روزتون مبارک دانشجویان عزیز❤❤❤

@onlinebme

پنل مهندسی عصبی در نهمین کنگره پایه و بالینی علوم اعصاب

Neural Engineering Plenary Session in 9th Basic and Clinical Neuroscience Congress ZOOM Links :

Hall-1 Join Zoom Meeting
https://lnkd.in/ezFzNSU

Meeting ID: 943 5229 8040
Passcode: 812642 -----------------------------------------------

Hall-2 Join Zoom Meeting
https://lnkd.in/eeWhBVy

Meeting ID: 918 3462 5334
Passcode: 424130


@onlinebme

#یادگیری_ماشین
@onlinebme

رباتهای جنگجوی سامورایی 😅
#هوش_مصنوعی #یادگیری_ماشین
#رباتیک

@onlinebme

✅دستگاه CT-scan بدون محفظه
⭕️در اسکن توموگرافی رایانه ای (اسکن CT یا CAT) از رایانه ها و دستگاه های اشعه ایکس چرخشی برای ایجاد تصاویر مقطعی از بدن استفاده می شود. این تصاویر اطلاعات دقیق تری نسبت به تصاویر اشعه ایکس معمولی ارائه می دهند و می توانند بافت های نرم ، رگ های خونی و استخوان ها را در قسمت های مختلف بدن نشان دهند.
@onlinebme

یلدا مبارک...❤️❤️

@onlinebme

✅ 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


‌⭕️⭕️ فصل اول: مقدمه ای بر یادگیری ماشین و شناسایی الگو

‌⭕️⭕️ فصل دوم: طبقه بندهای پارامتری
‌🔺بیزین
‌🔺توزیع نرمال
‌🔺ماکزیمم شباهت
‌🔺حداقل فاصله اقلیدسی
‌🔺حداقل فاصله ماهالانوبیس

‌⭕️⭕️ فصل سوم: روشها و پارامترهای ارزیابی
‌🔺confusion matrix
‌🔺the hold out method
‌🔺K-fold cross validation
‌🔺leave one out validation
‌🔺 random subsampling validation

‌⭕️⭕️ الگوریتمهای غیر پارامتری
‌🔹 knn
‌🔹wknn
‌🔹knn / wknn in regression

‌🔺slp
‌🔺adaline
‌🔺MLP

‌🔹 Hard-margin SVM
‌🔹 Soft-margin SVM
‌🔹non-linear SVM
‌🔹 linear- SVR
‌🔹 non-linear SVR

‌⭕️⭕️ فصل پنجم: یادگیری جمعی
‌🔹 Voting
‌🔹 Stacking
‌🔹 Bagging
‌🔹 Boosting
‌🔻 KNN ada-boost
‌ 🔺 SLP ada-boost
‌ 🔻 ELM ada-boost
‌ 🔺 LDA ada-boost
‌ 🔻 TREE ada-boost
‌ 🔺 SVM ada-boost

‌⭕️⭕️ فصل ششم: کاهش بعد
‌🔹 PCA
‌🔹 LDA
‌🔻 PCA as a classifier
‌🔺 LDA as a classifier

‌⭕️⭕️ فصل هفتم: انتخاب ویژگی
‌🔹 T-test
‌🔹 Anova
‌🔹 FDR
‌🔹 Mutual information
‌🔹 SFFS

‌⭕️⭕️ فصل هشتم: خوشه بندی
‌🔹 Fcm
‌🔹 K-means
‌🔹 G-means

‌✅در طول دوره علاوه بر آموزش تئوری و پیاده‌سازی روشها ، پروژه های تخصصی زیادی انجام شده است که دوستان میتوانند در پروژه های درسی یا پایان نامه خودشون استفاده کنند👌😊


#یادگیری_ماشین
#شناسایی_الگو
#machinelearing
#pattern_recognition

‌🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

https://www.instagram.com/p/CJPSTRWpFDG/?igshid=si3mdifspwga

✅ 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 1 و 2): طبقه بندهای پارامتری
🌀https://onlinebme.com/product/pattern-parametric-classifiers/

🔵▪️پترن و یادگیری ماشین (فصل 3): روشها و پارامترهای ارزیابی
🌀https://onlinebme.com/product/validation-methods-and-parameters/

🔵▪️پترن و یادگیری ماشین (فصل 4-1): knn
🌀https://onlinebme.com/product/k-nearest-neighbors/

🔵▪️پترن و یادگیری ماشین (فصل 4-2): ماشین بردار پشتیبان و شبکه عصبی
🌀https://onlinebme.com/product/svm/

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

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

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

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


🟠▪️فصل هشتم: خوشه بندی ( clustering)
🌀https://onlinebme.com/product/pattern-season08-clustering/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

‌واسط مغز کامپیوتر مبتنی بر SSVEP

coming soon!🖐
#واسط_مغز_کامپیوتر
#پردازش_سیگنال_مغزی
#یادگیری_ماشین
#SSVEP
#BCI
#EEG
#machinelearing
#brain_computer_interface

@onlinebme
https://www.instagram.com/p/CJRkOPbpmls/?igshid=24rhb7t0woin

✨ سال نو میلادی را به هم‌وطنان مسیحی تبریک می‌گوییم❤️🌹

@onlinebme

نت فریدمن، مدیرعامل #گیت‌هاب خبر داده که بعد کلی تلاش تونستن مجوزی از دولت آمریکا بگیرن که سرویس‌هاشون رو بتونن واسه ایران باز کنن و با این کار دسترسی ایرانیان به این خونه مهم برنامه‌نویسان برمی‌گرده.

@onlinebme

جلسه آخر فردا ضبط میشه
مباحثی به دوره اضافه کردیم و همین باعث شد یه مقدار طولانی بشه
سعی کردیم دوره جامعی رو آماده کنیم و همین باعث طولانی شدن زمان ضبط شده.
از همه دوستان برای تاخیر پیش آمده عذرخواهی میکنیم.
دوره کاملی هست و از رویکردهای مختلفی برای تشخیص فرکانس SSVEP استفاده شده است.
ایشالا دوره ای مفیدی براتون باشه❤️

✅ دوره BCI مبتنی بر SSVEP

✍ دوره واسط مغز- کامپیوتر مبتنی بر SSVEP یک دوره کاملا تخصصی و پروژه محور هست که در آن روشهای تشخیص فرکانس SSVEP از روی سیگنال EEG طبق مقالات تخصصی آموزش داده شده است.

🎁 محتوای پکیج آموزشی
🔺ویدیوهای آموزشی
🔺کتب و مقالات تخصصی مرجع
🔺جزوه دست نویس مدرس
🔺پایگاه داده استفاده شده
🔷 کدهای پیاده سازی شده برای پروژه ها و مقالات تخصصی

⏳ مدت زمان دوره: 33 ساعت

👨‍💻 مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران

⭕️ جزئیات بیشتر👇
https://onlinebme.com/product/bci_ssvep/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ دوره‏‌ی BCI مبتنی بر SSVEP

🔷 دوره واسط مغز- کامپیوتر مبتنی بر SSVEP یک دوره کاملا تخصصی و پروژه محور هست که در آن روشهای تشخیص فرکانس SSVEP از روی سیگنال EEG طبق مقالات تخصصی آموزش داده شده است.

🔶 وقتی به یک محرک بینایی که صفحه نمایشگر این محرک با فرکانس بزرگتر از 6 هرتز روشن خاموش شود، خیره شویم، در نتیجه مغز ما در پاسخ به این محرک بینایی پتانسیلی به نام SSVEP ایجاد می کند که این پتانسیل هم فرکانس با فرکانس محرک بینایی یا هارمونیکهای آن فرکانس خواهد بود.

🔷 پتانسیل برانگیخته بینایی حالت پایدار، SSVEP،  به طور عمده در ناحیه پس سری مغز مشاهده می‌شود و همراه با سایر فعالیتهای مغزی توسط الکترودهای قرار گرفته در سطح پوست سر ثبت می شود.

🔶 روشهای زیادی مطرح شده اند  تا بتوانند با دقت بالاتری از روی سیگنال مغزی فرد تشیخص دهند که فرکانس SSVEP چقدر است تا بتوانند در کاربردهای واسط مغز-کامپیتوری جهت کمک به افراد ناتوان استفاده کنند.

🔷 در BCI مبتنی بر SSVEP فرد تنها با نگاه کردن به محرک های بینایی  میتواند Device (از قبیل ویلچر، بازوی مصنوعی و …) را کنترل کند.

🔶 هدف  اصلی در واسط مغز-کامپیوتر مبتنی بر SSVEP تشخیص فرکانس SSVEP هست یا به عبارتی هدف این است که از روی سیگنال EEG فرد تشخیص دهند که فرد به چه محرک بینایی خیره شده است تا به یک دستور کنترلی تبدیل کرده و Device  مورد نظر را کنترل کنند.

✅ ما در دوره تخصصی و پروژه محور BCI مبتنی بر SSVEP روشهای زیادی را طبق مقالات تخصصی مرحله به مرحله آموزش داده و روی یک پایگاه داده واقعی اعمال کرده ایم.

✅ فقط در فصل دوم این دوره 5 مقاله معتبر تخصصی مرحله به مرحله پیاده سازی شده است که می تونید از اونها در پروژه های درسی و پایان نامه خود استفاده کنید.
در فصل سوم دوره روشهای مبتنی بر یادگیری ماشین جهت تشخیص فرکانس ssvep آموزش داده شده اند و در فصل چهارم رویکرد دو فصل سوم و دوم باهم ترکیب شده اند که باعث افزایش قابل توجه دقت شناسایی شده است.

⭕️ جزئیات بیشتر👇
https://onlinebme.com/product/bci_ssvep/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

⭕️ دوره BCI مبتنی بر SSVEP شامل چهار فصل است که به ترتیب زیر است:

1⃣فصل اول: مقدمه

🔶مقدمه ای بر واسط مغز-کامپیوتر
🔷واسط مغز-کامپیوتر مبتنی بر SSVEP
🔶الکتروانسفالوگرافی و SSVEP
🔷معرفی پایگاه داده و تبدیل آن از فرمت .gdfبه .mat


2⃣ فصل دوم: الگوریتمهای تشخیص فرکانس SSVEP

🔶پیش پردازش سیگنال EEG مبتنی بر SSVEP
🔷پیاده سازی گام به گام الگوریتم تجزیه چگالی طیف توان (PSDA)
🔶پیاده سازی گام به گام الگوریتم تجزیه همبستگی کانونی( CCA)
🔷پیاده سازی گام به گام الگوریتم شاخص همگامی چندمتغیره( MSI)
🔶پیاده سازی گام به گام الگوریتم Fusing CCA
🔷پیاده سازی گام به گام الگوریتم Filter Bank CCA(FBCCA)
 

3⃣ فصل سوم: تشخیص فرکانس ssvep به روشهای مبتنی بر یادگیری ماشین

🔷استخراج ویژگی هدفمند از سیگنال EEG مبتنی بر SSVEP در حوزه فرکانس
🔶طبقه بندی سیگنال EEG بر SSVEP با KNN
🔷طبقه بندی سیگنال EEG بر SSVEP با SVM
🔶طبقه بندی سیگنال EEG بر SSVEP با Decision Tree
انتخاب ویژگی

 

4⃣ فصل چهارم : ترکیب الگوریتم CCA با روشهای مبتنی بر یادگیری ماشین

🔷 نحوه استخراج ویژگی با CCA
🔶 طبقه بندی


⭕️ جزئیات بیشتر👇
https://onlinebme.com/product/bci_ssvep/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme