زمان تخمینی مطالعه: 5 دقیقه
مطالعه نشان می‌دهد که مدل‌های محاسباتی آموزش‌دیده برای انجام وظایف شنوایی، ساختار درونی مشابه قشر شنوایی انسان را نشان می‌دهند.
مدل‌های محاسباتی که ساختار و عملکرد سیستم شنوایی انسان را تقلید می‌کنند می‌توانند به محققان در طراحی سمعک‌های بهتر، کاشت حلزون و رابط‌های مغز و ماشین کمک کنند. یک مطالعه جدید از MIT نشان داده است که مدل‌های محاسباتی مدرن مشتق شده از یادگیری ماشینی به این هدف نزدیک‌تر می‌شوند.
در بزرگترین مطالعه انجام شده بر روی شبکه‌های عصبی عمیق که برای انجام وظایف شنوایی آموزش دیده‌اند، تیم MIT نشان داد که اکثر این مدل‌ها بازنمایی‌های درونی تولید می‌کنند که ویژگی‌های بازنمایی‌هایی را که در مغز انسان هنگام گوش دادن به صداهای مشابه مشاهده می‌شود، به اشتراک می‌گذارند.
این مطالعه همچنین بینشی در مورد چگونگی آموزش بهترین این نوع مدل ارائه می‌دهد: محققان دریافتند که مدل‌هایی که بر روی ورودی شنیداری از جمله نویز پس‌زمینه آموزش دیده‌اند، الگوهای فعال‌سازی قشر شنوایی انسان را بیشتر تقلید می‌کنند.
جاش مک درموت، دانشیار مغز و علوم شناختی در MIT، عضو موسسه مک گاورن MIT برای تحقیقات مغز و مرکز مغزها، ذهن ها و ماشین‌ها، و نویسنده ارشد این مطالعه می‌گوید:”آنچه این مطالعه را متمایز می‌کند این است که جامع ترین مقایسه این نوع مدل‌ها با سیستم شنوایی تاکنون است. این مطالعه نشان می‌دهد که مدل‌هایی که از یادگیری ماشینی مشتق شده‌اند، گامی در مسیر درست هستند، و سرنخ‌هایی در مورد اینکه چه چیزی آنها را به مدل‌های بهتری از مغز تبدیل می‌کند، به ما می‌دهد.”
شبکه‌های عصبی عمیق به عنوان بخشی از هوش مصنوعی، مدل‌های محاسباتی هستند که از لایه‌های زیادی از واحدهای پردازش اطلاعات تشکیل شده‌اند که می‌توانند بر روی حجم عظیمی از داده‌ها برای انجام وظایف خاص آموزش داده شوند. این نوع مدل به طور گسترده در بسیاری از کاربردها مورد استفاده قرار گرفته است و دانشمندان علوم اعصاب شروع به بررسی این امکان کرده‌اند که این سیستم‌ها همچنین می‌توانند برای توصیف چگونگی انجام وظایف خاص مغز انسان مورد استفاده قرار گیرند.
هنگامی که یک شبکه عصبی در حال انجام یک کار است، واحدهای پردازش آن الگوهای فعال سازی را در پاسخ به هر ورودی صوتی که دریافت می‌کند، مانند یک کلمه یا نوع دیگری از صدا، تولید می‌کنند. این مدل‌های نمایش ورودی را می‌توان با الگوهای فعال‌سازی که در اسکن‌های مغزی fMRI از افرادی که به همان ورودی گوش می‌دهند، مقایسه کرد.
در سال 2018، مک درموت و یکی از دانشجویانش گزارش دادند که وقتی یک شبکه عصبی را برای انجام وظایف شنوایی (مانند تشخیص کلمات از سیگنال صوتی) آموزش دادند، بازنمایی‌های داخلی تولید شده توسط این مدل شباهت‌هایی را با آنچه در اسکن های fMRI مشاهده می‌شد نشان داد. افرادی که به صداهای مشابه گوش می‌دهند
از آن زمان، این نوع مدل‌ها به طور گسترده مورد استفاده قرار گرفتند، بنابراین گروه تحقیقاتی مک‌درموت تصمیم گرفت مجموعه بزرگ‌تری از مدل‌ها را ارزیابی کند تا ببیند آیا توانایی تقریبی بازنمایی‌های عصبی دیده‌شده در مغز انسان ویژگی کلی این مدل‌ها است یا خیر.برای این مطالعه، محققان 9 مدل شبکه عصبی عمیق در دسترس عموم را که برای انجام وظایف شنوایی آموزش دیده بودند، تجزیه و تحلیل کردند و همچنین 14 مدل از خود را بر اساس دو معماری متفاوت ایجاد کردند. اکثر این مدل‌ها برای انجام یک کار واحد آموزش دیده بودند – تشخیص کلمات، شناسایی گوینده، تشخیص صداهای محیطی و شناسایی ژانر موسیقی – در حالی که دو نفر از آنها برای انجام چندین کار آموزش دیده بودند.
هنگامی که محققان این مدل‌ها را با صداهای طبیعی ارائه کردند که به عنوان محرک در آزمایش‌های fMRI انسانی استفاده شده بود، دریافتند که نمایش‌های مدل داخلی تمایل به نشان دادن شباهت‌هایی با آن‌هایی که توسط مغز انسان ایجاد می‌شود را نشان می‌دهد. مدل‌هایی که بازنمایی آنها بیشتر شبیه به آنچه در مغز دیده می‌شود، مدل‌هایی بودند که در بیش از یک کار آموزش دیده بودند و بر روی ورودی شنیداری که شامل نویز پس زمینه بود آموزش دیده بودند.
مطالعه جدید همچنین از این ایده حمایت می‌کند که قشر شنوایی انسان درجاتی از سازماندهی سلسله مراتبی دارد، که در آن پردازش به مراحلی تقسیم می‌شود که از عملکردهای محاسباتی متمایز پشتیبانی می‌کنند. همانطور که در مطالعه سال 2018، محققان دریافتند که بازنمای‌های تولید شده در مراحل اولیه مدل بسیار شبیه به آنچه در قشر شنوایی اولیه دیده می‌شود، در حالی که بازنمایی‌های تولید شده در مراحل مدل بعدی بیشتر شبیه آن هایی است که در مناطق مغزی فراتر از قشر اولیه ایجاد می‌شود.علاوه بر این، محققان دریافتند که مدل‌هایی که در وظایف مختلف آموزش دیده بودند، در تکرار جنبه‌های مختلف شنوایی بهتر بودند. برای مثال، مدل‌هایی که در یک تکلیف مرتبط با گفتار آموزش دیده‌اند، شباهت بیشتری به حوزه‌های انتخابی گفتار داشتند.
آزمایشگاه مک درموت اکنون قصد دارد از یافته‌های خود برای توسعه مدل‌هایی استفاده کند که حتی در باز تولید پاسخ‌های مغز انسان موفق‌تر باشند. علاوه بر کمک به دانشمندان برای یادگیری بیشتر در مورد نحوه سازماندهی مغز، چنین مدل‌هایی می‌توانند برای کمک به توسعه سمعک‌های بهتر، کاشت حلزون و رابط های مغز و ماشین نیز مورد استفاده قرار گیرند.
به گفته مک درموند “هدف رشته ما این است که به یک مدل کامپیوتری دست پیدا کنیم که بتواند پاسخ‌ها و رفتار مغز را پیش بینی کند. ما فکر می‌کنیم که اگر در رسیدن به آن هدف موفق باشیم، درهای زیادی را باز خواهد کرد.»
منبع: اخبار MIT
الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.
داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی
حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به
مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و متنوع بودند. برخی از آنها کاملاً عشایری بودند و مرتباً موقعیت خود را تغییر می‌دادند. برخی از آنها فواصل بسیار زیادی را مهاجرت کردند، در
تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده در اطراف اشیاء شناسایی شده، مکان یک شی را در یک تصویر شناسایی و مکان‌یابی می‌کند. اهمیت تشخیص اشیاء را نمی‌توان به اندازه کافی بیان
تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر از آنچه چشم انسان می‌تواند ببیند، از جمله نور مادون قرمز و ماوراء بنفش، ثبت می‌کند. این رویکرد به طور قابل توجهی از تصویربرداری رنگی
یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های فناوری اطلاعات در مورد آن بحث و گفتگو وجود دارد. امروزه همه چیز در حال خودکار شدن است، و برنامه‌های کاربردی نیز به سرعت در
داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …
حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …
مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و …
تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …
تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …
تماس: 09214404646 - 09332001022 | روزهای کاری از 8:00 الی 18:00 در خدمت شما هستیم
آدرس ارسال: ارومیه | خیابان متین 2 | صدف 2 | طبقه 6
پست الکترونیک: electrohivesite@gmail.com
توجه کنید که فعالیت فروشگاه الکتروهایو به صورت اینترنتی می‌باشد، لذا جهت خرید یا تحویل حضوری کالا مراجعه نفرمایید.
الکتروهایو، دارای نماد رسمی اعتماد الکترونیک و نماد ساماندهی می‌باشد، برای مشاهده روی نمادها کلیک کنید.
خریدی مطمئن و با خیال راحت، در دنیای کالای دیجیتال و الکترونیکی نیازمند وجود فروشگاهی است که قادر باشد تنوعی بالا، قطعاتی با کیفیت و با قیمت منصفانه را ارائه کرده و بتواند کالاها را در کوتاه‌ترین زمان ممکن به دست مشتریان محترم برساند. محصولات ارسال شده از طریق فروشگاه الکتروهایو دارای ضمانت اصالت، سلامت فیزیکی و کیفیت قطعات است. این ویژگی‌های بازر توانسته است که فروشگاه الکتروهایو را در ارائه خدمات به مشتریان عزیز ثابت کند.
روش ارسال کالاهای سفارش داده شده، یکی از اصلی‌ترین موضوعات و دغدغه‌های مشتریان عزیز فروشگاه الکتروهایو و هر فروشگاه اینترنتی است. نگرانی از اینکه کالاهای خریداری شده چه موقع و چگونه قرار است به دست مشتریان برسد یکی از اساسی‌ترین دغدغه‌های تیم پشتیبانی فروشگاه الکتروهایو است. برای حل این مشکل، ما به عنوان فروشگاه الکتروهایو در تلاش برای ارائه روش‌های پستی ارسال متنوع شامل پست پیشتاز(پیش کرایه)، پست تیپاکس و چاپار(پس کرایه) و غیره هستیم تا بتوانیم کالاهای خریداری شده توسط مشتریان را در اسرع وقت به صورت صحیح و سالم بدست شما برسانیم.
کاربران عزیر الکتروهایو می‌توانند در تمامی ساعت شبانه روز به صورت 24 ساعته و در 7 روز هفته کالاهای مورد نیاز خود را از میان تنوعی از قطعات و بردهای الکترونیکی سفارش دهند که به تفکیک در مورد آنها در ادامه توضیح خواهیم داد:
بردها و کیت‌ها:
بردها و کیت‌ها مانند خانواده جتسون انویدیا، رزبری پای، آردوینو و اورنج پای، ابزارهای قدرتمندی برای مهندسان، دانشجویان و علاقه‌مندان به فناوری هستند که با آنها امکان ساخت پروژه‌های پیچیده در حوزه‌هایی مانند هوش مصنوعی، رباتیک و اینترنت اشیاء در دسترس است. برد جتسون نانو انویدیا، به عنوان مثال، یک کامپیوتر کوچک و قدرتمند است که برای آموزش و پیاده‌سازی هوش مصنوعی به کار گرفته می‌شود. این برد پردازشی از سیستم عامل لینوکس پشتیبانی می‌کند، که این امر اجرای پروژه‌های متن باز مختلف را بر روی آن ممکن می‌سازد.
از سوی دیگر، رزبری پای به دلیل انعطاف‌پذیری و قیمت مناسب خود، برای آموزش برنامه‌نویسی و ساخت پروژه‌های الکترونیکی و همچنین پروژه‌های DIY محبوبیت زیادی دارد. بردهای آردوینو، با تمرکز بر سادگی و دسترسی آسان به سخت‌افزار و نرم‌افزار، برای ساخت نمونه‌های اولیه و پروژه‌های تعاملی ابزاری مناسب هستند. اورنج پای نیز با ارائه گزینه‌های متنوع و ارزان‌قیمت، برای کاربرانی که به دنبال راه‌حل‌های مقرون‌به‌صرفه هستند، جایگاهی مناسب در بازار پیدا کرده است.
نمایشگرها و مانیتورها:
نمایشگرها و مانیتورها در دنیای امروز نقش بسیار مهمی در زندگی روزمره ما ایفا می‌کنند. از استفاده‌های خانگی گرفته تا کاربردهای حرفه‌ای و صنعتی، نمایشگرها به یکی از اجزای اصلی زندگی دیجیتال تبدیل شده‌اند. انواع مختلفی از نمایشگرها و مانیتورها با اندازه‌ها، وضوح‌ها، نرخ بروزرسانی و ویژگی‌های مختلف در بازار موجود هستند. امروزه رایج‌ترین نوع مانیتور، نمایشگر LCD یا نمایشگر کریستال مایع است. این نمایشگر پراستفاده‌ترین نمایشگر در سراسر جهان است، زیرا به فضای کمتری نیاز دارد، برق کمتری مصرف می‌کند و گرمای نسبتاً کمتری نسبت به یک مانیتور CRT قدیمی تولید می‌کند. از طرف دیگر، نمایشگرهای OLED و AMOLED نیز به دلیل کیفیت تصویر بالا، رنگ‌های زنده و توانایی در نمایش سیاه‌های عمیق، در دسته‌ی نمایشگرهای پیشرفته قرار دارند. در نهایت، انتخاب نمایشگر مناسب بر اساس نیازها و کاربری شخصی می‌تواند تجربه کاربری را بهبود بخشد. در الکتروهایو هدف ما تامین نمایشگرها و مانیتورها بر اساس نیاز روز و استفاده در بخش‌های متنوع است و سعی خواهیم کرد تا انواع مانیتورهای مورد استفاده در کاربردهای آزمایشگاهی، دانشگاهی و توسعه صنعتی را برای کاربران عزیز فراهم کنیم.
اینترنت اشیاء و ارتباطات:
اینترنت اشیاء و ارتباطات مفاهیمی مهم در دنیای فناوری است. به طور خلاصه، IoT به مجموعه‌ای از دستگاه‌های محاسباتی، ماشین‌های مکانیکی و دیجیتال، اشیاء، حیوانات یا افراد اشاره دارد که با شناساگرهای یکتایی مشخص شده‌اند و توانایی انتقال داده در شبکه را بدون نیاز به تعاملات انسان با انسان یا انسان با کامپیوتر دارند. این مفهوم به ما امکان می‌دهد تا اشیاء را به اینترنت متصل کرده و با بهره‌گیری از داده‌های بی‌درنگ، بدون نیاز به مداخله انسانی، تعاملاتی هوشمند را انجام دهیم. این ارتباطات و تبادلات اطلاعات و داده می‌تواند هم به صورت ارتباطات بی‌سیم (Wireless Communications) و هم به صورت ارتباطات باسیم (Wired Communications) باشد. در ارتباط بی‌سیم از تکنولوژی‌های مانند Wi-Fi، بلوتوث، NFC، Zigbee و سایر پروتکل‌های مخصوص IoT برای ارتباط دستگاه‌ها استفاده می‌شود. در ارتباط باسیم از کابل‌های اترنت و اتصالات USB برای ارتباط دستگاه‌ها با یکدیگر استفاده می‌شود.
سنسورها:
سنسور در صنایع مختلف از جمله اینترنت اشیاء (IoT)، هوشمندسازی خانه، خودروهای هوشمند، سیستم‌های ایمنی و کنترل‌های صنعتی مورد استفاده قرار می‌گیرند.
این قطعات الکترونیکی معمولاً با ارسال سیگنالی به شکل جریان الکتریکی کار می‌کنند. توسط پردازش یا با استفاده از تکنیک‌های مختلف، سیگنال‌های ارسال شده توسط سنسور را می‌توان تقویت کرد. ما در این دسته‌بندی انواع سنسور را ارائه می‌کنیم. در این بخش شما قادر خواهید بود کالاهایی را بیابید که با لوازم الکترونیکی قابل برنامه ریزی آردوینو، رزبری پای و غیره مطابقت دارند. برخی از این سنسورها را در محصول خود استفاده می‌کنید و از برخی دیگر برای ساختن یک ربات یا سیستم‌های اینترنت اشیاء استفاده خواهید کرد.
ماژول‌های الکترونیکی:
به طور کلی، ماژول‌های الکترونیکی نوعی قطعه یا واحد الکترونیکی هستند که برای انجام یک عملکرد خاص طراحی شده‌اند. این ماژول‌ها معمولاً در مدارهای الکترونیکی برای ارائه طیف وسیعی از عملکردها مانند تقویت سیگنال‌ها، تأمین توان، کنترل جریان، تبدیل ولتاژ، اندازه‌گیری و غیره استفاده می‌شوند.
ماژول‌ها از اجزای مختلفی تشکیل شده‌اند که به صورت مجتمع در یک بسته فیزیکی قرار دارند. این اجزا می‌توانند شامل ترانزیستورها، مقاومت‌ها، خازن‌ها، دیودها، مدارهای مجتمع و حسگرها باشند. هر قطعه برای یک وظیفه خاص طراحی شده است و می‌تواند به صورت قابل استفاده مجدد در سیستم‌های الکترونیکی مختلف مورد استفاده قرار گیرد.
ماژول‌ها در صنعت الکترونیک، رباتیک، اینترنت اشیاء (IoT)، سیستم‌های کنترل، تجهیزات پزشکی، خودروها، تلفن‌همراه‌ها، دستگاه‌های خانگی و بسیاری دیگر از زمینه‌ها استفاده می‌شوند. همچنین، می‌توانند به عنوان قطعات اصلی در طراحی پروژه‌های الکترونیکی و همچنین در آموزش‌های آردوینو و رزبری‌پای مورد استفاده قرار گیرند.
منابع تغذیه، باتری و انرژی‌های نو:
منابع تغذیه، باتری و انرژی‌های نو دسته مهمی در کالاهای الکترونیک امروز هستند. این دسته شامل منابع تغذیه متنوع AC و DC، انواع باتری‌ها و منابع تجدید پذیر انرژی مانند پنل‌های خورشیدی است.
منبع تغذیه یا پاور ساپلای (Power supply) دستگاهی است که توان الکتریکی مورد نیاز را برای مصرف‌کننده الکتریکی یا بار الکتریکی تأمین می‌کند. اصلی‌ترین عملکرد این دستگاه تغییر شکل جریان برقی است که بسته به نیاز می‌تواند تغییر در ولتاژ، فرکانس و بار الکتریکی را رقم بزند. منبع تغذیه‌ها را می‌توان به عنوان مبدل‌های برقی نیز نامید.
در دسته منابع تغذیه، باتری و انرژی‌های نو، پنل‌های خورشیدی صفحه‌هایی هستند که انرژی تابشی خورشید (فوتون‌ها) را به انرژی الکتریکی تبدیل می‌کنند. این پنل‌ها از سلول‌های خورشیدی کوچک تشکیل شده‌اند که هر یک از آنها یک مدار الکتریکی را تشکیل می‌دهند.
یک پنل خورشیدی به طور معمول در پشت بام‌ها یا جایی که می‌توانند نور خورشید را تا حد امکان دریافت کنند، نصب می‌شود. این پنل‌ها از ترکیبات نیمه‌هادی مانند سیلیکون ساخته می‌شوند که وظیفه آنها تبدیل انرژی نورانی خورشید به انرژی الکتریکی است. با کنار هم قرار دادن تعدادی سلول خورشیدی، یک ماژول خورشیدی ساخته می‌شود. از ترکیب چند ماژول خورشیدی در کنار هم، یک پنل خورشیدی تشکیل می‌شود. عموماً در مصارف بزرگ، ردیف‌های زیادی از پنل خورشیدی در کنار هم قرار می‌گیرند و یک آرایه خورشیدی را تشکیل می‌دهند.
برای تولید برق، پنل‌های خورشیدی از اثر فتوولتائیک استفاده می‌کنند. این اثر، پدیده‌ای فیزیکی است که در آن نور می‌تواند باعث حرکت الکترون‌ها از یک ماده شود. وقتی فوتون‌های نور خورشید به سلول‌های خورشیدی در پنل برخورد می‌کنند، الکترون‌ها آزاد می‌شوند و حرکت می‌کنند تا انرژی الکتریکی تولید کنند.
در دسته منابع تغذیه، باتری و انرژی‌های نو می‌توان از باترها سخن گفت. باتری‌ها در الکترونیک نقش مهمی ایفا می‌کنند و برای تأمین انرژی به دستگاه‌ها و مدارهای الکتریکی استفاده می‌شوند. انواع باتری‌ها بر اساس خصوصیات شیمیایی، اندازه، شکل و کاربردها به دسته‌های مختلفی تقسیم می‌شوند.
سایر قطعات:
در بخش سایر قطعات ما می‌توانیم انواع سیم و کابل، انواع فن‌ها و خنک کننده‌ها و سایر ابزارها و قطعات الکترونیکی را جای داد.
کلیه حقوق این سایت متعلق به الکتروهایو است.
WWW.Electrohive.ir
2 پاسخ
با سلام
امیدوارم روزی هوش مصنوعی درمانی برای تمام آلام بشر باشد
با تشکر از شما که وقت گذاشتین. به آن امید نفس می کشیم
تیم پشتیبانی الکتروهایو