📎مقاله اقای هینتون در مورد Drop Out

I went to my bank. The tellers kept changing and I asked one of them why. He said he didn’t know but they got moved around a lot. I figured it must be because it would require cooperation between employees to successfully defraud the bank. This made me realize that randomly removing a different subset of neurons on each example would prevent conspiracies and thus reduce overfitting

🗣️Geoffrey Hinton

✉️@IDS_AI_ML
✉️@IDSchools

🙂 #میم_تایم

📱@IDS_AI_ML
📱@IDSchools

👤 آقای Geoffrey Hinton دانشمند کامپیوتر و روانشناس شناختی برجسته‌ای است. او در حال حاضر به عنوان استاد افتخاری دانشگاه تورنتو و معاون مهندسی ارشد در گوگل فعالیت می‌کند. تحقیقات پیشگامانه او در زمینه شبکه‌های عصبی نقش مهمی در پیشرفت سریع هوش مصنوعی در دنیای امروز داشته است.

⭐️ دستاوردها و سهم‌های کلیدی:

الگوریتم Backpropagation : این الگوریتم که با همکاری هینتون توسعه داده شد، برای آموزش کارآمد شبکه‌های عصبی مصنوعی استفاده شود.

روش های Deep Learning: او یکی از چهره‌های اصلی در محبوبیت و توسعه تکنیک‌های یادگیری عمیق بود که شامل آموزش شبکه‌های عصبی با چندین لایه برای یادگیری الگوهای پیچیده است.

مدل های Boltzmann Machines: این مدل‌های احتمالی که توسط هینتون ابداع شد، پایه و اساس مدل‌های مولد و یادگیری بدون نظارت را تشکیل می‌دهند.

🟡کار هینتون تأثیر عمیقی بر زمینه‌هایی مانند تشخیص تصویر، پردازش زبان طبیعی و خودروهای خودران داشته است. بینش‌های او همچنان آینده هوش مصنوعی را شکل می‌دهند.

🌐 پروفایل دانشگاهی
🌐 گوگل اسکالر

✉️@IDS_AI_ML
✉️@IDSchools

📚 کتاب How to Build a Brain نوشته Chris Eliasmith اثری پیشگامانه است که به تلاقی علوم اعصاب، هوش مصنوعی و علوم شناختی می پردازد. این کتاب چارچوبی جامع برای ساختن یک مغز کارآمد، با ترکیب اصول زیست‌شناسی و علوم کامپیوتر ارائه می‌کند.

نویسنده معماری اشاره گر معنایی (SPA) را معرفی می کند، یک رویکرد جدید برای درک عملکرد مغز که فرآیندهای شناختی را به روشی قابل قبول بیولوژیکی مدل می کند. این کتاب توضیح می‌دهد که چگونه می‌توان از SPA برای شبیه‌سازی جنبه‌های مختلف شناخت انسان، مانند حافظه، استدلال، ادراک و تصمیم‌گیری استفاده کرد. ایشان همچنین مفاهیم عملی این مدل را مورد بحث قرار می دهد و چگونگی کمک به پیشرفت در هوش مصنوعی و رباتیک را بررسی می کند.

این کتاب هم یک راهنمای نظری و هم عملی است و آن را برای دانشمندان علوم اعصاب، محققان هوش مصنوعی و هر کسی که علاقه مند به عملکرد ذهن است ارزشمند می کند. این کتاب ترکیبی منحصر به فرد از تجزیه و تحلیل علمی دقیق و توضیحات قابل دسترس را ارائه می دهد و موضوعات پیچیده را برای مخاطبان گسترده قابل درک می کند.

✈️@IDS_AI_ML
✈️@IDSchools

🆕🆕🆕🆕🆕🆕🆕🆕🆕🆕
🗣دپارتمان روانشناسی و علوم‌ شناختی مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

✨ سری وبینار‌های رایگان «همگام با پیشتازان»

8⃣ قسمت هشتم: ایران در سیر فرگشت انسانی

👤با حضور: دکتر سامان حیدری گوران

🟢 از انستیتوی پیش از تاریخ دانشگاه کلن آلمان

🟢 و بنیاد پژوهشی پارینه سنگی دیار مهر


⏰ دوشنبه ۲۹ مرداد ماه ساعت ۱۸ الی ۱۹:۳۰

💡 در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.


🔴 برای شرکت در این وبینار به کانال و گروه تعاملی روانشناسی مدارس میان‌رشته‌ای مراجعه کنید.

👈 لینک ثبت نام رایگان در وبینار «ایران در سیر فرگشت انسانی»: [لینک گوگل فرم برای شرکت در وبینار قسمت هشتم دپارتمان روانشناسی با موضوع ایران در سیر فرگشت انسانی]

😉بعد از ثبت نام در گوگل فرم بالا، منتظر اخبار این وبینار از کانال روانشناسی مدارس میان رشته‌ای باشید.

#️⃣#IDS_Psy
#️⃣#IDSchools

🚀@IDS_Psy
✈️@IDSchools

💡 مقاله ?Could a Neuroscientist Understand a Microprocessor محدودیت‌های روش‌های تحلیل داده‌های علوم اعصاب فعلی را با استفاده از یک ریزپردازنده، یک سیستم مهندسی شده که به طور کامل در همه سطوح قابل درک است، بررسی می‌کند.

تست روش‌های علوم اعصاب:
نویسندگان طیف وسیعی از تکنیک‌های رایج تجزیه و تحلیل داده‌های علوم اعصاب را بر روی یک ریزپردازنده کلاسیک، MOS 6502 اعمال کردند تا ببینند آیا این روش‌ها می‌توانند به طور معناداری چگونگی پردازش اطلاعات را توسط ریزپردازنده را آشکار کنند.

ریزپردازنده به عنوان یک سیستم مدل:
زیرا یک سیستم دینامیکی پیچیده و غیر خطی با خروجی مشخص شناخته شده است. این به عنوان پایه ای برای سیستم های بیولوژیکی برای ارزیابی اثربخشی روش های تجزیه و تحلیل داده ها عمل می کند.

یافته‌های تکنیک‌های علوم اعصاب:
اگرچه این رویکردهای علوم اعصاب می‌توانند ساختارهای جالبی را در داده‌ها آشکار کنند، اما نتوانستند درک معناداری از پردازش سلسله مراتبی اطلاعات ریزپردازنده ایجاد کنند. این تکنیک‌ها ممکن است برای دستیابی به درک عمیق از سیستم‌های عصبی، حتی با مجموعه داده‌های بزرگ، ناکافی باشند.

✈️@IDS_AI_ML
✈️@IDSchools

😮 مقاله Deep Neural Networks as Scientific Models نقش شبکه های عصبی عمیق (DNN) را در علم شناختی از منظر فلسفه علم مورد بحث قرار می دهد. این بحث در مورد اینکه آیا DNN ها صرفاً به عنوان ابزار پیش بینی عمل می کنند یا اینکه آنها همچنین توضیحات علمی ارزشمندی از پدیده های شناختی ارائه می دهند را برجسته می کند.

بحث اصلی: بحث اصلی حول ارزش علمی DNN ها در علوم شناختی می چرخد. این مقاله تجزیه و تحلیل می کند که آیا DNN ها باید فقط به عنوان ابزاری برای پیش بینی در نظر گرفته شوند یا اینکه می توانند به توضیح پدیده های شناختی نیز کمک کنند.

دیدگاه فلسفی: نویسندگان استدلال می کنند که DNN ها باید به عنوان بخشی از طیف وسیع تری از مدل های علمی ارزیابی شوند. آنها بررسی می کنند که چگونه این مدل ها از طریق پیش بینی، توضیح و کاوش به درک علمی کمک می کنند.


پتانسیل اکتشافی: فراتر از پیش بینی و توضیح، DNN ها به دلیل پتانسیل اکتشافی خود برجسته می شوند که اغلب نادیده گرفته می شود. این شامل ایجاد فرضیه های جدید و کاوش در عملکردهای شناختی پیچیده است.

✈️@IDS_AI_ML
✈️@IDSchools

➡️ Attention Mechanism in AI models

❤️@IDS_AI_ML
❤️@IDSchools

در سال 2023، دانشجویان کارشناسی ارشد دانشگاه استنفورد، Rehaan Ahmad و Raj Palleti، یک انجمن گفتگوی آنلاین به نام alphaXiv را متصور شدند که در آن دانشجویان و محققان می توانستند در مورد مقالات تحقیقاتی جدید بحث کنند. آنها این پلتفرم را بر اساس دیتابیس arXiv، بزرگترین مخزن پیش چاپ با دسترسی باز، ساختند، و به کاربران اجازه می دهد در بحث های علمی در رشته های مختلف مانند هوش مصنوعی، پزشکی و فیزیک شرکت کنند. این پلتفرم اکنون توسط محققان دانشگاه های برتر از جمله استنفورد، MIT و هاروارد استفاده می شود.

💡 پلتفرم alphaXiv با اجازه دادن به کاربران برای اظهار نظر در مورد بخش‌های خاصی از مقالات تحقیقاتی، پرسیدن سؤال و ارائه انتقاد، تعامل را تسهیل می‌کند. این پلتفرم اخیراً ویژگی "مقاله هفته" را راه اندازی کرده است که در آن نویسندگان مقالات پرطرفدار مستقیماً با خوانندگان در ارتباط هستند. این پروژه برنده جایزه معتبر Magic Grant از موسسه Brown Institute for Media Innovation برای نوآوری رسانه ای شد.

⬅️ لینک پلتفرم alphaXiv
⬅️ لینک alphaXiv chrome exention
⬅️ لینک دیتابیس arXiv

✈️@IDS_AI_ML
✈️@IDSchools

🔹 زمینه TinyML شاخه‌ای از یادگیری ماشینی است که بر روی مدل‌های در حال اجرا بر روی دستگاه‌های کوچک و با محدودیت منابع مانند میکروکنترلرها و سنسورها متمرکز است. این دستگاه‌ها قدرت محاسباتی، حافظه و انرژی محدودی دارند که پیاده سازی مدل‌های سنتی ML را غیرعملی می‌سازد. TinyML پردازش داده روی این دستگاه ها ، صرفه جویی در مصرف انرژی و افزایش حریم خصوصی را ممکن می کند.

کاربردها:
◀️پوشیدنی ها: نظارت بر سلامت در دستگاه هایی مانند ساعت های هوشمند.
◀️خانه های هوشمند: تشخیص صدا و تشخیص ناهنجاری در دستگاه های خانگی.
◀️اتوماسیون صنعتی: پیش بینی تعمیر و نگهداری از طریق نظارت بر ماشین آلات .
◀️مانیتورینگ محیطی: حسگرهایی که کیفیت هوا، آلودگی و غیره را تشخیص می دهند.
◀️کشاورزی: ​​کشاورزی دقیق با تجزیه و تحلیل بر روی سلامت خاک و محصول.
◀️خودرو: نظارت بر راننده و پردازش داده‌های سنسورها در وسایل نقلیه.

@IDS_AI_ML
@IDSchools

➡️ How TinyML Gives us Spider-Man Powers | Emelie Eldracher | TEDxMIT

✈️@IDS_AI_ML
✈️@IDSchools

🙂 #میم_تایم

📱@IDS_AI_ML
📱@IDSchools