یادگیری عمیق در پایتون جهت طبقه بندی سیگنال eeg با شبکه های عصبی بازگشتی یا همون rnn

بدون ديدگاه

نمونه پروژه :

دوره ی تخصصی پردازش سیگنال مغزی (EEG)

تنظیم پارامترهای شبکه CNN برای داده های Motor Imagery EEG 

سلام وقت بخیر

شما مسلط به یادگیری عمیق در پایتون جهت طبقه بندی سیگنال eeg با شبکه های عصبی بازگشتی یا همون rnn ها هستید؟

دیتام رو پیش پردازش کامل کردم آماده ی ورود به طبقه بنده, کد طبقه بند رو می خوام به این صورت روی دیتا زده و ارزیابی شود: فقط به جای نود ساده ی rnn می خوام از توابع آماده در مثلا تنسور استفاده نشه، می خوام فقط سلول rnn خودم رو داشته باشم تا بتونم داخل سلول مقدار h قبلی رو تغییر بدم، همه چیز رو از تنسور میشه برای چیزی که من می خوام استفاده کرد جز همون سلول ساده rnn که بخش فوروارد سلول رو بشه بصورت unroll دید و دستکاری کرد
امکانش رو دارید؟

 

دوره ی تخصصی پردازش سیگنال مغزی (EEG)

در این دوره تخصصی تمامی مباحث پایه و کاربردی پردازش سیگنال eeg به صورت مرحله به مرحله آموزش داده شده بر روی سیگنال eeg پیاده سازی شده است.

این دوره کاملا پروژه محور هست و از همان ابتدا وارد بحثهای تخصصی شده و هر مبحثی که آموزش داده میشود، مستقیما روی سیگنال اعمال شده و نتایج به صورت عملی در پروژه ها بررسی می شود.

پروژه های زیادی در این دوره طبقه مقالات تخصصی انجام شده که علاقه مندان به این حوزه، با کمک این پروژه ها و کدهای پیاده سازی شده، به راحتی میتوانند پروژه های تخصصی خود را جهت انجام پروژه پایان نامه و نوشتن مقالات تخصصی خود استفاده کنند و یک کار و خوب با کیفیت ارائه دهند.

تمام موارد مورد نیاز در انجام یک پروژه با کیفیت و تخصصی در این دوره طبق مقالات تخصصی آموزش داده شده است و علاقه مندان میتوانند از کدهای پیاده سازی شده در دوره استفاده کرده و پروژه های تخصصی خودشان را انجام دهند.

در این دوره آموزش داده ایم که چطور میتوان از سیگنال EEG در سه حوزه مختلف زمان، فرکانس و ویولت ویژگی استخراج کرد. هر سه حوزه به طور مفصل بررسی شده و مباحث لازم جهت پردازش سیگنال در سه حوزه آموزش داده شده است. در ادامه ویژگیهای استخراج شده از سیگنال باهم ترکیب کرده ایم و  سپس با کمک روشهای انتخاب ویژگی از بین ویژگیهای استخراج شده، بهترین ویژگیها رانتخاب کرد و از آنها برای طبقه بندی سیگنال EEG استفاده کرده ایم. نتایج بدست آمده نشان میدهند که رویکردهای ارائه شده همانند مقالات معتبر و حتی بهتر از آنها هستند.

در ادامه دوره برای اینکه دوستان بتوانند در پروژه های خودشان دقت کار را بیشتر هم بکنند مباحث انتخاب کانالهای و باندهای فرکانسی بهینه را طبق مقالات تخصصی آموزش داده ایم که نتایج طبقه بندی را به طور قابل توجهی افزایش میدهند.

برای اینکه دوستان کار با داده های مختلف آشنا شوند در این دوره از دو پایگاه داده بسیار معروف استفاده شده است.(داده صرع بن آلمان و تصور حرکتی bci competition)

در این دوره از دو پایگاه داده استفاده شده تا دوستان هم کار با داده های مختلف آشنا شوند و همچنین بتوانند از دانش بدست آمده در دوره حوزه های مختلف استفاده کنند. نتایج بدست آمده در هر دو پایگاه داده نشانگر کیفیت و اهمیت روشهای آموزش داده شده است.

تمام محتوای این دوره طبق تجربه چندین ساله ی آموزشی و پروژه ای خودم از طریق مطالعه و پیاده سازی مقالات تخصصی پردازش سیگنال مغزی(EEG ) آماده شده است و تمامی مباحث بسیار کاربردی و مهم هستند. این دوره رو برای برای همه گروهایی که میخواهند به صورت تخصصی کارهای تحقیقاتی بر روی سیگنال EEG انجام دهند پیشنهاد می شود.

این دوره برای همه دانشجویان علاقه مند به پردازش سیگنال از قبیل پزشکی، روان شناسی، علوم اعصاب، به خصوص مهندسی پزشکی و هوش مصنوعی مناسب است.

نوشتن دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.

19 + 8 =