آموزش نحوه کلاسبندی و اصول یک پروژه کلاسبندی

در این ویدیوها هدف این است که به سوالات زیر به صورت مثال عملی در متلب پاسخ داده شود:

 نحوه لیبل گذاری داده های دو کلاس است؟
 چطور یک پروژه  شناسایی الگو انجام دهیم؟!
 پروژه  شناسایی الگو ( پترن) شامل چه مراحلی است؟
 چطور یک مدل برای  کلاسبندی  طراحی کنیم؟
 از کجا بدونیم مدل طراحی شده خوب کار می کند یا نه؟!
 نحوه ارزیابی مدل طراحی شده؟!
 نحوه تقسیم داده به دو بخش آموزش و تست؟
 نحوه لیبل گذاری داده های تست و آموزش ؟

 

 پروژه ای که در این ویدیوها آموزش داده شده، یک تسک بسیار ساده ای است و هدف این است که دوستان با انجام یک پروژه کلاسبندی آشنا بشوند.

 

بخش اول:

مفهوم کلاسبندی چیست؟ پروژه شناسایی الگو شامل چه مراحلی است؟!

 

مدرس : محمد نوری زاده چرلو(مدرس دوره های شبکه عصبی و دوره ی جامع مهندسی پزشکی (جهاد دانشگاهی علم و صنعت تهران))

تمامی ویدیوها در کانال به صورت رایگان قرار داده می شوند و هدف اشتراک اطلاعات برای دوستانی است که فرصت شرکت در دوره های مهندسی پزشکی را ندارند.

بخش های بعدی این ویدئو در کانال تلگرام قرار داده شده است.

ویدیوهای آموزشی بنابه درخواست اعضای گروه آماده میشوند!
در ویدئوهای بعدی به تمامی سوالات در قالب ویدیوی آموزشی پاسخ داده خواهد شد!

 


برای مشاهده ی مطالب علمی و همچنین ویدئوهای آموزشی رایگان درباره، شبکه های عصبی، شناسایی آماری الگو، پردازش سیگنال، پردازش تصاویر پزشکی و …به کانال تلگرام ما مراجعه کنید(سوالات خود را با ادمین کانال در میان بگذارید).

 

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

 

هوش مصنوعی و ظهور آن در سیستم بانکداری

 

در سال­های اخیر، هوش مصنوعی(AI) در صنعت بانکداری بیشتر از موارد دیگر اثرگذار بوده است. AI برای سازمان­دهی عملکردها در بانک بطور فزاینده­ای حیاتی شده است. تصویر زیر  دلایل پذیرش گسترده­ی AI را در بانکداری و خدمات مالی نشان می­دهد.

هوش مصنوعی چندین کاربرد در صنعت بانکداری دارد.

در اینجا پنج کاربرد کلیدی هوش مصنوعی را که انقلابی  در صنعت بانکداری  در ۵ سال آینده ایجاد خواهد کرد را  بیان می­کنیم.

  • تشخیص الگوی AML

سیستم ضد پول­شویی(AML) به مجموعه­ای از روش­ها، قوانین ایجاد شده برای  متوقف ساختن درآمد حاصل از اقدامات غیرقانونی اشاره دارد. در بیشتر موارد، پول­شویان اقدامات خود را از طریق یک سری اقدامات پنهان می­کنند، و اینگونه بنظر می­رسد که پولی که از منابع غیر قانونی و یا منابع  غیراخلاقی می­آید، از منابع قانونی است. بسیاری از بانک­های بزرگ در سرتاسرجهان از سیستم­های مبتنی بر هوش مصنوعی که در برابر الگوهای ضدپول­شویی قوی و هوشمند هستند، استفاده می­کنند. در سالهای آینده، با توجه به نوآوری­های مدام و پیشرفته،  این سیستم­ها دقیق­تر و سریعتر خواهند شد.


ادامه مطلب …

روش اعتبار سنجی k- fold cross validation


 

 

 

در این ویدئو روش های اعتبارسنجی توضیح داده شده است

۱- Model selection

در این روش هدف رسیدن به یک مدل و ساختار بهینه است. برای مثال در شبکه های عصبی، تعداد لایه‌های پنهان و تعداد نورون‌ها در لایه های مختلف، پارامترهای آزادی که کاربر تعیین میکند، را با استفاده از این روش تعیین می کنیم یا در کلاسبند KNN ، تعداد همسایه های نزدیک را تعیین می‌کنیم. 

یکی از روشهای معروفی که استفاده می شود، cross validation  است.

در این روش داده را به سه بخش تقسیم می کنند:

  • داده آموزش
  • داده validation
  • داده تست

در ابتدا یک ساختار توسط کاربر تعیین می شود و با استفاده از داده آموزش کلاسبند را با ساختار تعیین شده آموزش می دهند. سپس با استفاده از داده validation کلاسبند آموزش دیده را تست کرده و پارامترهای ارزیابی (برای مثال دقت کلاسبندی)را به ازای آن ساختار بدست می‌آورند. سپس ساختار دیگری را در نظر می گیرند و مراحل قبل را تکرار می کنند.

به ازای ساختارهای مختلف این عمل انجام می شود و در نهایت ساختاری که بیشترین دقت کلاسبندی را داشته انتخاب می کنند.

در نهایت، داده های آموزش و validation را باهم ترکیب کرده و کلاسبند با ساختار بهینه بدست آمده تست کرده و پارامترهای ارزیابی نهایی را محاسبه میکنند.… برای مشاهده ی ادامه ی این متن به  این بخش از سایت ببینید.

 


اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

 

 

 

روش‌های اعتبارسنجی کلاسبند

۱- Model selection

هدف از این روش اعتبارسنجی، رسیدن به یک مدل و ساختار بهینه است.

برای مثال در شبکه های عصبی، تعداد لایه‌های پنهان، تعداد نورون‌ها در لایه های مختلف و پارامترهای آزاد تعیین شده توسط کاربر؛ با این روش تعیین یا در کلاسبند KNN ، تعداد همسایه های نزدیک را تعیین می‌کنیم.

یکی از روشهای معروفی که استفاده می شود، cross validation  است.

در این روش داده را به سه بخش تقسیم می کنند:

  • داده آموزش
  • داده validation
  • داده تست

در ابتدا یک ساختار توسط کاربر تعیین  و با استفاده از داده آموزش کلاسبند  با ساختار تعیین شده آموزش داده می شود. سپس با استفاده از داده validation کلاسبند آموزش دیده را تست کرده و پارامترهای ارزیابی (برای مثال دقت کلاسبندی)را به ازای آن ساختار بدست می‌آورند. سپس ساختار دیگری را در نظر می گیرند و مراحل قبل را تکرار می کنند. به ازای ساختارهای مختلف این عمل انجام می شود و در نهایت ساختاری که بیشترین دقت کلاسبندی را داشته انتخاب می کنند. در نهایت، داده های آموزش و validation را باهم ترکیب کرده و کلاسبند با ساختار بهینه بدست آمده تست کرده و پارامترهای ارزیابی نهایی را محاسبه میکنند.

ادامه مطلب …

سیستمی جدید برای کنترل ربات ها

طراحی سیستمی جدید برای کنترل ربات ها فقط با استفاده از سیگنال EEG بدون نیاز به نوشتن فرمان و یا فشردن کلید

 

” یک  تیم تحقیقاتی در دانشگاهMITو دانشگاه Boston،یک سیستمی را ایجاد کردند که به فرد اجازه میدهد اشتباهات ربات را بصورت real-timeبا استفاده از سیگنال های مغزی تصحیح کند”. برای اینکه ربات ها کاری که ما میخواهیم انجام دهند را اجرا کنند، نیاز دارند که درکی از کارکرد مغز ما داشته باشند. اغلب آنها را آموزش می دهند تا به زبان انسان نزدیک شوَند، برای مثال به آنها فرمان هایی را برای کارهای مشخص میدهند.

بنظرتان اگه بتوانیم رباتی را ایجاد کنیم که هرکاری که ما فکر میکنیم را انجام دهد چه اتفاقی خواهد افتاد؟ 

 

 

یک تیم تحقیقاتی در آزمایشگاه هوش مصنوعی و علوم کامپیوتر دانشگاه MIT  و به همراه دانشگاه Boston روی همین مسئله کار میکنند و توانستند سیستمی را طراحی کنند که میتواند اشتباهات ربات را  فقط با استفاده از مغز فرد تصحیح کند. درواقع بصورت کاملا real time و بدون نیاز به نوشتن فرمان و یا فشار دادن کلیدی، فقط با استفاده از سیگنالهای EEG به ربات فرمان میدهند که چه کاری را انجام بدهد.

 

 

 

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

 

 

پیش بینی زمان عمر یک فرد با استفاده از هوش مصنوعی(AI)

 هوش مصنوعی در تخمین زمان عمر فرد

محققان از هوش مصنوعی برای تجزیه و تحلیل تصاویر پزشکی قفسه ی سینه ی ۴۸ بیمار استفاده کردند که این آنالیزی که با استفاده از کامپیوتر انجام شد قادر به پیش بینی زمان مرگ بیمارانی است که در بازه ی زمانی پنج سال میمیرند.دقت این پیش بینی ۶۹درصد است. درواقع این اولین مطالعه است که در آن از تصاویر پزشکی و هوش مصنوعی استفاده شده است. بنابراین ارزیابی میزان عمر بیولوژیکی و پیش بینی زمان عمر فرد در آینده ای نه چندان دور توسط پزشکان از طریق تصویربرداری از ارگان های بدن فرد انجام خواهد شد.  بدین ترتیب به جای تمرکز بر روی تشخیص بیماری ها، این سیستم خودکار میتواند نتایج پزشکی را مسیری که پزشکان برای آن آموزش ندیده است،  از طریق دیتای پزشکی پیش بینی کند. 

درنهایت میتوان گفت که این روش جدید، کاربردهای هوش مصنوعی را در آنالیز تصاویر پزشکی هموار خواهد کرد و امیدهایی را برای تشخیص زودهنگام بیماری های جدی ایجاد خواهد کرد.

 

 

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال

 

“طراحی سیستم جدید تشخیص چهره ی برای تلفن های همراه”


“طراحی سیستم جدید تشخیص چهره ی برای تلفن های همراه”

هوش مصنوعی(Artificial Intelligence) تکنیکی است که بیشتر شرکت های بزرگ جهان در حوزه ی IT از آن برای تشخیص چهره استفاده میکنند.بدلیل اینکه این تکنیک بیشتر بر روی حالت نرم افزاری تمرکز کرده است، در عمل سرعت پایینی دارند و برای استفاده در تلفن های همراه مناسب نیستند.به همین دلیل تراشه جدید بنامCNNP)convolutional neural network Processor)  طراحی شده است که الگوریتم های AIرا با استفاده از سیستم K-Eye که یک سیستم تشخیص چهره است با سرعت بالایی انجام می دهد.

 

 

برای مشاهده ی مطالب علمی و همچنین ویدئوهای آموزشی رایگان درباره، شبکه های عصبی، شناسایی آماری الگو، پردازش سیگنال، پردازش تصاویر پزشکی و …به کانال تلگرام ما مراجعه کنید.

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک کانال