Forwarded from Tensorflow(@CVision) (Vahid Reza Khazaie)
چطوری مقالات رو به شکل موثر بخونیم؟
در این ویدیو Andrew Ng توصیههایی داره برای اینکه چطوری چندین مقاله رو به طور موازی بخونیم و چطوری یه مقاله خوب رو به طور کامل تحلیل کنیم؟
https://youtu.be/733m6qBH-jI?t=160
در این ویدیو Andrew Ng توصیههایی داره برای اینکه چطوری چندین مقاله رو به طور موازی بخونیم و چطوری یه مقاله خوب رو به طور کامل تحلیل کنیم؟
https://youtu.be/733m6qBH-jI?t=160
YouTube
Stanford CS230: Deep Learning | Autumn 2018 | Lecture 8 - Career Advice / Reading Research Papers
Andrew Ng, Adjunct Professor & Kian Katanforoosh, Lecturer - Stanford University
https://onlinehub.stanford.edu/
Andrew Ng
Adjunct Professor, Computer Science
Kian Katanforoosh
Lecturer, Computer Science
To follow along with the course schedule and syllabus…
https://onlinehub.stanford.edu/
Andrew Ng
Adjunct Professor, Computer Science
Kian Katanforoosh
Lecturer, Computer Science
To follow along with the course schedule and syllabus…
🎬 FILM: Frame Interpolation for Large Scene Motion
FILM turns near-duplicate photos into a slow motion footage that look like shot with a video camera.
💻 Github: Link
📄 Paper: Link
🎥 Video: Link
👨💻 Project: Link
#deep_learning #image_processing #computer_vision #tools
🆔 @Data_science_hub
FILM turns near-duplicate photos into a slow motion footage that look like shot with a video camera.
💻 Github: Link
📄 Paper: Link
🎥 Video: Link
👨💻 Project: Link
#deep_learning #image_processing #computer_vision #tools
🆔 @Data_science_hub
moment.gif
20.4 MB
🎬 FILM: Frame Interpolation for Large Scene Motion
Forwarded from رویدادهای هوش مصنوعی
کنفرانس گراف در یادگیری ماشین
Announcing the Learning on Graphs Conference
https://michael-bronstein.medium.com/announcing-the-learning-on-graphs-conference-c63caed7347
The LoG Conference key facts:
- Covers work broadly related to machine learning on graphs and geometry
- Proceedings track published in PMLR
- Also has a non-archival extended abstract track
- Double blind review process on OpenReview
- Top reviewers receive monetary rewards
- First year: virtual December 9-12 2022, free to attend.
Call for papers: https://logconference.github.io/cfp/
Stay updated via Twitter: https://twitter.com/LogConference
Or LinkedIn: https://www.linkedin.com/company/log-conference
➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورکشاپ، کلاس و ... تشکیل شده است.
@eventai
Announcing the Learning on Graphs Conference
https://michael-bronstein.medium.com/announcing-the-learning-on-graphs-conference-c63caed7347
The LoG Conference key facts:
- Covers work broadly related to machine learning on graphs and geometry
- Proceedings track published in PMLR
- Also has a non-archival extended abstract track
- Double blind review process on OpenReview
- Top reviewers receive monetary rewards
- First year: virtual December 9-12 2022, free to attend.
Call for papers: https://logconference.github.io/cfp/
Stay updated via Twitter: https://twitter.com/LogConference
Or LinkedIn: https://www.linkedin.com/company/log-conference
➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورکشاپ، کلاس و ... تشکیل شده است.
@eventai
Forwarded from Onlinebme
✅طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN
✍️در مقالهای جدید ارائه شده توسط آقای Xiangmin Lun و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی میکند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج ویژگی به طور جداگانه انجام شود. این شبکه CNN که دارای 10 لایه (5 لایه کانولوشنی، 4 لایه Max Pooling و 1 لایه FC) است به عملکرد خوبی رسیده است. در این پست، خلاصهای از این مقاله را توضیح میدهیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/eeg-signal-classification-with-cnn/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✍️در مقالهای جدید ارائه شده توسط آقای Xiangmin Lun و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی میکند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج ویژگی به طور جداگانه انجام شود. این شبکه CNN که دارای 10 لایه (5 لایه کانولوشنی، 4 لایه Max Pooling و 1 لایه FC) است به عملکرد خوبی رسیده است. در این پست، خلاصهای از این مقاله را توضیح میدهیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/eeg-signal-classification-with-cnn/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme