TGViewer
Onlinebme Onlinebme @onlinebme · 4.71K subscribers
Post #4068 3.84K
✅شبکه‌های عمیق در نقش‌های مختلف در تحلیل سیگنال EEG

هما کاشفی امیری
3 خرداد 1403

✍️اگر تابحال مقالات مربوط به کاربرد شبکه‌های عمیق در پردازش انواع مختلف سیگنال EEG را بررسی کرده باشید، احتمالاً متوجه شده‌اید که بسته به کاربرد و عملکرد مناسب مدل، شبکه‌های عمیق در نقش‌های مختلفی ظاهر شده‌اند. برای مثال در برخی از مقالات از شبکه‌های عمیق به عنوان استخراج کننده ویژگی استفاده شده است و در برخی دیگر، نقش کاهش دهنده ی ابعاد را بازی کرده‌اند. در برخی از مقالات هم کل مراحل توسط شبکه عمیق انجام شده و هیچ مرحله پیش پردازش یا استخراج ویژگی وجود ندارد (End to End Learning). در این مقاله، به این موارد می‌پردازیم و اینکه کدامیک از شبکه‌ها برای هر یک از این عملیات مناسب هستند.


#Python #EEG #Deep_Learning
🔘 جزئیات بیشتر 👇
https://onlinebme.com/different-roles-of-deep-learning-networks-in-eeg-signal-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 5
More from @onlinebme
  1. Sep 30, 2026Onlinebme Podcast: IDEOMOTOR BCI PikoCast: 01 @Onlinebme
  2. Sep 30, 2026✅ ایده مقاله بر پایه‌ی Ideomotor Theory است؛ یعنی این نگاه که اعمال ما تا حد زیادی بر اساس…
  3. Sep 30, 2026🧠 اگر BCI به‌جای «حرکت»، «نیت» را بخواند چه می‌شود؟ 💡در بیشتر BCIهای حرکتی، تلاش می‌کنیم…
  4. Sep 21, 2026🧠 Neuralink BCI ⁉️ ابهامات و سؤالات مطرح‌شده این لحظه در حوزه واسط مغز-کامپیوتر بسیار زیب…
  5. Sep 20, 2026🧠 صحبت کردن با کمک ذهن | Neuralink 💡 شرکت Neuralink ویدیوی جدیدی منتشر کرده که در آن «تر…
  6. Sep 19, 2026🧠 آیا می‌شود شبکه‌های بسیار عمیق را بدون Backpropagation آموزش داد؟ 💡 یک مقاله جالب با ع…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →