Onlinebme
✅ مطالعه جدید ما در زمینه BCI مبتنی بر SSVEP Title: “A Comprehensive Study of Template-Based Frequency Detection Methods in SSVEP-Based Brain–Computer Interfaces. Journal: Behavior Research Methods. Authors: Mohammad Norizadeh Cherloo; Homa Kashefi…
در این مطالعه ما روشهای مبتنی بر الگو (template-based) جهت تشخیص فرکانس SSVEP رو بررسی کردیم که شامل 19 روش هست که به چهار دسته (CCA, MSI, CORRCA, TRCA) گروه بندی شده اند.
☑️ مطالعات زیادی روی BCI مبتنی بر SSVEP ارائه شده است، اما مطالعه ای جامعی که همه روشها رو به صورت یکجا تحلیل و مقایسه انجام بدهد وجود نداشت که ما سعی کردیم در این مطالعه روشهای مهم رو مورد بررسی قرار دهیم و برای هر کدام کدی بنویسیم و در شرایط یکسان روشهارو باهم مقایسه کنیم تا با مزایا و معایب روشها آشنا شویم.
💡نتیجه این مقایسات باعث شد به 4 نکته اکتشافی برسیم که در طراحی سیستمهای BCI مبتنی بر SSVEP، جهت رسیدن به عملکرد بهینه بسیار ضروری هستند.
نکته 1: استفاده از فیلتر بانک جهت به کار گرفتن موثر اطلاعات هارمونیکها بسیار مهم است.
نکته 2: استفاده از داده آموزشی در جهت ساخت سیگنالهای مرجع
نکته 3: استفاده از فیلترهای سایر محرکها در استخراج ویژگی
نکته 4: استفاده از داده های آموزشی جهت محاسبه فیلترها به جای داده تست
🌀لینک دسترسی به کدهای پیاده سازی شده در گیت هاب:
GitHub: https://github.com/Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox
⭕️جزییات بیشتر در وبسایت 👇
https://onlinebme.com/ssvep-toolbox-matlab-implementation-of-ssvep-frequency-detection-methods/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
☑️ مطالعات زیادی روی BCI مبتنی بر SSVEP ارائه شده است، اما مطالعه ای جامعی که همه روشها رو به صورت یکجا تحلیل و مقایسه انجام بدهد وجود نداشت که ما سعی کردیم در این مطالعه روشهای مهم رو مورد بررسی قرار دهیم و برای هر کدام کدی بنویسیم و در شرایط یکسان روشهارو باهم مقایسه کنیم تا با مزایا و معایب روشها آشنا شویم.
💡نتیجه این مقایسات باعث شد به 4 نکته اکتشافی برسیم که در طراحی سیستمهای BCI مبتنی بر SSVEP، جهت رسیدن به عملکرد بهینه بسیار ضروری هستند.
نکته 1: استفاده از فیلتر بانک جهت به کار گرفتن موثر اطلاعات هارمونیکها بسیار مهم است.
نکته 2: استفاده از داده آموزشی در جهت ساخت سیگنالهای مرجع
نکته 3: استفاده از فیلترهای سایر محرکها در استخراج ویژگی
نکته 4: استفاده از داده های آموزشی جهت محاسبه فیلترها به جای داده تست
🌀لینک دسترسی به کدهای پیاده سازی شده در گیت هاب:
GitHub: https://github.com/Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox
⭕️جزییات بیشتر در وبسایت 👇
https://onlinebme.com/ssvep-toolbox-matlab-implementation-of-ssvep-frequency-detection-methods/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
GitHub
GitHub - Mohammad-Norizadeh-Cherloo/SSVEP-Toolbox: The first study to review and benchmark 19 template-based SSVEP detection methods…
The first study to review and benchmark 19 template-based SSVEP detection methods (CCA, MSI, TRCA, CORRCA), providing clear denoscriptions, flowcharts, MATLAB code, and 4 key findings essential for d...
❤5👍5
Onlinebme
Python-Challenge-week06.pdf
سلام، امیدوارم حالتون خوب باشه.
به خاطر شرایطی که در کشور پیش اومد متاسفانه نشد به صورت منظم تمرینات رو پیش برد.
برای جبران این مسئله، تمرینات سه بخش آخر این هفته یکجا در کانال بارگزاری خواهند شد.
موفق باشید 💐 🙏
محمد نوری زاده چرلو
به خاطر شرایطی که در کشور پیش اومد متاسفانه نشد به صورت منظم تمرینات رو پیش برد.
برای جبران این مسئله، تمرینات سه بخش آخر این هفته یکجا در کانال بارگزاری خواهند شد.
موفق باشید 💐 🙏
محمد نوری زاده چرلو
👍6🙏4❤1
Onlinebme
سلام، امیدوارم حالتون خوب باشه. به خاطر شرایطی که در کشور پیش اومد متاسفانه نشد به صورت منظم تمرینات رو پیش برد. برای جبران این مسئله، تمرینات سه بخش آخر این هفته یکجا در کانال بارگزاری خواهند شد. موفق باشید 💐 🙏 محمد نوری زاده چرلو
Python-Challenge-week07-10.pdf
4.8 MB
🔥 چالش 10 هفته ای یادگیری پایتون: هفته 7-10
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته هفتم تا دهم
◾️ تسلط بر پایتورچ، شبکه های عصبی، روشهای بهینهسازی، توابع هزینه
☑️ لطفا، تمرینات رو به صورت فایل زیپ شده ایمیل کنید. بعد از بررسی در همان ایمیل فیدبک لازم داده خواهد شد.
مهلت ارسال: ۱۴ روز (به خاطر حجم زیاد تمرینات)
موفق باشید
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
💡مهارتهای مورد نیاز برای انجام تمرینات و پروژه های هفته هفتم تا دهم
◾️ تسلط بر پایتورچ، شبکه های عصبی، روشهای بهینهسازی، توابع هزینه
☑️ لطفا، تمرینات رو به صورت فایل زیپ شده ایمیل کنید. بعد از بررسی در همان ایمیل فیدبک لازم داده خواهد شد.
مهلت ارسال: ۱۴ روز (به خاطر حجم زیاد تمرینات)
موفق باشید
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
👍3
Forwarded from Onlinebme
Onlinebme-PyTorch-Optimizers.pdf
2.4 MB
☑️ مطالعه مروری روشهای بهینهسازی مبتنی بر گرادیان نزولی
💡روند تکامل گرادیان نزولی
⬛️ مباحثی که در این پست بررسی میکنیم:
▪️ یادگیری در شبکه عصبی
▫️تابع هزینه و نقش آن در یادگیری
▪️فلسفه گرادیان نزولی
▫️ محدودیتهای گرادیان نزولی
▪️نرخ یادگیری متغیر با زمان
▫️گرادیان نزولی با ترم ممنتوم
▪️روش بهینهسازی AdaGrad
▫️روش بهینهسازی RMSprop
▪️روش بهینهسازی AdaDelta
▫️روش بهینهسازی Adam
💡PyTorch
🔘 مطالعه در وبسایت
@Onlinebme
💡روند تکامل گرادیان نزولی
⬛️ مباحثی که در این پست بررسی میکنیم:
▪️ یادگیری در شبکه عصبی
▫️تابع هزینه و نقش آن در یادگیری
▪️فلسفه گرادیان نزولی
▫️ محدودیتهای گرادیان نزولی
▪️نرخ یادگیری متغیر با زمان
▫️گرادیان نزولی با ترم ممنتوم
▪️روش بهینهسازی AdaGrad
▫️روش بهینهسازی RMSprop
▪️روش بهینهسازی AdaDelta
▫️روش بهینهسازی Adam
💡PyTorch
🔘 مطالعه در وبسایت
@Onlinebme
❤5🤩3