"آموزش پردازش سیگنال های واقعی در متلب درس ششم: طبقه بندی "

توضیحات:

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvsp9502

در این آموزش تلاش شده است تا با استفاده از داده های واقعی کلیه مراحل پردازش سیگنال در متلب از فراخوانی داده ها گرفته تا پیش پردازش، استخراج ویژگی، حذف ویژگی های نامناسب از لحاظ آماری، طبقه بندی و ارزیابی طبقه بندهای مختلف مورد استفاده قرار گیرد تا دانشجویان به طور کامل کلیه مراحل را فرا گیرند.

در طول آموزش تاکید فراوانی بر چند معضل در این زمینه شده است که هرچند ساده و پیش پا افتاده به نظر می رسند ولی در واقع جزء اساسی ترین مشکلات دانشجویان در حال حاضر هستند. تمرکز ابتدایی این آموزش بر نحوه فراخوانی داده های واقعی با فرمت های مختلف و همچنین ارائه راهکار برای فراخوانی تعداد فایل های زیاد به یک باره در متلب و به صورت اتوماتیک است. آموزش نحوه صحیح ارائه نتایج و شکل ها در پایان نامه ها و مقالات نیز مورد توجه قرار گرفته است و به چندین شکل مختلف بر نحوه های مختلف نشان دادن نتایج و تست کردن راه حل ها تاکید شده است.

امید آن می رود که با توجه به پایه ای بودن بسیاری از مباحث مطرح شده که با هدف برطرف کردن ضعف برنامه نویسی در دانشجویان پایه ریزی شده است، این آموزش سبب افزایش اعتماد به نفس دانشجویان شود و به آنها در انجام تحقیقات خود یاری رساند.



سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: مروری بر مفاهیم پردازش سیگنال دیجیتال
بررسی اجزای مختلف بلوک دیاگرام کلی مربوط به پردازش سیگنال دیجیتال
ارائه تعاریف مقدماتی
اشاره به برخی کاربردهای پردازش سیگنال در علوم مختلف
درس دوم: فراخوانی انواع مختلف داده های واقعی در متلب
ارائه چند مثال عملی از سیگنال های صوتی، ارتعاشاتی و بیولوژیکی با پسوندهای مختلف نظیر dat, xls, csv, txt, wav, mat
چگونگی فراخوانی اتوماتیک داده های جمع آوری شده توسط دانشجو و تبدیل آنها به یک مجموعه واحد
درس سوم: پیش پردازش سیگنال
کاهش فرکانس نمونه برداری
بررسی روش های حذف انواع آرتیفکت و نویز از سیگنال ها
معرفی فیلتر ساویتزکی گولای
درس چهارم: استخراج ویژگی از سیگنال های واقعی
بررسی روش های مختلف پنجره بندی سیگنال
استفاده از دو مثال عملی از سیگنال های بیولوژیک قابل بسط به سایر حوزه ها
معرفی و استخراج ویژگی های آماری از سیگنال
تبدیل فوریه و کاربرد آن در استخراج ویژگی های فرکانسی
استفاده از تبدیل ویولت برای استخراج ویژگی از سیگنال های ناپایا (Non-Stationary)
استخراج ویژگی آنتروپی شانون از سیگنال به عنوان یک ویژگی غیرخطی
معرفی برخی ویژگی های مورفولوژیک مربوط به انواع سیگنال های حیاتی
درس پنجم: حذف ویژگی های فاقد سطح معناداری آماری مناسب
اشاره به برخی روش های حذف و انتخاب ویژگی
معرفی شاخص سطح معناداری آماری
به دست آوردن p-value با استفاده از آزمون t و استفاده از آن در حذف برخی ویژگی ها
درس ششم: طبقه بندی
بررسی یک نمونه داده معتبر در زمینه سرطان سینه
طراحی یک شبکه عصبی MLP و مروری بر جزئیات آن برای طبقه بندی داده ها
معرفی و پیاده سازی عملی روش های ارزیابی کیفیت طبقه بندها نظیر صحت، حساسیت و اختصاصی بودن
استفاده از ماشین بردار پشتیبان SVM جهت طبقه بندی داده ها
معرفی روشی برای پیاده سازی عملی ماشین بردار پشتیبان SVM برای داده های چند کلاسه در متلب
استفاده از طبقه بند k نزدیک ترین همسایه برای طبقه بندی داده های سرطان سینه
استفاده از کلیه طبقه بندهای معرفی شده (ANN, SVM, KNN) برای طبقه بندی داده های مربوط به درس های سوم و چهارم


مدرس: مهندس کمال جعفریان دهکردی

کلمات کلیدی:
دانلود فرادرس آموزشی رایگان,دانلود فیلم آموزشی رایگان,دانلود جزوه تصویری آموزشی,دانلود کتاب تصویری آموزشی,آموزش غیر حضوری و الکترونیکی,دوره آموزشی تخصصی،Artifact Removal, Audio Processing, Biological Signals, Classification, csv, dat, Digital Signal Processing, down sampling, ECG Base-Line Wandering, Feature Extraction, Feature Selection, Fourier Transform, Frequency Analysis, k-Nearest Neighbors, mat, Neural NetworkSupport Vector Machine, Noise Rejection, Nonlinear Features, Nonstationary Signals, p-value, Pre-Processing, Savitzky Golay Filter, Significance Level, Statistical Features, txt, UCI, Vibration Monitoring, Vibration Signal Analysis Vibroarthrography, wav, Wavelet Transform, windowing, Wisconsin Breast Cancer Data WBCD, xls, آزمون t, آنتروپی شانون, اختصاصی بودن ماشین بردار پشتیبان svm, استخراج ویژگی سیگنالهای ناپایا (Non-Stationary), استخراج ویژگیهای آماری, استخراج ویژگیهای فرکانسی, پردازش داده های مربوط به سرطان سینه پایگاه ویسکانسین, پردازش سیگنال, پردازش سیگنال دیجیتال, پردازش سیگنالهای VAG یا آرتروگرافی ارتعاشی زانو, پردازش سیگنالهای ارتعاشی, پردازش سیگنالهای بیولوژیک در متلب, پردازش سیگنالهای حیاتی, پردازش سیگنالهای واقعی, پردازش صوت, پنجره بندی سیگنال, پیش پردازش, تبدیل فوریه, تبدیل ویولت, حذف نویز, حذف نویز EEG, حذف نویز پایه از ECG, حساسیت, روش k نزدیکترین همسایه knn, روشهای ارزیابی طبقه بندها, روشهای انتخاب ویژگی, سطح معناداری آماری, شبکه عصبی MLP, صحت, طبقه بندی سیگنالها, فیلتر ساویتزکی گولای, کاهش فرکانس نمونه برداری, ماشین بردار پشتیبان چندکلاسه در متلب, ویژگی غیرخطی, ویژگیهای مورفولوژیک سیگنالهای حیاتی

لغات کلیدی:

دانلود, فرادرس, آموزشی, رایگان, دانلود, فیلم, آموزشی, رایگان, دانلود, جزوه, تصویری, آموزشی, دانلود, کتاب, تصویری, آموزشی, آموزش, غیر, حضوری, و, الکترونیکی, دوره, آموزشی, تخصصی, Artifact, Removal, Audio, Processing, Biological, Signals, Classification, csv, dat, Digital, Signal, Processing, down, sampling, ECG, Base-Line, Wandering, Feature, Extraction, Feature, Selection, Fourier, Transform, Frequency, Analysis, k-Nearest, Neighbors, mat, Neural, NetworkSupport, Vector, Machine, Noise, Rejection, Nonlinear, Features, Nonstationary, Signals, p-value, Pre-Processing, Savitzky, Golay, Filter, Significance, Level, Statistical, Features, txt, UCI, Vibration, Monitoring, Vibration, Signal, Analysis, Vibroarthrography, wav, Wavelet, Transform, windowing, Wisconsin, Breast, Cancer, Data, WBCD, xls, آزمون, t, آنتروپی, شانون, اختصاصی, بودن, ماشین, بردار, پشتیبان, svm, استخراج, ویژگی, سیگنالهای, ناپایا, (Non-Stationary), استخراج, ویژگیهای, آماری, استخراج, ویژگیهای, فرکانسی, پردازش, داده, های, مربوط, به, سرطان, سینه, پایگاه, ویسکانسین, پردازش, سیگنال, پردازش, سیگنال, دیجیتال, پردازش, سیگنالهای, VAG, یا, آرتروگرافی, ارتعاشی, زانو, پردازش, سیگنالهای, ارتعاشی, پردازش, سیگنالهای, بیولوژیک, در, متلب, پردازش, سیگنالهای, حیاتی, پردازش, سیگنالهای, واقعی, پردازش, صوت, پنجره, بندی, سیگنال, پیش, پردازش, تبدیل, فوریه, تبدیل, ویولت, حذف, نویز, حذف, نویز, EEG, حذف, نویز, پایه, از, ECG, حساسیت, روش, k, نزدیکترین, همسایه, knn, روشهای, ارزیابی, طبقه, بندها, روشهای, انتخاب, ویژگی, سطح, معناداری, آماری, شبکه, عصبی, MLP, صحت, طبقه, بندی, سیگنالها, فیلتر, ساویتزکی, گولای, کاهش, فرکانس, نمونه, برداری, ماشین, بردار, پشتیبان, چندکلاسه, در, متلب, ویژگی, غیرخطی, ویژگیهای, مورفولوژیک, سیگنالهای, حیاتی

درباره ما | تماس با ما | قوانین تخته سفید