🔹نتیجه اعمال فیلتر باترورث بالا گذر به سیگنال EEG
@IUST_Bioelecteric

حذف گرایش در رشته مهندسی پزشکی- ورودی های 95
@IUST_Bioelecteric

🔷 برنامه درسی دوره کارشناسی رشته مهندسی پزشکی
⚠️ نسخه بازنگری شده سال 95
@IUST_Bioelecteric

🔷 استفاده از الگوریتمFCM برای خوشه بندی

🔹نتیجه خوشه بندی با استفاده از الگوریتم FCM

@IUST_BIOELECTERIC

زمانی که باطری ماشینتان خالی شده است چه کار کنید؟
@IUST_BIOELECTERIC

🔷تصويرى از اولین لامپ موفق ادیسون
🔹روشن شدن این لامپ در دسامبر سال 1879 میلادی، در یک پارک و در معرض تماشای عموم مردم انجام گرفت

@IUST_Bioelecteric

🔹 چند سرگرمی ساده و با حال😃

@IUST_Bioelecteric

ارسالی از اعضای کانال👌

🔷 کاهش نویز سیگنال ECG

⚠️ نحوه بدست آوردن رزولوشن فرکانسی- تبدیل فوریه- طراحی فیلتر
@IUST_Bioelecteric

🔷 کاهش نویز سیگنال ECG

🔹نحوه بدست آوردن رزولوشن فرکانسی- تبدیل فوریه- طراحی فیلتر
@IUST_Bioelecteric

خطای دید عجیب چشم
(نقاشی سه بعدی)


@IUST_Bioelecteric

🔷 بهبود کیفیت تصویر با استفاده از ترکیب توابع مورفولوژی و آستانه گذار محلی
⚠️ آموزش + کد متلب

⚠️ آموزش گام به گام پردازش تصویر از مقدماتی تا پیشرفته
- سطح مقدماتی

@iust_bioelecteric

🔹تصویر ورودی

@iust_bioelecteric

🔹تصویر خروجی

@iust_bioelecteric

⚠️ آموزش گام به گام پردازش تصویر از مقدماتی تا پیشرفته
- سطح مقدماتی

#image_processing
@iust_bioelecteric

اسکنرهای مغزی نشان داده اند:
مغز تصمیم های خود را 7 ثانیه قبل از این که فـــرد از آنها آگاه شود گرفته است این مسئله شبهه های جدی در مورد مفهوم اختیار و اراده آزاد به وجود آورده است!
@IUST_Bioelecteric

دانستنیهای شگفت انگیز درباره سر انسان

👇👇👇👇👇
@IUST_Bioelecteric

وقتى استرس داريد، هماهنگ با اين دم و بازدم كنيد. حالتون بهتر ميشه 😍✋🏼

@IUST_Bioelecteric

⚠️ غالب اسپری‌های خوش بوکننده هوا قابلیت اشتعال دارند ❗️

👈 مواظب باشید تو ماشینی که اسپری زدید و شیشه هاش بالاست به هیچ وجه فندک روشن نکنید چون آتیش میگیرید 😑
@IUST_Bioelecteric

✅ شبکه عصبی کانولوشن
#deep_learning
#convolutional_neural_networks

@iust_bioelecteric

🔷 شبکه عصبی کانولوشن
🔹 شبکه های عصبی کانولوشن تا حد بسیار زیادی شبیه شبکه های عصبی مصنوعی هستند. این نوع شبکه ها متشکل از نورونهایی با وزنها و بایاسهای قابل یادگیری (تنظیم) هستند. هر نورون تعدادی ورودی دریافت کرده و سپس حاصل ضرب وزنها در ورودی ها را محاسبه کرده و در انتها با استفاده از یک تابع تبدیل(فعال سازی) غیرخطی نتیجه ای را ارائه دهد. کل شبکه همچنان یک تابع امتیاز (Score function) مشتق-پذیر(differentiable) را ارائه می کند، که در یک طرف آن پیکسل های خام تصویر ورودی و در طرف دیگر آن امتیازات مربوط به هر دسته قرار دارد. این نوع شبکه ها هنوز یک تابع هزینه (Loss function) مثل (SVM,Softmax) در لایه آخر تماما مرتبط یا (fully connected) دارند و تمامی نکات مطرحی در مورد شبکه های عصبی معمولی در اینجا هم صادق است.
@iust_bioelecteric
🔹 با توجه به مطالب گفته شده، تفاوت شبکه عصبی کانولوشن با شبکه عصبی مصنوعی در چه چیزی میتواند باشد؟ معماری های شبکه های عصبی کانولوشن بصورت صریح فرض می کنند که ورودی های آنها تصاویر هستند، با این فرض ما می توانیم ویژگی های مشخصی را درون معماری تعبیه (encode) کنیم. با این عمل تابع پیشرو (forward function) را می توان بصورت بهینه تر پیاده سازی کرد و همینطور با این کار میزان پارامترهای شبکه نیز بشدت کاهش پیدا می کند
#deep_learning
#convolutional_neural_networks