🔵مقایسه ای کوتاه از متلب و اکتاو🔵
شاید بسیاری از کاربران متلب مانند من که برای اولین بار محیط اکتاو(octave) برخورد کردند این جمله رو زیر لب زمزمه کردند "what the hell is that?" و با خودشون گفتن که "so what is difference?".
بله دوستان محیط متلب و اکتاو بسیار مشابه هم هستن ولی یک سری تفاوت ها هم البته در این دو محیط برنامه نویسی سطح بالا وجود دارد که بچه هایی که علاقمندن یا سروکارشان با اکتاو است میتونن به لینک زیر رجوع کنند.
https://coffeematlab.com/876/octave-vs-matlab/
@Matlabtips

🔵ویرایشگر زنده🔵
در Matlab 2016a در کنار تمام تغییرات و ویژگی‌های مثبتی که به آن اضافه شده است، شاید به جرات بتوان گفت که “ویرایشگر زنده” یا Live Editor بسیار برجسته است. با استفاده از این ویژگی کاربر می‌تواند به صورت انلاین خروجی برنامه خود را مشاهده کند. در این ویرایشگر، کاربر قادر است که معادله، هایپرلینک، تصاویر و متن‌هایی با فرمت خاص(فارسی، چینی، …) وارد کند. همه این‌ها در کنار دیگر ویژگی‌هایی که در این ویدئو خواهید دید، باعث می‌شود که کد شما خواناتر شود و همچنین درک درست و سریعی نسبت به برنامه خود داشته باشید.
https://coffeematlab.com/courses/%D9%88%DB%8C%D8%B1%D8%A7%DB%8C%D8%B4%DA%AF%D8%B1-%D8%B2%D9%86%D8%AF%D9%87/
@MatlabTips

🔵افسانه ی 10 درصد از مغز🔵

باور نادرست استفاده از ده درصد مغز یک باور پذیرفته شده به طور گسترده در بین مردم است که می‌گوید همه یا اکثر انسان‌ها تنها از ۱۰ درصد یا مقدار کم دیگری از مغزشان استفاده می‌کنند. همچنین گفته شده‌است که افراد ممکن است بتوانند از این قسمت دست نخورده بهره‌برداری کنند و هوش خود را افزایش دهند. این باور در مورد افرادی چون آلبرت اینشتین نیز به کار رفته‌است و گفته شده که آن‌ها توانسته‌اند از مقداری کمی بیشتر از مغزشان استفاده کنند و بدین ترتیب موفق به درک پدیده‌های پیچیده شده‌اند.
با وجود اینکه هوش را می‌توان با تمرین افزایش داد٬ این مطلب که بخش‌های بزرگی از مغز غیرفعال‌اند و ممکن است فعال شوند بیش از آنکه ریشهٔ علمی داشته باشد، باوری عامیانه در میان مردم است. هرچند هنوز کارکرد بخش‌های مختلف مغز به درستی روشن نشده است، پژوهش‌ها نشان می‌دهد که همه قسمت‌های مغز کارکردی دارند و غیرفعال نیستند.
بری گوردون، متخصص مغز و اعصاب، این باور را غلط دانسته و توصیف می‌کند: "ما از تمامی قسمت‌های مغز استفاده می‌کنیم و بیشتر قسمت‌های مغز اکثر اوقات فعال هستند." محقق علوم اعصاب ، بری بایرشتاین ، هفت دلیل برای رد این باور بیان می‌کند.[1]
⚡️بررسی آسیب‌دیدگی‌های مغزی: اگر ۹۰ درصد از مغز بی‌استفاده باشد ٬آسیب به این نواحی نباید بر عملکرد مغز اثری داشته باشد در مقابل، تقریباً هیچ ناحیه‌ای از مغز وجود ندارد که در صورت آسیب دیدگی باعث از دست دادن توانایی و قابلیت‌های جسمی نشود. حتی خفیف‌ترین آسیب‌ها به کوچکترین بخش‌های مغز می‌تواند آسیب‌های جدی به همراه داشته باشد.
⚡️تصاویر گرفته شده از مغز نشان‌دهنده این هستند که بدون توجه به اینکه چه کاری انجام می‌دهیم، همهٔ بخش‌های مغز همیشه فعال هستند. بعضی از بخش‌ها در یک زمان از سایر بخش‌ها فعال ترند، ولی به استثنای آسیب‌های مغزی (به بخش‌هایی از مغز) هیچ بخشی در مغز وجود ندارد که کاملاً غیرفعال باشد.
⚡️مغر بخش بسیار بزرگی از اکسیژن و مواد مغذی در مقایسه با بقیه اعضای بدن به خود اختصاص می‌دهد و چیزی در حدود بیست درصد از انرژی بدن را نیاز دارد (بیشتر از سایر ارگان‌های بدن)، علی‌رغم آنکه مغز، دو درصد از وزن بدن انسان را نیز تشکیل می‌دهد. اگر ۹۰ درصد آن بدون استفاده باشد یک مزیت بسیار بزرگ برای زنده ماندن انسان‌هایی با مغز کوچکتر و کارآمد تر وجود دارد و اگر این صحیح باشد، در فرایند گزینش طبیعی، مغز ناکارآمد حذف می‌شود این نیز بسیار بعید است که یک مغز با داشتن ماده زائد بسیاری در تکامل پیروز شده و در جایگاه نخست قرار گیرد با توجه به خطر تاریخی مرگ در هنگام زایمان در ارتباط با اندازه بزرگ مغز (با توجه به اندازه اسکلت جمجمه موجود)این یک سد بزرگی در مقابل گزینش طبیعی است در صورتی که تنها ۱۰ در صد از مغز قابل استفاده باشد.
⚡️تصویربرداری از مغز، با تکنولوزی‌هایی مانند تصویربرداری با مواد رادیو اکتیو پوزیترون دهنده (PET) و تصویرسازی تشدید مغناطیسی کارکردی یا اف‌ام‌آرآی نشان می‌دهد که در یک مغز زنده حتی در هنگام خواب نیز تمام بخش‌ها، از خود سطوحی از فعالیت را نشان می‌دهند. فقط در صورت وجود آسیب جدی در مغز، بخش‌هایی از آن غیرفعال و خاموش هستند.
⚡️مشخص کردن فعالیت‌ها در مغز: علاوه بر در نظر گرفتن مغز به عنوان یک جرم، مغز دارای مناطق مشخص برای انواع مختلف پردازش اطلاعات است. دهه‌های متوالی تحقیقات و مطالعات و نقشه‌برداری از مناطق مختلف پردازش داده‌ها، نشان داده که هیچ بخش بدون فعالیتی در مغز وجود ندارد.
⚡️مطالعات ریزساختاری: در روش ثبت تک واحدی، محققان یک دستگاه کوچک الکترودی را در مغز قرار داده تا فعالیت‌های تک سلولی را بررسی کند. اگر ۹۰ درصد از مغز قابل استفاده نبود این تکنیک آن را افشا می‌کرد.
⚡️هرس سیناپسی: سلول‌های مغزی که فعالیتی ندارند، تمایل به از بین رفتن و تباهی دارند. اگر ۹۰ درصد مغز قابل استفاده نباشد، کابد شکافی افراد معمولی بزرگسال، انحطاط در مقیاس بزرگ را افشا می‌ساخت.
@MatlabTips

[1] https://www.scientificamerican.com/article/do-we-really-use-only-10/

🔵متلب در برابر پایتون🔵

آیا یک نرم افزار غیر رایگان لزوما بهتر از یک نرم افزار رایگان است؟ آیا امکان کرک کردن و دور زدن لایسنس دلایلی خوبی برای استفاده ما از آن برنامه است؟ در مطلب زیر مقایسه ای اجمالی از دو زبان برنامه نویسی علمی محبوب یعنی پایتون و متلب انجام داده ایم. سعی شده این مقایسه به بیشترین جنبه های مهم تفاوت بپردازد اما باز هم نمی توان ادعا کرد که همه چیز گفته شده است

https://coffeematlab.com/2553/%D9%85%D8%AA%D9%84%D8%A8-%D8%A8%D8%B1%D8%A7%D8%A8%D8%B1-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86/

تبلیغات ما رو با دنبال ماشین و لباس رفتن تو مشتش داره! شغل هایی داریم که ازشون متنفریم تا آشغال هایی رو بخریم که بهشون احتیاجی نداریم. ما بچه های نسل وسط تاریخیم. بدون هیچ هدف و جایی! هیچ جنگ بزرگی نداریم. هیچ رکود بزرگی نداریم. بزرگترین جنگ ما یه جنگ روحیه! بزرگترین افسردگی ما زندگی هامونه! همه ما جلوی تلویزیون بزرگ شدیم تا فکر کنیم که یه روزی هممون میلیونرمیشیم، آدم معروفی میشیم، خواننده بزرگی میشیم! اما نشدیم. و کم کم داریم این رو می فهمیم. و از این بابت خیلی خیلی داغونیم
(باشگاه مشت زنی)

🔵احتمال: منطق دانش(قسمت دوم)🔵

آمار و احتمال دشوار است نه به این خاطر که از لحاظ ریاضی فرمولاسیون پیچیده ای دارد بلکه از این لحاظ دشوار است که گاه شهود ما در آن بسیار کارا و گاه بسیار اشتباه عمل می کند. هیچوقت نمی توان کاملا مطمئن شد که در تحلیل های داده ای خود اشتباه نمی کنید(حتی اگر توانستید برای مقاله تان جایی پذیرش بگیرید!) تنها راه مطالعه بیشتر در مورد آن است. این مجموعه همین قصد را دارد: یک استارت خوب برای فهم درست مهمترین شاخه عملی. به این منظور سعی شده است تا جای ممکن از کلیشه های کتاب های معمول فاصله گرفته شود و به کنه مساله پرداخته شود.

https://coffeematlab.com/2547/%D8%A7%D8%AD%D8%AA%D9%85%D8%A7%D9%84-%D9%85%D9%86%D8%B7%D9%82-%D8%AF%D8%A7%D9%86%D8%B4%D9%82%D8%B3%D9%85%D8%AA-%D8%AF%D9%88%D9%85/

🔵هزینه های برناگشتنی (sunk costs)🔵


⛔️ یکی از دوستانم سال ها پیش از رابطه عاشقانه ی پر مشکلش زجر می کشید. نامزدش بارها و بارها به او خیانت کرده بود. هر دفعه هم پشیمان بر می گشت و التماس می کرد که دوستم او را ببخشد. شرایط سختی برای دوستم بود اما می گفت: "انرژی زیادی صرف این رابطه کرده ام و کنار گذاشتنش کار اشتباهی است!"
⛔️ فیلم افتضاح بود. بعد از یک ساعت در گوش دوستم گفتم:"پاشو بریم خونه" گفت:"به هیچ وجه. قرار نیست پولمان را دور بریزیم" به او گفتم:"این توجیه درستی برای ماندن نیست. همین الان هم پولمان خرج شده است." اما قبول نکرد!
این ها مثال هایی از خطای هزینه هدررفته است. نیاز به ثبات منجر به رفتار غیر منطقی می شود. ما از تضاد خوشمان نمی آید. وقتی وسط انجام کاری آن را لغو کنیم پذیرفته ایم که یک زمانی تصمیم اشتباهی گرفته ایم. ادامه دادن این وضعیت تنها وقت و هزینه بیشتری از ما می گیرد. خطرناک ترین حالت وقتی است که زمان، پول، انرژی یا عشق زیادی صرف چیزی کرده باشیم. این هزینه دلیلی می شود برای ادامه دادن حتی اگر مثل روز روشن باشد که با شکست مواجه می شویم.
کنکورد نمونه موفق یک پروژه ناموفق دولتی است.هر دو طرف قرارداد، بریتانیا و فرانسه از مدت ها قبل می دانستند تجارت هواپیمای مسافربری مافوق صوت هرگز به صرف نبوده است. اما کماکان به صرف مبالغ هنگفت ادامه می دادند، شاید فقط برای حفظ ظاهر. به خطای هزینه هدر رفته اغلب خطای کنکورد هم گفته می شود.
البته ممکن است دلایل خوبی برای ادامه دادن کار و سرمایه گذاری وجود داشته باشد تا نتیجه اش را ببینی. اما مراقب دلایل غلطی مثل هزینه های انجام شده و برگشت ناپذیر باش. برای تصمیم گیری منطقی هزینه هایی که تا به امروز کرده ای را فراموش کن. مهم نیست تا الان چه اتفاقی افتاده است فقط ارزیابی ات از سود و موفقیت آینده مهم است[1].


[1] Kahneman, D. (2011). Thinking, fast and slow. Macmillan.

🔵احتمال: منطق دانش(قسمت سوم)🔵

در این قسمت یک خلاصه از قسمتهای قبل به علاوه یک مثال کامل از استدلال بیزینی به همراه کد متلب آن آورده شده است. فهم کامل این مثال نقطه شروع خوبی برای یادگیری مدل های پیچیده تر بیزینی مانند مدل های سلسله مراتبی بیزینی، نمونه برداری مونت کارلو و دسته بندی و خوشه بندی است.

https://coffeematlab.com/2591/%D8%A7%D8%AD%D8%AA%D9%85%D8%A7%D9%84-%D9%85%D9%86%D8%B7%D9%82-%D8%AF%D8%A7%D9%86%D8%B4%D9%82%D8%B3%D9%85%D8%AA-%D8%B3%D9%88%D9%85/

دوست عزیزی که هنگام رانندگی هی خطت رو عوض می کنی ...
ببین چه طوری باعث میشی ترافیک درست شه ....
@sxmtv

🔵فوت های کوزه گری در یادگیری ماشین🔵

پروفسور pedro domingos استاد دانشگاه واشینگتن و یکی از پیشگامان یادگیری ماشین و داده کاوی در مقاله ای تحت عنوان "A few useful things to know about machine learning" به چالش های پیاده سازی واقعی سیستم های یادگیری ماشین پرداخته است. او مجموعه از فوت های کوزه گری(Black arts) را جمع آوری کرده که معمولا در کتاب های یادگیری ماشین پیدا نمی شوند اما یادگیری آن ها مانند تجربه و عمل بسیار مهم اند. در اینجا ترجمه و در واقع خلاصه ای از آن مقاله برای شما تهیه شده است.

https://goo.gl/iRUS8H

🔵مقدار ویژه و بردار ویژه در متلب🔵
مسئله مقادیر ویژه (Eigenvalue problem) (یا مسئله مقادیر ذاتی) مربوط به ماتریس‌ها و عمل‌گرها از جمله اساسی‌ترین و ذاتی‌ترین و به همین جهت پرکاربردترین مباحث و ابزار در بسیاری از زمینه‌های علوم و فنون قدیم و جدید می‌باشد. در این پست خلاصه ای از تئوری این مبحث و همچنین کدنویسی آن در متلب مورد بحث قرار گرفته است.
https://coffeematlab.com/2625/مقادیر-ویژه/

🚘شناسایی پلاک خودرو در متلب🚘
موضوع تشخیص پلاک خودرو یکی از مهم ترین و کاربردی ترین مسائلی است که در حوزه پرازش تصویر مطرح است. در پست زیر شما خواهید دید که چگونه با داشتن یک عکس از خودرو می توان پلاک آن را استخراج نمود. در انتها کد کامل این پروژه نیز جهت دانلود قرار داده شده است.
https://coffeematlab.com/2146/%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D9%BE%D9%84%D8%A7%DA%A9-%D8%AE%D9%88%D8%AF%D8%B1%D9%88/
@MatlabTips

🔵حرکت دادن یک شی گرافیکی با ماوس یا دکمه های کیبورد🔵

تعامل با اشیا گرافیکی در متلب از این جهت که برنامه شما را کاملا حرفه‌ای و کاربردی میکند، میتواند بسیار با اهمیت باشد. فرض کنید مجموعه‌ای از اشیا گرافیکی (دوایر، مثلث‌ها، اشکال چندضلعی دیگر و ...) در یک پنجره رسم کرده اید. فرض کنید میخواهید این اشیا را در پنجره جابه جا و مرتب کنید. در متلب ویژگی‌هایی چون ButtonDownFcn و ... وجود دارد که حرکت ماوس،کلیک ماوس، دکمه کیبورد و ... را میتواند تشخیص دهد. برای مثال میتوانیم این ویژگی ها را به گونه ای تنظیم کنیم که هر موقع بر روی شکل گرافیکی کلیک کردیم یک عملی انجام شود(برای مثال رنگ آن عوض شود) یا اگر کلیک کردیم و همزمان کرسر ماوس را نیز حرکت دادیم، شکل نیز حرکت کند. در پست زیر به همه این مسائل با ریزه کاری هایش پرداخته شده است. بعد از مطالعه آن به راحتی میتوانید اشکال سفارشی خود را در متلب به گونه ای بسازید که به راحتی بتوانید با آن تعامل کنید.
https://coffeematlab.com/2708/حرکت-ماوس/

🔵تحلیل پیک 🔵
در پست زیر به این سوالات پاسخ داده میشود:
1⃣چگونه پیک ها را درون یک سیگنال پیدا کنیم.
2⃣چگونه اندازه پیک ها را پیدا کنیم.
3⃣چگونه پیک ها را درون یک سیگنال نویزی پیدا کنیم.
4⃣چگونه فاصله بین پیک ها را پیدا کنیم.
این پست بیشتر به سیگنال های ECG که در آنها پیک های تکرارشونده با نام QRS-Complex وجود دارد میپردازد. در این نوع سیگنال ها سه موج Q,R,S را در میان یک سیگنال نویزی ترند دار می یابیم و تحلیل میکنیم.
https://coffeematlab.com/2681/ecg/

🔵توابع و workspace 🔵
هر تابع workspace مخصوص به خود را دارد که متغیرهای آن تابع در آن ذخیره میشوند. این متغیرها مجزای از متغیرهای موجود در workspace اصلی میباشند، اگرچه ممکن است متغیرها دارای نام یکسانی باشند. این به این معنی است که هنگام نوشتن یک تابع دلیلی برای نگرانی متغیرهایی که بیرون تابع وجود دارند نیست. تابع با الباقی کد فقط از طریق ورودی‌ها و خروجی‌هایش تعامل دارد. نتیجه اینکه شما بعد از آنکه یک تابع نوشتید و آن را دیباگ کردید، میتوانید بارها و بارها از آن در برنامه های دیگر استفاده کنید بدون آنکه تغییری در تابع دهید. یک تابع کاربردی و مفید میتواند چون دوستی ارزشمند تا آخر عمر از آن بهره ببرید.
@MatlabTips

خداوند شبانِ من است. محتاج هیچ چیز نخواهم بود. در مرتع هایِ سبز مرا می‌خواباند. نزدِ آب‌هایِ راحت مرا رهبری می‌کند!

عهد عتیق

در دایره‌ای که آمد و رفتن ماست
آن را نه بدایت نه نهایت پیداست
کس می نزند دمی در این معنی راست
کاین آمدن از کجا و رفتن بکجاست
(خیام)

https://goo.gl/kkJGrI

🔵مدیریت خطا با nargin و nargout🔵
بسیاری از موارد میخواهیم بدانیم که چه تعداد آرگومان ورودی و خروجی برای یک فراخوانی خاص استفاده شده است. توابع nargin و nargout که البته مخفف (number of input argument) و (number of output argument ) هستند، برای تعیین این موضوع استفاده میشوند.
💡توجه: از nargin,nargout تنها در بدنه تابع استفاده میشود.
برای مثال:

function c = addme(a,b)

switch nargin
    case 2
        c = a + b;
    case 1
        c = a + a;
    otherwise
        c = 0;
end

تابع بالا را ذخیره کنید. شخصی ممکن است این تابع را با دو ورودی، یک ورودی و یا هیچی فراخوانی کند. در این برنامه به راحتی با استفاده از nargin توانسته ایم که مدیریت خطا کنیم. مثلا اگر کاربر هیچ ورودی نداد ما خروجی را 0 میکنیم و در این صورت برنامه در اثر پیغام خطا متوقف نمیشود و میشود گفت که برنامه ما رباست(مقاوم) شده است.
همین موضوع برای nargout هم صادق است.
@MatlabTips