نوشته‌ها

هوش مصنوعی در تشخیص جرایم رانندگی

الگوریتم ­جدید کامپیوتری(براساس هوش مصنوعی) با تحقیق­ات مهندسین در دانشگاه Waterlo توسعه یافته ­است. این الگوریتم می­تواند بطور دقیق حالتی را که در آن رانندگان در حین رانندگی پیام می­دهند و یا یا درگیر کارهای دیگری هستند را تشخیص دهد. این سیستم از دوربین­ ها و هوش­ مصنوعی(AI) برای شناسایی حرکات دست  که در حین رانندگی  با رفتارهای عادی راننده متفاوت است، استفاده می­کند.

Fakhri Karray، استاد دانشگاه مهندسی کامپیوتر و الکترونیک در دانشگاه Waterloo، خاطرنشان کرد که از این اطلاعات میتوان برای بهبود ایمنی رانندگی با هشدار دادن به رانندگان زمانی که در معرض خطر هستند استفاده شوند.

روند رشد این الگوریتم

این الگوریتم در حال پیاده سازی بر روی اتومبیل ها است، علائمِ جدی حواس­ پرتی می­تواند بعنوان معیاری برای راه ­اندازی اقدامات محافظتی بکار گرفته شوند.  این فعالیت، توسعه ­ای بر تحقیق قبلی است که در CPAMI برای شناسایی علائمی از جمله، چشمک زدن مکرر( که با این علامت رانندگان در معرض خطر خوابیدن هستند) انجام شد. موقعیت سر و صورت نیز سرنخ­های مهمی از حواس­ پرتی هستند. درحال حاضر تحقیقات در حال پیشروی است تا چندیدن نوع مختلف از علائم حواس­ پرتی را در یک سیستم منفرد مهیا سازد. پروژ­ه­ ی دیگری در CPAMI درحال بررسی استفاده از سنسورهای برای اندازگیری سیگنال­های فیزیولوژیکی مانند نرخ پلک­ زدن، اندازه­ی  مردمک چشم و تغییرات ضربان قلب  هستند تا بتوانند تعیین کنند که آیا راننده توجه کافی به جاده دارد و یا نه!

 

 

اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

لینک 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