شبکه عصبی / شبکه عصبی بیولوژیکی و مصنوعی
حسین بانکی کشکی؛ سیدعلی سیدصالحی
دوره 15، شماره 3 ، آذر 1400، ، صفحه 211-220
چکیده
ارائه مدل‌های نورونی جدید به‌منظور شبیه‌سازی پدیده‌های شناختی در مغز در سال‌های اخیر مورد توجه پژوهشگران قرار گرفته است. در این پژوهش، مدل نورونی جدیدی مبتنی بر رفتار آشوبگونه وزن‌های شبکه‌های عصبی مصنوعی در حین یادگیری با استفاده از الگوریتم پس‌انتشارخطا، ارائه شده است. این مدل نخستین مدل نورونی گسسته با قابلیت یادگیری است ...
بیشتر
ارائه مدل‌های نورونی جدید به‌منظور شبیه‌سازی پدیده‌های شناختی در مغز در سال‌های اخیر مورد توجه پژوهشگران قرار گرفته است. در این پژوهش، مدل نورونی جدیدی مبتنی بر رفتار آشوبگونه وزن‌های شبکه‌های عصبی مصنوعی در حین یادگیری با استفاده از الگوریتم پس‌انتشارخطا، ارائه شده است. این مدل نخستین مدل نورونی گسسته با قابلیت یادگیری است و توانایی بروز رفتارهای پیچیده و آشوبی را دارد. قابلیت یادگیری این امکان را به این مدل نورونی داده است که پدیده‌های شناختی مانند همآوایی نورونها را در شرایطی نزدیک به واقعیت شبیه‌سازی کند. مدل نورونی مذکور که از یک شبکه عصبی جلوسوی سهلایه بدست آمده است، دارای جاذبهای همزیست متعددی است که یادگیری را در بستر جذبهای مختلف امکانپذیر میکند. بررسی پارامترهای مدل نشان میدهد که بایفورکیشن نه تنها با تغییر پارامتر ضریب یادگیری روی میدهد، بلکه تحریک بیرونی نیز میتواند به‌عنوان یک پارامتر کنترل باعث تغییر رفتار مدل و بایفورکیشن شود، نکتهای که میتواند در طراحی و مدلسازی روشهای درمانی برای اختلالات شناختی مورد استفاده قرار گیرد.
بیوانفورماتیک / زیست‌داده‌ورزی
حسین بانکی کشکی؛ سیدعلی سیدصالحی؛ فاطمه زارع میرک‌آباد
دوره 11، شماره 3 ، آبان 1396، ، صفحه 219-230
چکیده
استفاده از توالیهای نوکلئوتیدی ژنوم به عنوان سیگنالهای بیوشیمیایی در روشهای یادگیری ماشین، با تبدیل این توالیها به کدهای عددی امکانپذیر است و این تبدیل باعث افزایش غیرواقعی بعد دادهها شده و انجام عملیاتهای تحلیل داده، مانند بصریسازی و استخراج ویژگی را با محدودیتهایی روبه‌رو میسازد. از اینرو، باید با ...
بیشتر
استفاده از توالیهای نوکلئوتیدی ژنوم به عنوان سیگنالهای بیوشیمیایی در روشهای یادگیری ماشین، با تبدیل این توالیها به کدهای عددی امکانپذیر است و این تبدیل باعث افزایش غیرواقعی بعد دادهها شده و انجام عملیاتهای تحلیل داده، مانند بصریسازی و استخراج ویژگی را با محدودیتهایی روبه‌رو میسازد. از اینرو، باید با استفاده از روشهای کاهش بعد، دادهها را به فضای واقعی برگرداند. در این پژوهش از یک شبکه‌ی عصبی عمیق اتوانکودر به منظور کاهش بعد دادههای توالی مربوط به جایگاههای پیوند روی ژنوم انسان استفاده شده است. به منظور بررسی میزان حفظ اطلاعات دادههای اصلی در دادههای کاهش بعد یافته، از یک طبقهبندی دوکلاسه به وسیله‌ی ماشین بردار پشتیبان استفاده میشود. نتایج به دست آمده نشان میدهد که اطلاعات تقریبا به طور کامل در فشردهسازی حفظ میشود. سپس از دادههای فشرده‌شده برای بصریسازی و هم‌چنین انتخاب ویژگی با تحلیل واریانس استفاده میشود. نتایج به دست آمده نشان میدهد که مکانهای اول، دهم و هشتم در توالیها دارای بیشترین اطلاعات هستند. درحالی‌که عمده‌ی پژوهشهای پیشین روی دادههای بیان ژن حاصل از میکروآرایه، متمرکز شدهاند و مقایسه‌ی محدودی بین روشهای کاهش بعد در آن‌ها انجام شده است. این مقاله برای نخستین بار، دادههای نوکلئوتیدی توالی را با شبکه‌ی اتوانکودر، کاهش بعد داده و مقایسه‌ی جامعی بین انواع روشهای کاهش بعد و یادگیری ماشین ارائه میدهد.
حسین بانکی کشکی؛ محمد تفضلی شادپور
دوره 10، شماره 1 ، اردیبهشت 1395، ، صفحه 85-97
چکیده
همزمان با ارتقای فناوریهای پزشکی و نیاز به تربیت نیروهای فنی متخصص در این زمینه، حوزة آکادمیک مهندسی پزشکی به‌عنوان بسترسازی آموزشی این نیاز به‌وجود آمدهاست. مهندسی پزشکی که پیش‌تر در دانشکدههای دیگر به‌صورت ادامة برخی از رشتههای مهندسی یا زیرشاخة آن تدریس میشد، با گسترش و پیشرفت رشته و کاربردهای آن به تدریج به یک ...
بیشتر
همزمان با ارتقای فناوریهای پزشکی و نیاز به تربیت نیروهای فنی متخصص در این زمینه، حوزة آکادمیک مهندسی پزشکی به‌عنوان بسترسازی آموزشی این نیاز به‌وجود آمدهاست. مهندسی پزشکی که پیش‌تر در دانشکدههای دیگر به‌صورت ادامة برخی از رشتههای مهندسی یا زیرشاخة آن تدریس میشد، با گسترش و پیشرفت رشته و کاربردهای آن به تدریج به یک رشته با دانشکدههای مستقل تبدیل شد. به‌دلیل جدید و نوپا بودن رشتة مهندسی پزشکی و کاربرد وسیع آن در حوزة سلامت و پزشکی، در مدت زمان کوتاه به پیشرفتهای چشمگیری دست یافته است؛ از اینرو ضروری است که مراکز آموزشی فعال در حوزة مهندسی پزشکی هر چند مدت یک‌بار بررسی دقیقی دربارة وضعیت آموزشی و پژوهشی این رشته در جهان و مقایسة آن با وضع موجود در کشور خود به عمل آورند تا امکان هم‌گامی و رقابت در حوزة آموزشی، پژوهشی و صنعتی، با توجه به نیازهای بومی، میسر شود. در این مقاله، وضعیت آموزشی و پژوهشی رشتة مهندسی پزشکی در 50 دانشگاه برتر به تفکیک قارههای جهان در سال 2016 بررسی شده است. 17 دانشگاه از آمریکا، 19دانشگاه از اروپا و 14دانشگاه از آسیا و استرالیا بر‌اساس رتبهبندی سه موسسة Times، QS و CWUR انتخاب شده و مطالعه شدهاند. نتایج بررسیها در دو بخش آموزشی و پژوهشی ارائه شدهاست. در بخش آموزشی رشتههای ارائه شده در مقاطع سهگانه، وضعیت مستقل شدن دانشکدههای مهندسی پزشکی، سال تأسیس و تعداد هیئت علمی دانشکدههای مستقل و... ارائه شدهاند. بخش پژوهشی شامل زمینههای پژوهشی رایج رشته مهندسی پزشکی، وضعیت پژوهش در هر دانشگاه و هر قاره است.
