عنوان کارگاه: پردازش سیگنال های EEG به وسیله جعبه ابزار EEGLAB

مدت زمان کارگاه: 2 ساعت

مدرس کارگاه: دکتر زینب محمدپوری (استادیار گروه الکترونیک و مهندسی پزشکی، دانشگاه صنعتی شاهرود)

رئوس مطالب:

• آشنایی اولیه با جعبه ابزار EEGLAB و نحوه ورود داده ها
• پیش پردازش و حذف نویزها و آرتیفکت‌های سیگنال ‌های EEG
• پردازش‌های زمانی و فرکانسی سیگنال‌ها
• آنالیز پتانسیل‌های وابسته به رویداد (ERP)
• ایجاد یک مطالعه در EEGLAB و آنالیز گروهی سیگنال ها

چکیده: از سیگنال‌ EEG جهت تشخیص و درمان بسیاری از بیماری‌ها و اختلالات عصبی و روانی و تحقیق بر روی شناخت عملکرد مغز در حین انجام تکالیف عصب – شناختی استفاده می شود. همچنین ازین سیگنال برای کنترل ارتز و پروتزهای هوشمند برای افراد معلول، بازاریابی عصبی و طراحی بازی‌های تفریحی و درمانی نیز استفاده می‌شود. تاکنون نرم‌افزارهای متعددی برای تحلیل EEG ارائه شده که یکی از آنها جعبه‌ابزار EEGLAB در نرم‌افزار MATLAB  است و امکان اجرای بسیاری از پردازش‌های مطرح سیگنال‌های EEG  را فراهم می‌آورد. این جعبه‌ابزار دارای یک واسط گرافیکی ساده است که به محققین این امکان را می‌دهد که بدون نیاز به کدنویسی، سیگنال‌های خود را پردازش و تحلیل کنند.

در این کارگاه ابتدا با مفاهیم اولیه و اصطلاحات مطرح در حوزه پردازش سیگنال‌های EEG آشنا شده و سپس به طور عملی پیش پردازش ها و پردازش های متداول بر روی سیگنال‌های EEG  انجام می شوند.

عنوان کارگاه: تشخیص خطاهای الکتریکی و مکانیکی در ماشین های الکتریکی به کمک پردازش سیگنال های الکتریکی و مکانیکی در حالت گذرا و دائمی

مدت زمان کارگاه: 2 ساعت

مدرس کارگاه: دکتر محمد حسین تبارمرزبالی (دانشیار گروه مهندسی برق قدرت، دانشگاه صنعتی شاهرود)

     مهندس رضا بازقندی (کارشناسی ارشد مهندسی برق، دانشگاه صنعتی شاهرود)

رئوس مطالب:

بخش اول:

• بررسی انواع خطاهای الکتریکی و مکانیکی در ماشین های الکتریکی
• شناسایی تاثیر خطاهای الکتریکی و مکانیکی بر روی سیگنال های الکتریکی و مکانیکی
• بررسی خطاهای الکتریکی و مکانیکی در حوزه زمان، فرکانس و زمان- فرکانس
• پیش پردازش سیگنال های الکتریکی به منظور بهبود روش های شناسایی خطا

بخش دوم:

• چگونگی پیاده سازی عملی خطا در آزمایشگاه
• پیاده سازی روش های پردازش سیگنال مبتنی بر فرکانس و زمان- فرکانس بر روی سیگنال های الکتریکی عملی در حالت دائمی و گذرا

چکیده: ماشین­های القائی به علت قیمت کم و قابلیت اطمینان بالا در صنعت به طور گسترده­ مورد استفاده قرار گرفته­ اند. این ماشین­ها یک مؤلفه کلیدی در صنعت تولیدی مدرن، با توان­های نامی در محدوده کمتر از یک اسب بخار تا چند ده مگاوات هستند. استحکام و نیاز به تعمیر و نگهداری کم، ماشین های القائی را به طور ایده ­آل از نظر قابلیت اطمینان برای استفاده در بسیاری از فرآیندهای صنعتی مناسب می ­سازد. با این حال، خطاهای الکتریکی و مکانیکی در این ماشین­ ها می­تواند زیان­های اقتصادی جبران­ ناپذیری به بار آورد. پایش وضعیت ماشین­ های مذکور می ­تواند منجر به شناسایی خطا در همان مراحل اولیه گردد که این مسئله امری الزامی برای به حداقل رساندن ضررهای یاد شده است.

با توجه به تحقیقات صورت گرفته در سال­های اخیر، مشخصه­ های الکتریکی مانند جریان­های الکتریکی استاتور و رتور (در ماشین­های القایی رتور سیم ­پیچی شده)، ولتاژ و توان لحظه ای و مشخصه­ های مکانیکی مانند سرعت، گشتاور، ارتعاشات و شار مغناطیسی برای تشخیص و آشکارسازی انواع مختلفی از خطاهای الکتریکی و مکانیکی در ماشین­های القائی مانند نامتعادلی روتور، خروج از مرکز، اتصال کوتاه حلقه به حلقه، خطا در یاتاقان، خطای اتصال با مقاومت بالا و جعبه دنده مورد استفاده قرار گرفته­  است. سیگنال های بدست­ آمده به کمک انواع حسگرهای الکتریکی و مکانیکی را می­ توان با طیف گسترده ­ای از تکنیک ­های پردازش سیگنال برای استخراج ویژگی­ های خاص خطا مورد پردازش قرار داد. بسیاری از آن­ها مبتنی بر تجزیه و تحلیل سیگنال در حوزه فرکانس و یا پردازش مستقیم است. پس از استخراج ویژگی­ های خاص خطا، این شاخص­ ها باید مورد پردازش دقیق­تر قرار گیرد تا نه تنها حضور یک خطا، بلکه شدت آن نیز تشخیص داده­ شود. در این کارگاه به آموزش اصول پایه پایش وضعیت، همراه با پیاده سازی روش های پردازش سیگنال خواهیم پرداخت. در این راستا روش های پردازش سیگنال بر روی داده های عملی بدست آمده از خطاهای مختلف ایجاده شده بر روی ماشین به کمک نرم افزار متلب پیاده سازی خواهد شد.

عنوان کارگاه: استخراج پروفایل روانشناختی از فضای سایبر

مدت زمان: 2 ساعت         

مدرس کارگاه: دکتر مریم سعیدی (استادیار گروه الکترونیک و مهندسی پزشکی، دانشگاه صنعتی شاهرود)

رئوس مطالب:

• معرفی فضای سایبر و ردپای دیجیتالی افراد
• داده های مختلف موجود در فضای سایبر و اهمیت هر یک از آنها
• معرفی هیجان و ارتباط آن با خلق فرد
• سنجش هیجان در اطلاعات منتشر شده در فضای مجازی
• معرفی شخصیت و نحوه کمی سازی آن
• سنجش شخصیت افراد براساس اطلاعات منتشر شده در فضای مجازی
• معرفی احساس، نظر و غقیده و روش های مختلف نظر کاوی و عقیده کاوی در فضای مجازی
• معرفی چند نمونه ابزار جهت تحلیل هیجانی، تشخیص شخصیت براسا داده های منتشر شده در فضای مجازی و کار با آنهاکار

چکیده: با توجه به حجیم عظیم داده های تولیدی در فضای مجازی و اطلاعات بسیار کاربردی در دل این داده ها، سازمان ها و مراکز مختلف در جهت پیشبرد برنامه های راهبردی خوب به طور فزاینده به استخراج اطلاعات از این داده ها می پردازند. استخراج ویژگی ها و شاخص مطرح در حوزه روانشناسی از جمله اطلاعات مفید برای بسیاری از اهداف می باشد. برای مثال.  به منظور افزایش اثرگذاری مطالب و ایجاد انگیزه در کاربران برای به اشتراک‌گذاری محتوای مورد نظر، بهتر است افکار و عقاید افراد مستقیما مورد کاوش قرار گیرد. در این دوره به معرفی شاخص های روانی شامل شخصیت، هیجان، احساس، عقیده و ... که می تواند از فضای مجازی و داده ها موجود در آن استخراج شود پرداخته میشود. این مفاهیم روانشناسی توضیح داده شده و روش کمی سازی این کیفیت ها معرفی میشود. و در انتها به معرفی نمونه ابزارها و سامانه هایی که جهت استخراج این اطلاعات ارائه شده اند می پردازیم

عنوان کارگاه: از فناوری تا کاربرد: نقش شبکه های عصبی گراف در تحلیل داده های بانکداری

مدت زمان: 2 ساعت         

مدرس کارگاه: زهرا نوراله (دانشجوی دکتری مهندسی کامپیوتر- هوش مصنوعی، دانشگاه صنعتی شاهرود)

سرفصل مطالب:

• مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
• مبانی فناوری و ساختار شبکه‌های عصبی گراف
• مقایسه روش‌های گرافی و سنتی در تحلیل داده‌ها
• مطالعات موردی (Case Studies)
• چالش‌ها و فرصت‌ها در پیاده‌سازی GNN در بانکداری
• پیشرفت‌های آینده در شبکه‌های عصبی گراف و بانکداری

چکیده:

شبکه‌های عصبی گراف (GNN) به‌عنوان یکی از پیشرفته‌ترین ابزارهای هوش مصنوعی، امکان تحلیل داده‌ها و ارتباطات پیچیده را در قالب ساختارهای گراف فراهم می‌کنند. این فناوری با مدل‌سازی روابط بین عناصر مختلف، مانند مشتریان، تراکنش‌ها، یا شبکه‌های اجتماعی، می‌تواند الگوها و رفتارهای پنهان را شناسایی کند. در صنعت، به‌ویژه در حوزه‌هایی مانند بانکداری، شبکه‌های عصبی گراف کاربردهای گسترده‌ای دارند. این مدل‌ها در شناسایی فعالیت‌های مشکوک (مانند پولشویی)، پیش‌بینی رتبه اعتباری مشتریان، و کاهش ریسک‌های اعتباری نقش کلیدی ایفا می‌کنند.

این کارگاه ابتدا به معرفی مفاهیم پایه شبکه‌های عصبی گراف (GNN) و اهمیت مدل‌سازی داده‌ها در قالب گراف می‌پردازد. سپس معماری‌های متنوع GNN و ابزارهای محبوب برای پیاده‌سازی آن‌ها مورد بحث قرار می‌گیرد. در بخش‌های عملی، کاربردهای GNN در شناسایی فعالیت‌های مشکوک پولشویی و پیش‌بینی رتبه اعتباری مشتریان تشریح می‌شود و با ارائه مطالعات موردی، تاثیرگذاری این روش‌ها در کاهش ریسک‌های اعتباری و افزایش کارایی تحلیل‌ها برجسته می‌گردد. این کارگاه با ترکیب دیدگاه‌های فناوری و کسب‌وکار، مسیری روشن برای بهره‌گیری از شبکه‌های عصبی گراف در بهبود فرآیندهای بانکی و ایجاد نوآوری در تحلیل داده‌ها ارائه می‌کند.