رگرسیون خطی

مفهوم رگرسیون خطی

در این ویدوئو فرق رگرسیون خطی و کلاس بندی توضیح داده شده است و راه حل های موجود برای حل معادله ی رگرسیون خطی و همچنین برای درک بهتر موضوع مثالی نیز بیان شده است. در کلاس بندی هدف تفکیک داده های بین دو کلاس بود(داده یا به کلاس یک تعلق داشت و یا دو و در مسائل چندکلاسه داده ممکن بود به کلاس های دیگر تعلق یابد) ولی در رگرسیون مسئله متفاوت است، و یک محدوده ای را تعیین می کنیم و داده به یک فضای پیوسته تعلق می گیرد.

در رگرسیون خطی باید بین ورودی(داده ها) و خروجی یک رابطه ی خطی بیابیم(شیب و عرض از مبدا را بیابیم). اگر داده های را نسبت به خروجی رسم کنیم هدف این است که خطی را پیدا کنیم که کمترین فاصله را نسبت به داده داشته باشد.  برای حل این مسئله ذو روش مطرح می شود.

روش اول: روش حداقل کردن مربعات خطا

یک تابع هزینه تعریف  میشود(برحسب شیب و عرض از مبدا) و برای پیدا کردن خط بهینه از تابع هزینه نسبت به پارامترهای آزاد مشتق میگیریم و مقادیری که بدست می آیند بهینه ترین حالت برای پارامترهای آزاد هستند.

روش دوم: حل میانگین مربعات خطا با استفاده از رابطه ی وینرهاف

ممکن است چندتا ورودی داشته باشیم و یک خروجی داشته باشیم. که این روش برای حل این گونه مسائل است.

جزئیات بیشتر را در این ویدئو می توانید مطالعه کنید

 

 

 

فایل PDF


 

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

دیدگاه و اطلاعاتتان را در مورد این ویدئو در اختیار ما قرار دهید.

 

تشخیص موج QRS

 

در بررسی بیماری های قلبی تشخیص موج QRS اولین و مهمترین مرحله است.
 این ویدیو مراحل تشخیص یک موج را توضیح میدهد.


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

 

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

 

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

 

 

 

آموزش تجزیه مولفه های اساسی (PCA) در متلب

تجزیه مولفه های اساسی PCA

بخش اول
در این بخش مبحث تئوری pca با یک مثال عملی و ساده آموزش داده میشود.

 

در بخش دوم پیاده سازی الگوریتم pca در متلب را آموزش خواهیم داد و سپس جهت این الگوریتم را روی داده های واقعی اعمال می کنیم و نتیجه را بررسی می کنیم.

 

کد و فایل pdf مربوط به این بخش در کانال تلگراممون قرار داده شده است، میتوانید به صورت رایگان از کانال دانلود کنید.


✅ دوستان علاقه مند به برنامه نویسی متلب، پردازش تصویر، پردازش سیگنال ، شبکه های عصبی ، شناسایی آماری الگو (پترن ) به کانال تلگراممون مراجعه کنند.

✅ 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.

 

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

 لینک کانال  

سوالات و دیدگاه خود را درباره ی این پست با ما درمیان بگذارید

 


 

ناحیه بندی تصاویر با استفاده از ماشین بردار پشتیبان (svm)

در این ویدیو آموزش میدهیم که به چه صورت میتوان  از svm برای ناحیه بندی تصاویر استفاده کرد.

 

  • کد و فایل pdf مربوط به این بخش در کانال تلگراممون قرار داده شده است، میتوانید به صورت رایگان از کانال دانلود کنید.
  • دوستان علاقه مند به برنامه نویسی متلب، پردازش تصویر، پردازش سیگنال، شبکه های عصبی، شناسایی آماری الگو (پترن ) به کانال تلگراممون مراجعه کنند.
  •  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.

 


اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

 لینک کانال  

سوالات و دیدگاه خود را درباره ی این پست با ما درمیان بگذارید

کار با آرایه ها


بخش اول: آرایه های عددی یک بعدی

نحوه ایجاد و آدرس دهی آرایه عددی یک بعدی


 

 

دوستان علاقه مند به برنامه نویسی متلب، پردازش تصویر، پردازش سیگنال ، شبکه های عصبی ، شناسایی_آماری_الگو (پترن ) و همچنین جهت سفارش  پروژه های دانشجویی و صنعتی مهندسی پزشکی بیوالکتریک به کانال تلگرام مراجعه کنید.

ویدیوهای آموزشی رایگان در کانال قرار داده شده اند.

 


                  

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

 لینک کانال  

سوالات و دیدگاه خود را درباره ی این پست با ما درمیان بگذارید