چکیده
یادگیری عمیق (DL)، با سرعت، از سال 2006 به یک مسیر تحقیقاتی در حال رشد تبدیل شده و پیشرفته-ترین کارایی¬ها را در طیف وسیعی از زمینه‌ها از جمله تشخیص اشیا، بخش¬بندی تصویر، تشخیص گفتار و ترجمه ماشینی، بازتعریف می‌کند. در سیستم‌های تولیدی مدرن، پایش ماشینی سلامت های مبتنی بر داده به دلیل استقرار گسترده حسگرهای ارزان‌قیمت و اتصال آنها به اینترنت، محبوبیت زیادی دارد. در همین حال، یادگیری عمیق، ابزارهای مفیدی را برای پردازش و تحلیل این کلان داده¬های ماشینی، فراهم می¬کند. هدف اصلی این مقاله، بررسی و خلاصه کردن کار تحقیقاتی نوظهور یادگیری عمیق در پایش ماشینی سلامت است. پس از معرفی کوتاه تکنیک‌های یادگیری عمیق، استفاده از یادگیری عمیق در سیستم‌های پایش ماشینی سلامت، عمدتا از جنبه‌های زیر بررسی می‌شوند: خود رمزگذار (AE) و انواع آن، ماشین های بولتزمن محدود شده و انواع آن از جمله شبکه باور عمیق (DBN) و ماشین‌های بولتزمن عمیق (DBM)، شبکه‌های عصبی کانولوشن (CNN) و شبکه‌های عصبی بازگشتی (RNN). علاوه بر این، یک مطالعه تجربی بر روی کارایی این رویکردها انجام شده که در آن داده‌ها و کد، به صورت آنلاین بوده است. در نهایت، برخی از روندهای جدید روش¬های پایش ماشینی سلامت مبتنی بر DL مورد بحث قرار می گیرند.
توضیحات:
این فصل به بررسی مقالات منتشر شده در مورد بررسی فعالیت EEG مرتبط با ورزش در 25 سال گذشته می¬پردازد. با استفاده از چندین موتور جستجو برای بررسی چندین پایگاه داده با عبارات کلیدی «EEG» و «ورزش»، 13 مقاله مروری و 92 مطالعه تحقیقاتی، شناسایی شد. مقالات مروری و مطالعات تحقیقاتی محدود به آن دسته از مواردی بودند که در مجلات دانشگاهی، به زبان انگلیسی و بین سال‌های 1983 تا 2016 منتشر شده بودند. عمده مقالات منتشر شده (چرون و همکاران، 2016؛ کوکی، 2013؛ اتینر و گپین، 2004؛ هاتسفیلد، هافلر، هونگ و اسپالدینگ، 2004؛ هتفیلد و کریک، 2007؛ هتفیلد و لندر، 1983؛ ژانل و هتفیلد، 2008؛ لاتون، سارلا و هتفیلد، 1998؛ مانچوسکا، گلیگوروسکا، تودوروفسکا، دژانوا و پتروفسکا، 2016؛ یاروور و براون و کراکائور؛ 2009) بودند که بر مطالعات تحقیقاتی EEG مرتبط با ورزش که در آن زمان موجود بود، تمرکز داشتند. سه مورد از مقالات مروری منتشر شده (جنتیلی، اوه، برادبری، هتفیلد، و کنتراس ویدال، 2010؛ مان و ژانل، 2012؛ تامپسون، استفرت، راس، لیچ و گروزلیر، 2008)، ملاحظات تکنولوژیکی را برای محققان EEG مرتبط با ورزش، مدنظر داشتند. نتیجه‌گیری‌های مهم برای جدیدترین (یعنی آنهایی که در دهه گذشته منتشر شده‌اند) بررسی‌های منتشر شده متمرکز بر تحقیق EEG، در زیر توضیح داده شده‌اند.
یارو و همکاران (2009)، مقالات قبل از 2009 را بررسی کردند و دو نتیجه گرفتند. اول، آنها به این نتیجه رسیدند که مقالات از این ایده حمایت می¬کند که حرفه¬ایها، پردازش قشری کارآمدتری را نشان می¬دهند. دوم، آنها به این نتیجه رسیدند که مقالات از یک رابطه پیش بینی کننده بین فعالیت EEG مرتبط با ورزش و کارایی پشتیبانی می¬کند.
جنتیلی و همکاران (2010) مقالات قبل از 2010 را بررسی کردند و چهار نتیجه گرفتند. آنها نتیجه گرفتند که مقالات از وجود روابط مهم بین فعالیت EEG مرتبط با ورزش و کارایی پشتیبانی می¬کند. دوم، آنها به این نتیجه رسیدند که مقالات وجود تفاوت در فعالیت EEG مرتبط با ورزش بین افراد حرفه¬ای و افراد آماتور را تأیید می¬کند. سوم، آنها به این نتیجه رسیدند که مقالات از وجود اثرات یادگیری پشتیبانی می¬کند. چهارم، آنها به این نتیجه رسیدند که مقالات از وجود مکان‌های خاص و باندهای فرکانسی مهم، پشتیبانی می‌کند.
تعداد صفحات : 79
قالب يا تم پاورپوينت زیبا ادبیات فارسی
اثر قاعده لاضرر در مسئوليت مدني و نقش قاعده اقدام در اثر رافعيت آن