Agora você também pode comprar o aprendizado profundo Cloud-Based

O sistema de aprendizado do Facebook, com seus sistemas de inteligência artificial, aprendem a reconhecer os seus amigos em suas fotos, e AI do Google aprendeu a antecipar o que você vai estar procurando. Mas não há necessidade de se sentir deixado de fora, mesmo se os computadores da sua empresa não aprendeu muito ultimamente.

Um número crescente de gigantes da tecnologia e startups começaram a oferecer aprendizado de máquina como um serviço na nuvem. Isso significa que outras empresas e startups não precisam parar desenvolver seu próprio hardware ou software especializado para aplicar o aprendizado profundo -a alta potência versão du jour de aprendizagem de máquina-a suas necessidades comerciais específicas.

“Algoritmos de aprendizagem profunda dominam outros métodos de aprendizado de máquina, quando os conjuntos de dados são grandes”, diz Zachary perseguição Lipton, um pesquisador de aprendizagem profundamente no Grupo de Inteligência Artificial da Universidade da Califórnia, em San Diego , que examinou serviços cloud AI de empresas tais como Amazon e IBM. “Assim, qualquer empresa ou aplicativo que tenha bem formadas problemas, tais como previsão de previsão da procura ou tradução entre línguas-poderiam beneficiar de uma aprendizagem mais profunda.”

Com aprendizagem profunda baseada em nuvem , as empresas podem simplesmente selecionar um serviço de nuvem e procurar as suas ofertas on-line de interfaces de programação de aplicativos para tarefas de software, tais como reconhecer imagens de cães corgi ou automaticamente a tradução de um menu do restaurante. Alguns serviços serão ainda adaptar suas ferramentas de aprendizado de máquina aos dados e necessidades das empresas individuais.

De acordo com Lipton, a ascensão de serviços em nuvem para a aprendizagem de máquina depende de pelo menos dois fatores: primeiro, um aumento contínuo na demanda por aprendizagem de máquina como a tecnologia amadureceu na sua capacidade de resolver uma grande variedade de problemas com valor económico; e, segundo, a relativa escassez de talentos de aprendizado de máquina, o que torna difícil para todas as empresas para construir a sua própria equipa de aprendizado de máquina. Competição por talentos tornou-se ainda mais difícil com startups tentando competir com gigantes da tecnologia como a Microsoft ea IBM, que podem dar ao luxo de aspirar a melhores e mais brilhantes.

A maioria das aplicações comerciais de aprendizado de máquina dependem de aprendizado supervisionado. Trata-se de algoritmos que podem observar exemplos corretamente rotulados e aprender a executar determinadas tarefas por meio da imitação. As redes neurais artificiais são actualmente os algoritmos mais populares e bem sucedidos para o aprendizado de máquina supervisionado em grandes conjuntos de dados. Eles aprendem fazendo passar informações através de uma rede interligada de vários nós (também conhecido como neurônios). As conexões entre esses nós cada um têm pesos ajustáveis que influenciam o fluxo de informações através do gráfico. Nós geralmente são dispostos em camadas. Mas historicamente era viável para formar redes com apenas uma camada oculta de neurônios, para além das camadas de entrada e de saída.

aprendizagem profunda leva esses métodos para o próximo nível, filtrando os dados através de múltiplas camadas de neurônios, Lipton explica. Em cada camada, a rede pode aprender representações sucessivamente mais abstratas de relações entre pontos de dados. Com camadas suficientes e nós suficientes, redes neurais profundas podem executar uma série de funções.

O desafio na construção de uma rede neural está treinando-o para tarefas específicas. A partir de uma configuração aleatória dos pesos, exemplos do conjunto de dados são apresentados para a rede neural um após o outro. Cada vez, os pesos da rede neural são afinadas um pouco para trazer a saída da rede mais próxima para a saída correta.

Fonte: http://spectrum.ieee.org/computing/software/now-you-too-can-buy-cloudbased-deep-learning

Anúncios

Rootar o seu Cérebro com Gadgets – Uma Possibilidade Real

Mjc3MzgxNg

Dispositivos que “hackeiam” o seu cérebro, poderá em breve ser uma parte discreta da vida diária, graças a sensores de EEG que se encaixam confortavelmente dentro da orelha. Dois grupos de pesquisa estão a fazer progressos em dispositivos discretos que oferecem dados cerebrais confiáveis onde a confiabilidade é um ponto chave. Alguns aparelhos neuro para os consumidores já têm atingido o mercado, mas não é de todo claro que eles entregam os dados cerebrais prometidos.

Por que você iria querer um gadget para cérebro? Bem, talvez você queira controlar objetos no mundo físico com a sua mente , e por muito tempo para usar um simples pensamento para desbloquear o seu porta da frente ou aumentar a sua nave X-Wing de um pântano. Ou talvez você queira manter o controle sobre suas ondas cerebrais durante todo o dia, e procurar um gadget de coleta de dados que age como um Fitbit para o seu cérebro.

As empresas e os DIYers podem fazer tais coisas hoje (ok, provavelmente não o levantador X-wing) com sensores que usam eletroencefalograma, ou EEG , para pegar uma gravação aproximada de atividade cerebral. Normalmente, esses dispositivos utilizam eletrodos de EEG que são afixados ao couro cabeludo, onde eles detectar os padrões de atividade elétrica gerada quando milhões de células cerebrais agir em conjunto. Os diferentes tipos de ” ondas cerebrais ” têm sido associados com diferentes estados mentais, como foco e relaxamento, e ações diferentes.

Mas tais sistemas de eletrodos à base de couro cabeludo pode olhar um pouco visível e desajeitado . Enquanto startups são, certamente, correr para fazer headsets EEG mais elegantes e melhores, vários grupos de pesquisa pensam que sensores in-ear EEG oferecem uma alternativa elegante.

Traduzido de:

Fonte:  http://spectrum.ieee.org/the-human-os/biomedical/devices/in-ear-eeg-makes-unobtrusive-brain-hacking-gadgets-a-real-possibility?utm_campaign=TechAlert_07-14-16&utm_medium=Email&utm_source=TechAlert++&bt_alias=eyJ1c2VySWQiOiAiMTZlMzIzNjUtZjlhOC00NDE3LWI1NzctMzhjYzU0ZDBkNzQ1In0%3D

Cirurgia de Interface Neural em Baratas

Se você quer começar a aprender sobre princípios de engenharia neural, mas tem um orçamento limitado, aqui estão as instruções sobre como construir seu próprio RoboRoach (beta) e investigar microeletrônica e design de interface neural:

Nota: Este vídeo instrucional foi criado para o RoboRoach (beta). Se você estiver usando o mais recente Blueooth RoboRoach, por favor consulte o “Cirurgia de Interface Neural” experimento: https: //backyardbrains.com/experiment … e é atualizado em: http://youtu.be/EsrorUT_Svc

Link: https://backyardbrains.com/

Pesquisadores desenvolvem controle remoto de movimentos de humanos

 Alunos da Universidade de Hannover, na Alemanha, desenvolveram um dispositivo capaz de controlar remotamente os movimentos das pernas das pessoas enquanto elas caminham. O aparelho utiliza uma pequena estimulação elétrica no corpo para indicar quando alguém deve virar à esquerda ou à direita e poderia ser utilizado em games, para impulsionar regimes de exercício, conduzir pessoas em espaços e até ajudar vítimas de derrame.

O aparelho fixa eletrodos no músculo sartório, que são conectados a um dispositivo de estimulação elétrica semelhante aos utilizados pelos fisioterapeutas para ajudar os atletas de reabilitação de feridos, além de um painel de controle sem fio na cintura.

Jogos e realidade virtual 

Os inventores explicam que a princípio desenvolveram a ideia para que as pessoas pudessem jogam com o smartphone sem esbarrar em coisas na vida real.  “A ideia é ajudar as pessoas a navegar sem que saibam disso”, disse Max Pfeiffer, um dos responsáveis pelo projeto. “O usuário começa a andar, relaxa e acabam no local sem perceber que você foi guiado até ele”.

Por enquanto, o projeto está em fase inicial. “A principal coisa a melhorar é que a navegação ainda não é perfeita”, explica Pfeiffer. “O usuário precisa medir onde está o tempo todo. A segunda coisa é calibrar a pessoa para o dispositivo, uma vez que todos são diferentes. A terceira coisa é que é preciso ver os obstáculos na frente da pessoa”.

Roberta Klatsky, professora de interação humano-computador na Universidade Carnegie Mellon afirma que o trabalho é interessante, mas ainda tem um longo caminho a percorrer, já que alguns dos usuários não foram afetados pela estimulação e ela provavelmente não vai funcionar em calçadas estreitas. Além disso, o controlador humano precisa estar por perto para que tudo funcione corretamente.

REMOÇÃO DE ARTEFATOS DE EOG E EMG EM REGISTROS ELETROENCEFALOGRÁFICOS

openeeg

Resumo: O sinal de eletroencefalograma (EEG) necessita de um pré-processamento para eliminação de artefatos. Os artefatos fisiológicos contaminam o registro de EEG, dificultando sua análise, devido a possuir maior amplitude que o sinal em estudo. Este trabalho teve por objetivo desenvolver e utilizar técnicas para detectar e eliminar artefatos fisiológicos referentes a movimento ocular (eletrooculograma, EOG) e muscular (eletromiograma, EMG). Os algoritmos usam a Transformada Discreta Wavelet e outros métodos matemáticos para detecção de envoltória do sinal processado. Foi realizada a detecção e eliminação desses artefatos, de forma automática, em todos os 80 EEGs adquiridos. Os pontos classificados como artefato são eliminados do registro, aumentando a relação sinal ruído, sem a eliminação de um trecho completo do sinal.

Palavras-chave: Artefatos, EEG, EOG, EMG e ICM.

Link:   http://www.canal6.com.br/cbeb/2014/artigos/cbeb2014_submission_550.pdf

Biopotential Technology – EEG

[Please note that this is a cached copy from the Wayback Engine as Doug's site apparently dropped off the 'net in 2003; hopefully he'll show up again some day! Until then, enjoy his research. --Jim]

Biopotential Technology

This is a collection of resources on biopotential measurement
and next generation human-computer interfacing.

 

 


Biofeedback Device Schematics

EEG – Electroencephalograph Schematics

  • Biosemi


  • Brainmaster

    • Brainmaster Schematics – These are Tom Collura’s freeware build specs for the Brainmaster EEG. These specs are based on the Motorola 68HC11EVBU evaluation board which is no longer available and difficult to find. I have heard that Axiom 68HC11 boards can be used as an alternative. The amplifier is based on AD620 instrumentation amps and OP90 op-amps. Frequency response is 1.7-34 Hz and CMMR is 110 dB. Unfortunately the firmware and PC software is no longer available.


  • OpenEEG Project – This is a project to develop a low-cost EEG for < $100. There is a discussion group about this project here.

    • ModularEEG – This design is a 2-channel EEG with RS232 PC interface. It uses an AT90S4433 microcontroller for ADC and a differential amp based on INA114 instrumentation amps andTLC277 op-amps. The input stage is modeled after (or influenced by) the Biosemi designs, with some modifications. Data is sent to the PC over the RS232 data lines (RX/TX). This is the most recent and sophisticated of the OpenEEG designs.
    • RS232EEG – This is an older version of a 2-channel EEG with RS232 PC interface. It uses an AT90S4433 microcontroller for ADC and a differential amp based on INA114 instrumentation amps and TLC272 op-amps. Data is sent to the PC over the RS232 data lines (RX/TX). The firmware rom image and source code are included in the download file.
    • ComEEG – This is a lower cost 1-channel EEG with RS232 PC interface. This one uses no microcontroller, it sends pulses to the PC over the RS232 handshake lines (RTS/CTS). It uses a differential amp based on INA114 instrumentation amps and OPA2604 op-amps. ADC is implemented with 555 timers. It includes a 7555 timer for calibration circuit. The PC must be run in DOS only mode to disable interrupts in order to achieve proper timing.
    • ComADC – This is another low cost 1-channel EEG with RS232 PC interface. It also uses no microcontroller and sends pulses to the PC over the RS232 handshake lines (RTS/CTS). There is no differential amp, signals are fed into a 555 timer based PWM circuit. The PC must be run in DOS only mode to disable interrupts in order to achieve proper timing.
    • GamePortEEG – This is another low cost EEG that sends signals to the PC via the game port. It uses a differential amplifier. There doesn’t seem to be much info about this design.
    • Joerg’s Home Page – This is Joerg Hansman’s home page for download of the OpenEEG schematics and firmware. Joerg is the designer of all of this fancy OpenEEG hardware.
    • Design of a multi-purpose biofeedback machine – This document describes an multi-parameter biofeedback system based on a Texas Instruments MSP430F149 microcontroller and ADS1252analog/digital converters. There are no schematics in this document.
    • ElectricGuru EEG Software – This is Rob Sachs’ Windows software that uses FFT to do spectral analysis of the EEG data. It apparently works with the RS232EEG and ModularEEG designs above. This is binary executable only, the source code is not available.
    • Eagle Layout Software – You need this software to look at the OpenEEG schematics above. Low volume orders of boards can be done at PCBexpress, they accept Eagle format CAD files.
    • Atmel DevTools – These are the development tools for Atmel AVR 8-bit RISC microcontrollers. Atmel microcontrollers and flash tools can be ordered online from Digikey. They also have most of the instrumentation amps, operational amps, and other parts. A schematic for a programmer’s cable is here if you want to make your own.


  • Circuit Cellar

    • HAL-4 EEG – Circuit Cellar designed a low cost EEG using the ubiquitous 8031 microcontroller. The amp section is built using six TL084 op-amps. Singals are digitized using ADC08008 A/D converters. Frequency response is 4-20 Hz and the firmware is set up with 64 Hz sampling. There used to be a kit for sale at Creative Concepts, but it’s no longer available. Apparently the original PCB design file was lost. There is a manual that shows the schematics, and there is a newsgroup for HAL-4 fans. Some people have improved on this design to achieve better band width and sampling rates.


  • Other EEG Schematics

    • Meissner Research – Jim Meissner improved on the HAL-4 design and was able to achieve better frequency band width and sampling rates. He used a 68HC11 board from New Micros. There are tons of free development tools and info about 68HC11 on the web. Jim posted his EEG firmware source and some sample EEG recorded data here. Jim also invented the Brain State Synchronizer and some interesting meditation speakers.
    • Bernd Porr – Here’s an EEG preamp and filter circuit that uses AMP01 instrumentation amp and NE5532 op-amps. He uses a TIL111 opto-coupler. He also has an interesting Java-based EEG viewer that connects to a C++ server via socket connections.
    • Two-channel data logger for quantitative EEG recording while driving – This document describes a 2-channel portable EEG built using an 87C552 microcontroller and AD620instrumentation amps. Band width is 0.1-40 Hz, sampling is 128 Hz, and it does 10-bit resolution A/D conversion. There are no schematics in this document. There is another document describing this system here.
    • How to Build a Lie Detector, Brain Wave Monitor and Other Secret Parapsychological Electronics Projects – This book has plans for a simple EEG that uses 741C and N5556 (signetics) op-amps. The brain wave signals feed into an audio tone generator, and thresholds can be set with a potentiometer. It also has an auxilliary output for a chart recorder. The book seems to be out of print, but the plans and schematics are here.
    • A CMOS IC for Portable EEG Acquisition Systems – This short document describes the design of a an EEG into a single CMOS IC that consumes 520 uA power. This single IC contains 16 instrumentation amplifiers, analog multiplexer, programmable gain amplifier, auto-calibration circuitry, and a digital computer interface.

ECG – Electrocardiogram Schematics

  • Electrocardiogram Amplifier – This document contains schematics for an EKG amplifier using AD621 instrumentation amp and LM6484 op-amps. Another circuit shows addition of a common ground. There is a circuit for evaluation of common mode rejection ratio (CMMR). It further describes how to add a low-pass butterworth filter using MF4 switched capacitor, and how to digitize the EKG signals using ADC0848.
  • Scientific American: Home is where the ECG is – This article from “The Amateur Scientist” column describes how to build an ECG using just an AD624 instrumentation amp, 5 resistors, and 4 capacitors, and a potentiometer for “zero adjust”.
  • Sima’s ECG Project Page – This is a good description of Sima’s experimentation with the simple ECG described in the above Scientific American article. He includes a revised schematic, and provides more detail on safety, grounding, and noise reduction. Sima used the Pico Technologies DrDAQ data logger to digitize the ECG signals and chart them on a PC.
  • EKG Happy – This page describes a home brew EKG system. It includes a schematic for an EKG amplifier using TL082 op-amp, diagrams showing how to wire the leads, and some notes on safety considerations.
  • Electrocardiogram Lab – These are student lab instructions from an EE course. They include a schematic for an ECG that uses an AD620 instrumentation amp and 741 op-amps, and discusses adding a low-pass and high-pass filters.
  • Texas Instruments ECG Schematic – The data sheet for the Burr-Brown (Texas Instruments) INA121 instrumentation amp includes a schematic for an ECG amplifier with right-leg drive. It also has schematics for low-pass and high-pass filters, galvanic isolation, and multiplexed-input data acquistion.
  • Real Time Portable Heart Monitoring Using Lown Power DSP – This docment describes an ECG system that uses a TMS320C5410 DSP to do real-time analysis of ECG signals. It describes how the DSP is used to do QRS complex detection using an adaptive threshold technique. The portable system has small keypad, LCD, and audio output, and also an RS232 interface for connection to a PC. There are no schematics, just block diagrams.
  • Portable System for High Resolution ECG Mapping – This document describes a multi-channel portable ECG with parallel port connection to a PC. It’s a brief document with not much technical information.
  • Lego Mindstorms ECG Sensor – Lego has changed a lot since my childhood days. Now they have lego bricks containing programmable microcontrollers. This page describes a lego ECG sensor. It includes schematics, cabling info, and shows photos of the ECG circuitry attached to lego bricks. There is also a program called MindScope which downloads ECG data from the lego brick and charts it on a PC. I think the big kids are enjoying mindstorms more than the little ones.
  • Optical Heart Monitoring – This page describes projects that measure pulse using light transmitted and reflected through the finger. One method uses a super bright LED, light penetrating the finger is detected by a TSL230 light to frequency converter. Another methods uses an infrared LED, light is detected with a PIN photo diode.
  • ChipCenter Question: Heart Monitor – This is a response to a question submitted to ChipCenter on how to make a heart monitor. It talks about instrumentation amplifier choices, isolation methods, and usage of 60 Hz notch filters. It has links to some useful technical briefings and data sheets, but all of the links are broken, so I have included fixed links below:

EMG – Electromyrograph Schematics

GSR – Galvanic Skin Response Schematics

Respiration Monitor Schematics

Mind Machine (Light and Sound) Schematics

Other Miscellaneous Schematics


Portable Biofeedback Devices

Sensors for Biopotential Measurement

Mobile Biofeedback Monitors

Portable Neurofeedback Devices

Clinical/Research Instrumentation


Biopotential Measurement Theory

Biopotential Measurement Theory


EEG Signal Measurement


ECG Signal Measurement


EMG Signal Measurement


GSR Signal Measurement


Respiration Measurement


Digital Signal Processing

General DSP Theory


Fourier Transform


Wavelet Transform


Digital Filtering


EEG Signal Processing


EMG Signal Processing


Biofeedback/Neurofeedback Theory

General Biofeedback Resources


EEG – Neurofeedback Resources


ECG – Electrocardiography Resources


EMG – Electromyography Resources


GSR – Galvanic Skin Response Resources


Biofeedback Journals and Reference

Biofeedback Discussion Groups


Brainwave Entrainment Resources

Brainwave Entrainment Articles


Brainwave Entrainment Mind Machines


Brainwave Entrainment CD-ROMs


Brainwave Entrainment Software


Human Computer Interfacing Resources

Computer Control Techniques


EEG Computer Interfaces

EMG Computer Interfaces

Multi-Sensor Computer Interfaces


Neural Computer Interfaces

 


Affective Computing Resources

Affective Computing Concepts


Affective Research Systems


Affective Signal Processing


Affective Computing Research Groups


Other Emotion Related Sites


Context-Aware Computing Resources


Electromagnetics Resources


ESP and PSI Resources


WearcompAccessibilityBiopotentialGalleriaI like to make clothing do interesting tricks from remote destinations.What I’d like is to have you to call me and my jacket answers.


this page is best viewed using a computer connected to the internet 

Construindo Dispositivos Controlados pelo Cérebro

Projetos Open-Source

O projeto OpenEEG oferece um caminho para construir seu próprio dispositivo EEG. O custo estimado de construção de de U$200,00 e exige alguns fins de semana. Foi o primeiro método para pessoas que queriam um dispositivo EEG de baixo custo para uso pessoal.

Emokit é uma biblioteca open-source em Python para leitura de dados nos sensores do Emotiv EPOC (feito por Cody Brocious). Foi construída utilizando engenharia-reversa do protocolo criptografado.

EEGLAB é uma ferramenta do GNU Matlab para o processamento de dados de eletroencefalografia (EEG).

OpenVibe é uma plataforma de software LGPL (C++) para projetar, testar e utilizar a interface cérebro-máquina. O software vem com um servidor de aquisição que é compatível com muitos dispositivos EEG incluindo NeuroSky, Emotiv EPOC e OpenEEG.

Conectando Wearable ao arduino e mapeando atividade cerebral:

 

    Robô básico controlado por cérebro. Usou Mindwave móvel combinada com LabVIEW para implementar o controle. O controle para parar e iniciar o movimento é o valor “atenção” do fone de ouvido, que se relaciona com o quão forte você se concentrar em um objeto. A fim de mudar de direção, foi utilizada detecção de olhos fechados rudimentar. Este vídeo é apenas uma demonstração rápida da detecção de olhos fechados.

 

Sites para Consulta

Wikipedia – Comparison of consumer brain–computer interfaces
Emotiv – EPOC neuroheadset
Dangerous Prototypes – Brain wave monitor with Arduino + Processing
Frontier Nerds – How to Hack Toy EEGs
Ben Farahmand – Tutorial: Using the Emotiv headset with Processing and the Arduino
Arduino Assisted Mind-Controlled TV Using EEG
Projeto: Controlando Servo Motor com Emotiv Epoc (Interface Cérebro-Computador)
Emotiv EPOC + Processing/Arduino – Mindmeister Mapa Mental
EPOC-to-Arduino “Goodbye, World” | hyperRitual

 

openeeg

ALLEN BRAIN ATLAS API

Os recursos Atlas Cerebral Allen é uma coleção cada vez maior de recursos públicos on-line integrando extensa expressão gênica e dados neuroanatômicos, completo com um novo conjunto de ferramentas de busca e de visualização. Este portal dá acesso a cada um desses recursos, clicando sobre o botão para um determinado projeto ou clicando no projeto a partir da guia banner ou menu drop-down.

http://www.brain-map.org/

http://www.brainspan.org/

web-3d-brain

por Nilton Felipe Postado em Neuro

Neuro Information Database

NIF consulta simultaneamente todos os bancos de dados federados e conjuntos de dados por meio de sua interface de pesquisa. Os resultados são exibidos na guia Federação de dados e são categorizadas por tipo de dados e nível de sistema nervoso. Desta forma, os usuários podem facilmente percorrer o conteúdo de múltiplos recursos, tudo a partir da mesma interface.

 

https://neuinfo.org/mynif/databaseList.php?

NIFDatabase

 

 

por Nilton Felipe Postado em Neuro