیگنال EEG

🔘معرفی داده EEG مبتنی بر تصور حرکت سایت BCI Competition
🔸مفهوم ترایال

🔘مفهوم source localization
🔹فیلترمکانی CAR(common average reference)
🔹فیلتر مکانی لاپلاسین کوچک(Low laplacian)
🔹فیلتر مکانی لاپلاسین بزرگ(high laplacian)

✅تئوری فیلترهای مکانی مشترک CSP(common special patterns)

🔷 پیاده سازی گام به گام فیلترهای مکانی مشترک CSP(common special patterns)

🔶استخراج ویژگی

🔘کلاسبندی
🔻کلاسبند SVM
🔻کلاسبند KNN
🔻کلاسبند LDA

🔘پارامترهای ارزیابی
🔹accuracy
🔹sensitivity
🔹specificity
🔹confusion matrix

🔘روشهای ارزیابی مدل
🔸The hold out method
🔹k-fold cross validation
🔹 leave one out
🔸random subsampling

❌عیب فیلتر مکانی csp

✅ پیاده سازی الگوریتم بهبود یافته شدهcsp -الگوریتم FBCSP
🔷 انتخاب ویژگی

🔴 تعمیم csp دو کلاسه برای چند کلاسه با استفاده از روش یکی در مقابل همه
🔵تعیمیم CSP دو کلاسه برای چند کلاسه با استفاده از روش یکی در مقابل یکی
✅توضیح داده 4 کلاسه سایت BCI competition
🔴 تعمیم svm دوکلاسه برای چند کلاسه
🔘 نحوه تبدیل فایل gdf به .mat

✅ در این دوره 4 مقاله تخصصی در متلب پیاده سازی می شود و از سه مجموعه داده سایت BCI competition در پیاده سازی پروژه ها استفاده شده است.

✅ پایگاه داده

⃣پایگاه داده اول:
http://www.bbci.de/competition/iv/desc_1.html

⃣پایگاه داده دوم:
http://www.bbci.de/competition/iii/desc_IVa.html

⃣پایگاه داده سوم:
http://www.bbci.de/competition/iv/#dataset2a

جزئیات بیشتر 👇👇👇
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ مقالات پیاده سازی شده در دوره تخصصی پردازش سیگنال eeg مبتنی بر تسک تصور حرکتی

💡همانطور که گفته ایم دوره های آموزشی ما تنها یک ویدیوی آموزشی نیستند. پکیج آموزشی علاوه بر #ویدیوهای_آموزشی، شامل #کدهای_متلب نوشته شده برای پروژه ها، #مقالات پیاده سازی شده، #داده های استفاده شده در دوره ها و #جزوه نوشته شده توسط مدرس دوره نیز است.

💯 در این دوره 4 مقاله پیاده سازی شده و روی 3 داده معروف bci competition اعمال شده اند.

💯از مقالات پیاده سازی شده و پروژه های انجام شده میتوانید در #پروژه‌های_درسی و #پایان_نامه خود استفاده کنید.


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سال نو میلادی مبارک❤
@onlinebme

✅ 8 نکته‌ی اساسی که باید قبل از شروع یادگیری یک زبان برنامه‌نویسی بدانیم👌👌
نویسنده: پریسا ایلون

1- سوالات ساده بپرسید.

2- کد را بفهمید،حفظ نکنید. گوگل می‌تواند این کار را برای شما انجام دهد.

3- صبور باشید: کسی که آهسته و پیوسته حرکت می‌کند برنده است.

4- چیزهایی را بسازید : حتی اگر فقط با متغیرها آشنا شده‌اید.

5- از اصل مطلب دور نشوید: سعی نکنید همه چیزها را یاد بگیرید.

6- ثابت قدم باشید: همیشه حرف زدن راحت‌تر از عمل کردن است.

7- برنامه کلید کار است: اگر یک مساله را نمی‌توانید در ذهنتان حل کنید با کد زدن هم نخواهید توانست.

8- سخن آخر اینکه وقتی کار دشوار است عقب ننشینید.


🔹کسی که می‌پرسد برای پنج دقیقه نادان است و کسی که نمی‌پرسد برای همیشه.

🔹یاد گرفتن هر چیزی زمان‌بر است. عجله کردن شما را در یک سیکل معیوب خواهد انداخت.

🔹دانستن کافی نیست. باید با دانشی که دارید مسائل را به نحو بهتری حل کنید.

🔹 مواظب باشید قبل از اینکه یک زبان برنامه‌نویسی را کامل یاد بگیرید به زبان دیگری پرش نکنید.

🔹بخشی از یک چالش شوید و آن را تا آخر ادامه دهید مثلا جریان کد زدن در صد روز.

🔹اگر می‌خواهید کار بزرگی انجام دهید آن را به بخش‌های کوچکتر تقسیم کنید.

🔹شما باید اول صورت مساله را به طور روشن متوجه شوید و بعد برای حل کردن آن برنامه بریزید و آن برنامه را در قالب کد پیاده کنید.

جزئیات بیشتر👇👇

https://onlinebme.com/how-to-fast-track-learning-any-programming-language-or-framework-as-a-beginner/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

درگذشت هموطنان و مسافران سانحه هواپیمای اوکراینی رو تسلیت عرض می کنیم.
باخبر شدیم 13 نفر از افراد، دانشجویان دانشگاه شریف بودند و برای تعطیلات به ایران اومده بودند...
به خانواده های جان باختگان تسلیت عرض میکنیم...
🖤🖤🖤

🌐مدل #یادگیری_عمیق جدید برای تشخیص عواطف انسانی مبتنی بر سیگنال EEG
نویسنده: پریسا ایلون

✍ پیشرفت های اخیر #یادگیری_ماشین در طراحی روش‌های تشخیص عواطف انسانی کمک کننده بوده است. برخی از این روش‌ها با تحلیل سیگنال #EEG کار می‌کنند. این سیگنال حاصل فعالیت مغز است که از سطح پوست سر ثبت می‌شود.

بسیاری از روش‌های طبقه‌بندی عواطف مبتنی بر EEG که در دهه گذشته معرفی شدند از الگوریتم‌های سنتی یادگیری ماشین مثل مدل SVM استفاده می‌کنند. این روش‌ها نیاز به تعداد نمونه‌های کمتری برای فرایند یادگیری دارند. اخیرا دانشمندان مجموعه داده‌های بسیاری را تهیه کرده‌اند که دارای سیگنال EEG هستند.
جزئیات بیشتر 👇
https://onlinebme.com/deep-eeg-based-emotion-recognition/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

@onlinebme

در این مطلب توضیح داده‌اند که در شرایط بحرانی وقتی جامعه با هجوم اخبار نگران‌کننده یا خشونت‌بار مواجه است چه‌طور می‌توان از کودکان و نوجوانان حمایت کرد و مانع افزایش احساس ترس و ناامنی در آن‌ها شد: https://bit.ly/2uvXcDP

@onlinebme

🌐 و بالاخره، یادگیری ماشین تنظیم بیان ژن را به روشنی توضیح می‌دهد.

✍ در عصر داده‌های بزرگ، #هوش‌مصنوعی برای دانشمندان بسیار کمک کننده بوده است. برای مثال الگوریتم‌های یادگیری ماشین به زیست‌شناسان کمک کرده است بسیاری از مولکول‌های سیگنالینگ سلولی را که در تنظیم بیان ژن درگیر هستند بهتر درک کنند. اما همچنان که الگوریتم‌های جدیدتری برای آنالیز داده‌های بزرگ‌تر به وجود می‌آیند، تفسیر و توضیح این داده‌ها نیز پیچیده‌تر و دشوارتر می‌شود. دو زیست‌شناس به نام‌های Justin B. Kinney و Ammar Tareen استراتژی جدیدی برای طراحی الگوریتم یادگیری ماشین ارائه دادند که خروجی قابل فهم‌تری از آنالیز داده‌ها ایجاد می‌کند.

جزئیات بیشتر 👇
https://onlinebme.com/finally-machine-learning-interprets-gene-regulation-clearly/

#یادگیری_ماشین
#شبکه‌_عصبی
#تنظیم_ژنی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی

@onlinebme