اولین دوره ‏ی جامع تخصصی و عملی بیوالکتریک مهندسی پزشکی در تبریز

معرفی دوره ‏ی جامع تخصصی و عملی بیوالکتریک مهندسی پزشکی

در چند سال اخیر متوجه شدیم که اکثر دوستان بیوالکتریک مهندسی پزشکی مباحث را بطور تئوی بلدند ولی در پیاده‌سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود  و تجزیه و تحلیل کنیم. علاوه بر آموزش نرم افزار متلب مباحث درس شناسایی آماری الگو و داده کاوی، ۵ پروژه عملی از صفر تا صد در متلب پیاده‌سازی می‌شوند و شرکت‌کنندگان با موضوعات مختلفی آشنا می شوند و کار با داده‌های مختلف پزشکی را یاد می‌گیرند.  و به این ترتیب می توانند دید بهتری نسبت به انتخاب موضوع پایان نامه و پروژه های درسی خود داشته باشند.

 یک سری از دوستان غیرمهندسی پزشکی با توجه به عنوان دوره، که  مهندسی پزشکی است دید مناسبی از محتوای دوره ندارند،که باید بگوییم هدف و تمرکز  این  دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است.پروژه‌هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میشود را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.

  این دوره برای اولین بار در ایران برگزار می شود و هدف این است که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی و در انجام پروژه پایان‌نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده‌های مختلف را نیز آموزش می دهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.

نکته: این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!

ویژگی های اصلی دوره ی بیوالکتریک مهندسی پزشکی

یکی از مشخصه های برجسته ی دوره ی جامع تخصصی و عملی بیوالکتریک مهندسی پزشکی این است که برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است تنها دوره ای است که سعی شده تمام مباحث بیوالکتریک مهندسی پزشکی را پوشش دهد!

 

همانطور که گفتیم هدف اصلی از برگزاری دوره این است که مباحث تخصصی بیوالکتریک مهندسی پزشکی را پروژه محور آموزش دهیم تا شرکت‌کنندگان بعد از اتمام دوره، بتوانند پایان‌نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه‌نویسی در متلب، تجزیه و تحلیل داده‌ها نداشته باشند.

 

ادامه مطلب …

اولین دوره ی آموزش شبکه های عصبی در متلب در تبریز

معرفی دوره ی آموزش شبکه های عصبی در متلب

اولین وجه تمایز  دوره ی آموزش شبکه های عصبی در متلب با سایر دوره ها این است که در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نمی‌شود بلکه نحوه‌ی پیاده‎سازی شبکه های عصبی  بطور کامل آموزش داده می­شود. وجه تمایز دیگه این دوره با سایر دوره ها این است که این دوره کاملا پروژه محور بوده و در طول دوره پروژه‌های مختلفی با شبکه های عصبی انجام می‌شود

در این دوره نحوه پیاده‌سازی شبکه های عصبی آموزش داده می شود و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، بهبود شبکه‌ها، شبیه‌سازی مقالات و استفاده از شبکه‌ها در پروژه‌های عملی دچار مشکل نخواهند شد.

در  دوره ی آموزش شبکه های عصبی در متلب  سعی بر این است که تمام مباحث کتاب معروف Siomon Haykin آموزش داده شود. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود.  در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود. علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و  ELMرا طبق مقالات معتبر پیاده‌سازی می­کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.

سر فصل مطالبی که در دوره ی آموزش شبکه های عصبی در متلب ارائه می شود:

۱- آموزش اصول برنامه نویسی در متلب

  • آرایه ها
  • تابع نویسی و برنامه نویسی
  • توابع پرکاربرد متلب
  • نمودارها
  • شرط ها و حلقه‌ها
آموزش متلب در آموزش شبکه های عصبی در متلب

آموزش متلب

 

 

  1. مقدمه ای بر شبکه عصبی
  • نورون بیولوژیکی
  • نورون مصنوعی
  • خواص مغز انسان

 

 

۳- شبکه عصبی پرسترون تک لایه

  • قانون یادگیری پرسپترون
  • قانون یادگیری وینرهاف
  • قانون یادگیری lms
  • گرادیان نزولی

 

شبکه عصبی پرسترون تک لایه در دوره ی آموزش شبکه های عصبی در متلب

شبکه عصبی پرسترون تک لایه

 

 

۴- ماکزیمم احتمال (Maximum Likelihood)

۵- شباهت ماکزیمم شباهت به شبکه عصبی پرسپترون تک لایه

۶- شبکه عصبی آدالاین

۷- شبکه عصبی پرسپترون چندلایه

شبکه عصبی پرسپترون چندلایه در دوره ی  آموزش شبکه های عصبی در متلب

شبکه عصبی پرسپترون چندلایه

۸- شبکه عصبی پرسپترون چند لایه با قانون یادگیری پس انتشارخطا

۹- شبکه عصبی پرسپترون چند لایه با قانون یادگیری دلتا دلتا

۱۰-شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار

۱۱- شبکه عصبی توابع شعاعی پایه (Radial-Basis Function Networks)

شبکه عصبی توابع شعاعی پایه در دوره ی آموزش شبکه های عصبی در متلب

شبکه عصبی توابع شعاعی پایه

 

 

۱۲- شبکه عصبی ELM)Extreme Learning Machine)

 

ELM در دوره ی آموزش شبکه های عصبی در متلب

ELM

 

 

۱۳- شبکه عصبی احتمالی(Probabilistic Neural Networks)

شبکه عصبی احتمالی در دوره ی آموزش شبکه های عصبی در متلب

شبکه عصبی احتمالی

 

۱۴- شبکه‌های عصبی بدون نظارت شده (رقابتی و هبیین – SOM)

 

 SOM در دوره ی آموزش شبکه های عصبی در متلب

SOM

 

۱۵- انجام پروژه‌های عملی با استفاده از شبکه‌های عصبی

 

  • پروژه هایی که در دوره آموزش داده می‌شوند:
  • تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
  • تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
  • تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی ELM(Extreme learning machine)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی احتمالی (PNN)
  • کلاسبندی داده‌های سه کلاسه (داده ی معروف در سایت uci) با استفاده از شبکه‌های عصبی
  • Pnn
  • Elm
  • Rbf
  • MLP(back propagation)
  • MLP(delta delta)
  • MLP(delta bar delat
  • خوشه‌بندی داده با استفاده از شبکه‌های عصبی خودسازمانده با قانون یادگیری رقابتی (som)
som در دوره ی آموزش شبکه های عصبی در متلب

som

 

  • پیاده‌سازی الگوریتم PCA(تجزیه مولفه‌های اساسی) با استفاده از شبکه‌های عصبی خودسازمانده با قانون یادگیری هببین
 PCA در دوره ی آموزش شبکه های عصبی در متلب

PCA

 

  • کلاسبندی داده های دوکلاسه و چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
کلاسبندی داده های دوکلاسه و چندکلاسه در دوره ی آموزش شبکه های عصبی در متلب

کلاسبندی داده های دوکلاسه و چندکلاسه

 

  • تخمین کیفیت شراب با استفاده از شبکه های عصبی(داده معروف سایت UCI)

 

تخمین کیفیت شراب با استفاده از شبکه های عصبی در دوره ی آموزش شبکه های عصبی در متلب

تخمین کیفیت شراب با استفاده از شبکه های عصبی

 

  • پیش بینی نرخ ارز با استفاده از شبکه های عصبی(رگرسیون)
پیش بینی نرخ ارز با استفاده از شبکه های عصبی در دوره ی آموزش شبکه های عصبی در متلب

پیش بینی نرخ ارز با استفاده از شبکه های عصبی

 

  • تشخیص بیماری صرع با استفاده از شبکه های عصبی(کلاس‌بندی)
تشخیص بیماری صرع با استفاده از شبکه های عصبی در دوره ی آموزش شبکه های عصبی در متلب

تشخیص بیماری صرع با استفاده از شبکه های عصبی

 

  • شناسایی سیستم های بیولوژیکی با استفاده از شبکه‌های عصبی(رگرسیون)

 

نکته: با پیاده سازی این پروژه ها در دروه ی آموزش شبکه های عصبی در متلب ، دوستان با مباحث مرتبط با تقسیم داده (روش معمول (۷۰-۳۰) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل‌گذاری داده، تعیین مدل بهینه آشنا می‌شوند.

 

 

  • شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

  • برنامه‌نویسی در محیط متلب
  • پیاده‏ سازی تمامی شبکه­ های عصبی در متلب
  • استفاده از شبکه ‏های عصبی در پروژه ­های کلاسبندی و رگرسیون
  • انجام پروژه‌های عملی با استفاده از شبکه‌های عصبی
  • کاهش بعد و استخراج ویژگی با استفاده از شبکه‌های عصبی
  • حل مسائل کلاسبندی با استفاده از شبکه‌های عصبی
  • حل مسائل پیش‌بینی با استفاده از شبکه‌های عصبی
  • خوشه‌بندی داده‌ها با استفاده از شبکه‌های عصبی

 

در هر جلسه برای دانشجویان تمرین و پروژه تعریف می‌شود و جلسه بعد در ابتدا رفع اشکال می‌شود.

 


 

مدرس : مهندس محمد نوری زاده چرلو فارغ التحصیل کارشناسی ارشد رشته ی مهندسی پزشکی(بیوالکتریک) از دانشگاه علم و صنعت

مدت زمان دوره: ۲۵ ساعت

جهت ثبت ‏نام در دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب، و کسب اطلاعات بیشتر به این لینک مراجعه کنید و یا با شماره ‏ی زیر تماس بگیرید: 

۰۹۳۶۰۳۸۲۶۸۷

جزئیات هر دوره در کانال تلگرام و سایت توضیح داده شده است:

کانال تلگرام:  @IUST_Bioelecteric

 

دومین دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب در تهران

معرفی دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

اولین وجه تمایز  دوره ی پیاده سازی شبکه های عصبی  مصنوعی در متلب با سایر دوره ها این است که در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نمی‌شود بلکه نحوه‌ی پیاده‎سازی شبکه های عصبی  بطور کامل آموزش داده می­شود. وجه تمایز دیگه این دوره با سایر دوره ها این است که این دوره کاملا پروژه محور بوده و در طول دوره پروژه‌های مختلفی با شبکه های عصبی انجام می‌شود

در این دوره نحوه پیاده‌سازی شبکه های عصبی آموزش داده می شود و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، بهبود شبکه‌ها، شبیه‌سازی مقالات و استفاده از شبکه‌ها در پروژه‌های عملی دچار مشکل نخواهند شد.

در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب سعی بر این است که تمام مباحث کتاب معروف Siomon Haykin آموزش داده شود. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود.  در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود. علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و  ELMرا طبق مقالات معتبر پیاده‌سازی می­کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.

سر فصل مطالبی که در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب ارائه می شود:

۱- آموزش اصول برنامه نویسی در متلب

  • آرایه ها
  • تابع نویسی و برنامه نویسی
  • توابع پرکاربرد متلب
  • نمودارها
  • شرط ها و حلقه‌ها
آموزش متلب در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

آموزش متلب

 

 

  1. مقدمه ای بر شبکه عصبی
  • نورون بیولوژیکی
  • نورون مصنوعی
  • خواص مغز انسان

 

 

۳- شبکه عصبی پرسترون تک لایه

  • قانون یادگیری پرسپترون
  • قانون یادگیری وینرهاف
  • قانون یادگیری lms
  • گرادیان نزولی

 

شبکه عصبی پرسترون تک لایه در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

شبکه عصبی پرسترون تک لایه

 

 

۴- ماکزیمم احتمال (Maximum Likelihood)

۵- شباهت ماکزیمم شباهت به شبکه عصبی پرسپترون تک لایه

۶- شبکه عصبی آدالاین

۷- شبکه عصبی پرسپترون چندلایه

شبکه عصبی پرسپترون چندلایه دردوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

شبکه عصبی پرسپترون چندلایه

۸- شبکه عصبی پرسپترون چند لایه با قانون یادگیری پس انتشارخطا

۹- شبکه عصبی پرسپترون چند لایه با قانون یادگیری دلتا دلتا

۱۰-شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار

۱۱- شبکه عصبی توابع شعاعی پایه (Radial-Basis Function Networks)

شبکه عصبی توابع شعاعی پایه در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

شبکه عصبی توابع شعاعی پایه

 

 

۱۲- شبکه عصبی ELM)Extreme Learning Machine)

 

ELM در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

ELM

 

 

۱۳- شبکه عصبی احتمالی(Probabilistic Neural Networks)

شبکه عصبی احتمالی در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

شبکه عصبی احتمالی

 

۱۴- شبکه‌های عصبی بدون نظارت شده (رقابتی و هبیین – SOM)

 

 SOM در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

SOM

 

۱۵- انجام پروژه‌های عملی با استفاده از شبکه‌های عصبی

 

  • پروژه هایی که در دوره آموزش داده می‌شوند:
  • تشخیص سرطان سینه با استفاده از شبکه عصبی آدالاین
  • تشخیص سرطان سینه با استفاده از قانون یادگیری وینرهاف
  • تشخیص سرطان سینه با استفاده از ML(ماکزیمم شباهت)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری پس انتشار خطا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا دلتا
  • تشخیص سرطان سینه با استفاده از شبکه عصبی توابع شعاعی پایه (RBF)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی ELM(Extreme learning machine)
  • تشخیص سرطان سینه با استفاده از شبکه عصبی احتمالی (PNN)
  • کلاسبندی داده‌های سه کلاسه (داده ی معروف در سایت uci) با استفاده از شبکه‌های عصبی
  • Pnn
  • Elm
  • Rbf
  • MLP(back propagation)
  • MLP(delta delta)
  • MLP(delta bar delat
  • خوشه‌بندی داده با استفاده از شبکه‌های عصبی خودسازمانده با قانون یادگیری رقابتی (som)
som در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

som

 

  • پیاده‌سازی الگوریتم PCA(تجزیه مولفه‌های اساسی) با استفاده از شبکه‌های عصبی خودسازمانده با قانون یادگیری هببین
 PCA در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

PCA

 

  • کلاسبندی داده های دوکلاسه و چندکلاسه (توزیع نرمال)، مثال AND، OR، NOT، XOR
کلاسبندی داده های دوکلاسه و چندکلاسه در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

کلاسبندی داده های دوکلاسه و چندکلاسه

 

  • تخمین کیفیت شراب با استفاده از شبکه های عصبی(داده معروف سایت UCI)

 

تخمین کیفیت شراب با استفاده از شبکه های عصبی در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

تخمین کیفیت شراب با استفاده از شبکه های عصبی

 

  • پیش بینی نرخ ارز با استفاده از شبکه های عصبی(رگرسیون)
پیش بینی نرخ ارز با استفاده از شبکه های عصبی در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

پیش بینی نرخ ارز با استفاده از شبکه های عصبی

 

  • تشخیص بیماری صرع با استفاده از شبکه های عصبی(کلاس‌بندی)
تشخیص بیماری صرع با استفاده از شبکه های عصبی در دوره ی پیاده سازی شبکه های عصبی مصنوعی در متلب

تشخیص بیماری صرع با استفاده از شبکه های عصبی

 

  • شناسایی سیستم های بیولوژیکی با استفاده از شبکه‌های عصبی(رگرسیون)

 

نکته: با پیاده سازی این پروژه ها در دروه ی آموزش شبکه های عصبی در متلب ، دوستان با مباحث مرتبط با تقسیم داده (روش معمول (۷۰-۳۰) و k_fold cross validation)، تست و ارزیابی شبکه، لیبل‌گذاری داده، تعیین مدل بهینه آشنا می‌شوند.

 

 

  • شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

  • برنامه‌نویسی در محیط متلب
  • پیاده‏ سازی تمامی شبکه­ های عصبی در متلب
  • استفاده از شبکه ‏های عصبی در پروژه ­های کلاسبندی و رگرسیون
  • انجام پروژه‌های عملی با استفاده از شبکه‌های عصبی
  • کاهش بعد و استخراج ویژگی با استفاده از شبکه‌های عصبی
  • حل مسائل کلاسبندی با استفاده از شبکه‌های عصبی
  • حل مسائل پیش‌بینی با استفاده از شبکه‌های عصبی
  • خوشه‌بندی داده‌ها با استفاده از شبکه‌های عصبی

 

در هر جلسه برای دانشجویان تمرین و پروژه تعریف می‌شود و جلسه بعد در ابتدا رفع اشکال می‌شود.

 


 

مدرس : مهندس محمد نوری زاده چرلو فارغ التحصیل کارشناسی ارشد رشته ی مهندسی پزشکی(بیوالکتریک) از دانشگاه علم و صنعت

مدت زمان دوره: ۲۵ ساعت

جهت ثبت ‏نام در دوره تخصصی پیاده سازی شبکه‌های عصبی در متلب، و کسب اطلاعات بیشتر به این لینک مراجعه کنید و یا با شماره ‏ی زیر تماس بگیرید: 

۰۹۳۶۰۳۸۲۶۸۷

جزئیات هر دوره در کانال تلگرام و سایت توضیح داده شده است:

کانال تلگرام:  @IUST_Bioelecteric

 

اولین دوره ‏ی جامع تخصصی و عملی برای دانشجویان مهندسی پزشکی در مشهد

ویژگی های اصلی دوره

یکی از مشخصه های برجسته ی دوره ی جامع تخصصی و عملی این است که برای اولین بار در ایران برگزار می شود و همانطور که از عنوان دوره مشخص است تنها دوره ای است که سعی شده تمام مباحث مهندسی پزشکی را پوشش دهد!

در این دوره علاوه بر مباحث شناسایی آماری الگو و داده کاوی، چندین پروژه عملی مطابق با مقالات معتبر آموزش داده می شود که دانشجویان با پروژه های مختلفی در حوزه مهندسی پزشکی آشنا شده و بعد از دوره دید بهتری نسبت به مباحث مهندسی پزشکی پیدا می کنند و با آگاهی کامل موضوعات مورد علاقه شان را برای پایان نامه انتخاب کنند.

نکته: این دوره کاملا تخصصی است و مخصوص دانشجویان ارشد و دکتری هست. برای دانشجویان کارشناسی توصیه نمیشود!

 

البته یه سری دوستان غیرمهندسی پزشکی با توجه به عنوان دوره،  مهندسی پزشکی هست دید مناسبی از محتوای دوره ندارند، که باید بگوییم هدف و تمرکز  این  دوره بر روی مباحث درس شناسایی آماری الگو (پترن) و درس داده کاوی است که اساس تمام پروژه های مهندسی در شاخه های مختلف است.

سعی ما براین است که مباحث این دو درس را کامل آموزش دهیم و برای اینکه مطلب ملموس‌تر شوند، الگوریتم‌ها را روی داده های واقعی اعمال می‌کنیم. داده هایی که در این دوره استفاده می شود داده های مرتبط با مهندسی پزشکی است.

بطبع این دوره برای دوستان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها می دهد. پروژه‌هایی که طول دوره آموزش داده می شوند نتیجه چهار سال تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی کردیم پروژه های خوب و بروزی که امروزه در این رشته کار میشود را انتخاب کنیم و براساس مقالات معتبر شبیه سازی کنیم.

 بعد اتمام دوره انتظار داریم دوستان شرکت کننده دید بهتری از پروژه ها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناسی ارشد انتخاب کنند. این دوره برای اولین بار در ایران برگزار می شود و هدف این است که دوستان به طور مناسب آموزش ببینند تا در شبیه سازی مقالات تخصصی در حوزه مهندسی پزشکی و در انجام پروژه پایان‌نامه مشکلی نداشته باشند. در این دوره ما نحوه کار با داده‌های مختلف را نیز آموزش میدهیم و دوستان سختی کار با داده ها را دیگر تجربه نخواهند کرد.

همانطور که گفتیم هدف اصلی از برگزاری دوره این است که مباحث تخصصی را پروژه محور آموزش دهیم تا شرکت‌کنندگان بعد از اتمام دوره، بتوانند پایان‌نامشون رو خودشون انجام دهند و مشکلاتی از قبیل کار با داده، برنامه‌نویسی در متلب، تجزیه و تحلیل داده‌ها نداشته باشند.

 تو این چند سال متوجه شدیم که اکثر دوستان مهندسی پزشکی مباحث را بلدند ولی در پیاده‌سازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند. علاوه بر آموزش مباحث درس شناسایی آماری الگو و داده کاوی، ۵ پروژه عملی از صفر تا صد در متلب پیاده‌سازی می‌شوند و شرکت‌کنندگان با موضوعات مختلفی آشنا شده و کار با داده‌های مختلف پزشکی را یاد می‌گیرند.


ادامه مطلب …

اولین دوره ی عملی شبکه های عصبی در مشهد

 

اولین وجه تمایز این دوره ی  پیاده سازی شبکه های عصبی در نرم افزار متلب  با سایر دوره ها این است که در این دوره نحوه استفاده از توابع آماده متلب آموزش داده نمی‌شود بلکه نحوه‌ی پیاده‎سازی شبکه های عصبی  بطور کامل آموزش داده می­شود.

 

  • در این دوره نحوه پیاده‌سازی شبکه های عصبی آموزش داده می شود و مطمئنا شرکت کنندگان بعد از تمرین و تکرار مطالبی که آموزش داده می‌شود، در پیاده‌سازی شبکه‌ها، بهبود شبکه‌ها، شبیه‌سازی مقالات و استفاده از شبکه‌ها در پروژه‌های عملی دچار مشکل نخواهند شد.

◊ در این دوره سعی بر این است که تمام مباحث کتاب معروف Siomon Haykin آموزش داده شود. کتاب معروف Siomon Haykin، کتابی استاندارد برای یادگیری شبکه‌های عصبی است که در بیشتر دانشگاه‌های داخل و خارج کشور تدریس می‌شود.  در ابتدای هر جلسه، مباحث تئوری کتاب آموزش داده می‌شود و سپس به طور گام به گام در متلب پیاده‌سازی می‌شود.

◊ علاوه بر مباحث کتاب Siomon Haykin ، دو شبکه عصبی معروفPNN و  ELMرا طبق مقالات معتبر پیاده‌سازی می­کنیم که از این طریق شرکت‌کنندگان با پیاده‌سازی مقالات نیز آشنا می‌شوند.

سرفصل مطالبی که در دوره عملی پیاده‌سازی شبکه‌های عصبی در متلب آموزش داده می‌شوند: ادامه مطلب …

اولین دوره‏ ی جامع عملی مهندسی پزشکی – بیوالکتریک در تهران

سر فصل مطالبی که در دوره جامع آموزش داده خواهد شد:

 ۱) آموزش اصول برنامه نویسی در متلب

  • آرایه ها
  •  تابع نویسی و برنامه نویسی
  •   توابع پرکاربرد متلب
  •    نمودارها
  •    شرط ها و حلقه‌ها

 ۲)   آموزش الگوریتم‌های شناسایی الگو

  • روش‌های استخراج ویژگی
  •  روش‌های انتخاب ویژگی
  • روش ­های کلاس‌بندی
  •  روش‌های خوشه‌بندی

۳)   انجام پروژه‌های عملی

پروژه ­های عملی در مورد مباحث زیر انجام خواهد شد: 

  • تشخیص بیماری صرع از روی سیگنالهای EEG
  • سیگنالهای EEG
  • کلاس‌بندی داده های تصوری و حرکتی EEG (واسط مغز و کامپیوتر-BCI)
  • تشخیص بیماری های قلبی با استفاده از سیگنال ECG
  •  Spike sorting با استفاده از دو روش مختلف

     روش اول: تطبیق الگو (Template matching)

       روش دوم: خوشه‌بندی(clustering)

۴)   آموزش شبیه ­سازی مقالات

  • در جلسه­ ی اول پروژه­ایی برای هر شرکت­ کننده بصورت مجزا تعریف می­شود که موضوع این پروژه می­تواند براساس علایق شرکت­ کننده باشد و یا توسط مدرس تعریف شود.
  • در طول دوره، قبل و یا بعد از کلاس به سوالات مربوط به پروژه‌ها پاسخ داده خواهد شد.
  • پروژه‌هایی که در طول دوره انجام می ­شوند براساس مقالات می‌باشند و شرکت کنندگان با نحوه شبیه‌سازی مقالات آشنا می‌شوند و پروژه های خود را گام به گام در طول دوره شبیه‌سازی می‌کنند

 

دستاوردهای اولین دوره 

شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

  • برنامه‌نویسی در محیط متلب
  • پیاده‏ سازی تمامی الگوریتم ­های مربوط به شناسایی الگو
  • پیاده ‏سازی پروژه‌های مرتبط با رابط مغز و کامپیوتر
  • پیاده ‏سازی پروژه‌های مرتبط با علوم اعصاب محاسباتی
  • شبیه‌سازی مقالات مرتبط با رشته مهندسی پزشکی بیوالکتریک

هزینه ثبت نام: ۴۰۰ هزار تومان

محل برگزاری: جهاد دانشگاهی دانشگاه علم و صنعت واقع در نارمک-خیابان ملک‏ لو پلاک ۱۵۸ و یا در آموزشگاهی در حوالی میدان انقلاب

مدت زمان دوره: ۲۵ ساعت(هر هفته یک جلسه ۴ ساعته در روز  پنج شنبه یا جمعه)

مهلت ثبت نام دوره: تا ۴ مرداد

زمان شروع دوره: ۵ مرداد ماه

مدرس: محمد نوری زاده چرلو


جهت پیش ثبت‏ نام و کسب اطلاعات بیشتر با شماره‏ ی زیر تماس بگیرید:

۰۹۳۶۰۳۸۲۶۸۷

از طریق کانال تلگرام و یا سایت  جزئیات مربوط به دوره را دنبال کنید:

کانال تلگرام:  @IUST_Bioelecteric

 

لینک ورود به کانال 

اولین دوره‏ ی عملی پیاده‏ سازی شبکه‌های عصبی در نرم ‏افزار متلب در تهران

دوره ‏ای کاملا متفاوت

سرفصل مطالبی که در اولین دوره­ ی عملی پیاده­ سازی شبکه­ های عصبی آموزش داده خواهند شد عبارتند از: 

 

  • آموزش اصول برنامه نویسی در متلب
  • مقدمه ای بر شبکه عصبی
  • شبکه عصبی پرستورن تک لایه از جمله: 
  • قانون یادگیری پرسپترون
  • قانون یادگیری وینر هاف
  • قانون یادگیری LMS
  • ماکزیمم احتمال (Maximum Likelihood)
  • شبکه عصبی آدالاین
  • شبکه عصبی پرسپترون چندلایه  از جمله: 
  • شبکه عصبی پرسپترون چند لایه با قانون یادگیری پس انتشارخطا
  • شبکه عصبی پرسپترون چند لایه با قانون یادگیری دلتا دلتا
  • شبکه عصبی پرسپترون چندلایه با قانون یادگیری دلتا بار
  • شبکه عصبی پرسپترون چندلایه با قانون یادگیری گوس نیوتن
  • شبکه عصبی پرسپترون چندلایه با قانون یادگیری گوس
  • شبکه عصبی توابع شعاعی پایه (Radial-Basis Function Networks)
  • شبکه عصبی ELM(Extreme Learning Machine)
  • شبکه عصبی احتمالی(Probabilistic Neural Networks)
  • شبکه های عصبی بدون نظارت شده (رقابتی – SOM)

 

  روال کلی آموزش

 

  • در ابتدا هر الگوریتم به صورت تئوری توضیح داده می­شود و سپس به صورت مرحله به مرحله در متلب پیاده‌سازی خواهد شد. بعد از کد نویسی، شبکه مورد نظر را با چند مثال عملی آموزش و تست خواهد شد.
  • در طول دوره چند پروژه عملی با استفاده از شبکه های عصبی انجام خواهند شد.

 

از جمله پروژه هایی که در طول دوره انجام خواهند شد:

  • تشخیص سرطان خوشخیم و بدخیم با استفاده از شبکه های عصبی(کلاس‌بندی)
  • تشخیص بیماری صرع با استفاده از شبکه های عصبی(کلاس‌بندی)
  • شناسایی سیستم های بیولوژیکی با استفاده از شبکه‌های عصبی(رگرسیون)
  • تشخيص دو کلاس شامل الگوهای تصادفی با توزيع گوسين با استفاده از شبکه‌های عصبی(کلاس‌بندی)
  • در جلسه­ ی اول پروژه­ایی برای هر شرکت­ کننده بصورت مجزا تعریف می ­شود که موضوع این پروژه می­تواند براساس علایق شرکت ­کننده باشد و یا توسط مدرس تعریف شود.
  • در طول دوره، قبل و یا بعد از کلاس  به سوالات مربوط به پروژ­ه‌ها پاسخ داده خواهد شد.

 

شرکت‏ کنندگان بعد از اتمام این دوره، قادر خواهند بود به:

  • پیاده ‏سازی تمامی شبکه ­های عصبی در متلب
  • استفاده از شبکه‏ های عصبی در پروژه­ های کلاسبندی و رگرسیون
  • برنامه‌نویسی در محیط متلب

 

مدت زمان دوره: ۲۰ ساعت (هفته ‏ای یک جلسه ‏ی ۴ ساعته – روز پنج‏شنبه و یا جمعه)

محل برگزاری: جهاد دانشگاهی دانشگاه علم و صنعت واقع در نارمک-خیابان ملک‏ لو پلاک ۱۵۸ و یا در آموزشگاهی در حوالی میدان انقلاب

هزینه‏ ی دوره: ۳۰۰هزار تومان

مهلت ثبت ‏نام دوره: تا پایان تیرماه(ظرفیت ثبت ‏نام این دوره محدود است)

مدرس: محمد نوری زاده‏ ی چرلو

 

                                     


 

جهت پیش ثبت ‏نام  با شماره‏ ی زیر تماس بگیرید:

۰۹۳۶۰۳۸۲۶۸۷

از طریق کانال تلگرام زیر جزئیات مربوط به دوره را دنبال کنید:

کانال تلگرام: @IUST_Bioelecteric