برنامه درسی

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• تکالیف کلاسی

• ارائه جزوه درسی هر فصل به دانشجویان قبل از شروع کلاس
• استفاده از پاورپوینت و بحث در مورد مطالب درسی
• اجرای کدهای درسی در حین تدریس در نرم‌افزار، به منظور یادگیری نحوه کاربرد عملی زبان برنامه‌نویسی
• ارائه کده‌های برنامه‌نویسی به دانشجویان از طریق نماینده کلاس
• برگزاری جلسات منظم حل تمرین در هفته

. فصل اول: شروع با ++C

• یادگیری ++C: در پیش رو با چه موضوعاتی مواجه خواهید شد؟
• منشاء ++C: کمی تاریخچه
• قابلیت‌حمل و استاندارد‌ها
• ساختار و مکانیک ایجاد یک برنامه

2. فصل دوم: شروع به کار با ++C

• آغاز با ++C
• دستورات در ++C
• دستورات بیشتری در ++C
• توابع

3. فصل سوم: سر و کار داشتن با ++C

• متغیرهای ساده
• توصیف‌گر const
• اعداد اعشاری
• عملگرهای ریاضی در ++C

4. فصل چهارم: انواع داده‌های ترکیبی

• معرفی آرایه‌ها (arrays)
• رشته‌ها (strings)
• معرفی کلاس string
• معرفی سازه‌ها (structures)
• اتحادها (unions)
• شمارش‌ها (enumerations)
• اشاره‌گرها (pointers) و حافظه آزاد
• اشاره‌گرها، آرایه‌ها، و محاسبات ریاضی با اشاره‌گر
• ترکیب انواع داده‌ها
• جایگزین‌های آرایه

5. فصل پنجم: حلقه‌ها و عبارات پیوندی

• معرفی حلقه‌های for
• حلقه while
• حلقه do while
• حلقه‌ for مبتنی بر محدوده
• حلقه‌ها و ورودی متنی
• حلقه‌های در هم آشیانه‌کرده و آرایه‌های دو بعدی

6. فصل ششم: دستورات دارای انشعاب و عملکرهای منطقی

• دستور if
• عبارات منطقی
• کتابخانه cctype مربوط به توابع کاراکتری
• عملگر :?
• دستور switch
• دستورات break و continue
• حلقه‌هایی که عدد می‌خوانند
• ورودی/خروجی فایل ساده

7. فصل هفتم: توابع: مدول‌های برنامه‌نویسی ++C

• مروری بر توابع (functions)
• ورودی (arguments) توابع و خوراندن ورودی بصورت by value
• توابع و آرایه‌ها
• توابع و آرایه‌های دوبعدی
• توابع و string های به سبک C
• توابع و سازه‌ها
• توابع و object های کلاس string
• توابع و object های آرایه
• بازگشت
• اشاره‌گرها به توابع

8. فصل هشتم: ماجراهایی در توابع

• توابع Inline در ++C
• متغیرهای از نوع reference
• آرگومان‌های پیش‌فرض
• بیش‌باری تابع (function overloading)
• الگوهای تابع (function templates)

9. فصل دهم: شی‌ها (objects) و کلاس‌ها (classes)

• برنامه‌نویسی از نوع شی‌گرا (object-oriented) و دستورالعملی (procedural)
• abstraction و class ها
• سازنده‌ها (constructors) و تخریب‌گرهای (destructors) کلاس
• دانستن object های خود: اشاره‌گر this
• آرایه‌ایی از object ها
• حوزۀ دید کلاس
• انواع داده abstract

10. فصل یازدهم: کار با کلاس‌ها

• بیش‌باری عملگر (operator overloading)
• زمان در دستان ما است: مثالی از ایجاد یک operator overloading
• معرفی friends
• عملگرهای overload شده: توابع عضوی (member functions) در مقایسه با توابع غیرعضوی (nonmember functions)
• بیش‌باری (overloading) بیشتر: یک کلاس بردار (a vector class)
• تبدیل‌های خودکار (automatic conversions)  و تبدیل‌های اجباری (type casts) برای کلاس‌ها

C++ Primer Plus (6th Edition), Stephen Prata, 2012

یادگیری پایه‌ها و عناصر اصلی برنامه‌نویسی از طریق آموزش زبان ++C

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• ارائه فیلم‌های آموزشی
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

. فصل اول: مقدمه‌ایی بر سیگنال‌های زیست‌پزشکی

• طبیعت سیگنال‌های زیست‌پزشکی
• مثال‌هایی از سیگنال‌های زیست‌پزشکی
• اهداف تحلیل سیگنال زیست‌پزشکی
• مشکلات تحلیل سیگنال زیست‌پزشکی
• چرا باید از تشخیص به کمک کامپیوتر (CAD) استفاده کرد؟

2. فصل دوم (بخش الف): احتمالات و متغیرهای تصادفی

• احتمالات و فضای نمونه
• متغیرهای تصادفی و توابع احتمالات
• میانگین‌های آماری
• مدل‌های احتمالاتی

3. فصل دوم (بخش ب): سیگنال‌های تصادفی و نویز

• فرآیندهای تصادفی: میانگین‌های مجموعه‌ایی و توابع همبستگی، فرآیندهای ارگودیک و ایستا، فرآیندهای گوسی
• سیگنال‌های تصادفی: طیف توان، جمع آثار و مدولاسیون، سیگنال‌های تصادفی فیلترشده

4. فصل سوم: فیلترینگ برای حدف سیگنال‌های تداخلی

• بیان مسئله
• نویز تصادفی، ساختاری، و فیزیولوژیکی
• نمایش مسئله با مطالعات موردی
• مفاهیم اساسی فیلترینگ
• فیلترهای حوزۀ زمانی

5. فصل چهارم: کشف حوادث

• بیان مسئله
• نمایش مسئله با مطالعات موردی
• کشف حوادث و موج‌ها
• تحلیل همبستگی ریتم‌های EEG
• تکنیک‌های طیفی متقابل
• فیلتر انطباقی

Biomedical Signal Analysis (2nd Edition), Rangaraj M. Rangayyan, John Wiley & Sons, Inc. 2015

• آشنایی با انواع سیگنال‌های زیست‌پزشکی
• تحلیل روش‌های حوزه زمانی و فرکانسی به منظور طراحی مدل‌هایی جهت کشف و دسته‌بندی سیگنال‌های زیست‌پزشکی (در افراد سالم و افراد ناسالم)

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• آموزش کار با نرم‌افزار مربوطه و اجرای مثال‌های درسی با آن
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی و سمینار

. فصل اول: نگاه به داده - توزیع‌ها

• مقدمه
• داده
• نمایش توزیع‌ها با نمودارها
• توصیف توزیع‌ها با اعداد
• منحنی‌های چگالی و توزیع‌های نرمال

2. فصل دوم: نگاه به داده - ارتباطات

• مقدمه
• ارتباطات
• نمودارهای پراکندگی
• همبستگی
• رگرسیون حداقل مربّعات
• احتیاط‌هایی در بارۀ همبستگی و رگرسیون
• تحلیل داده برای جداول دوسویه
• سوال در مورد علّیت

3. فصل سوم: ایجاد داده

• مقدمه
• منابع داده
• طراحی آزمایش‌ها
• طراحی نمونه‌گیری
• اصول اخلاقی

4. فصل چهارم: احتمالات: مطالعه تصادفی‌بودن

• مقدمه
• تصادفی‌بودن
• مدل‌های احتمال
• متغیرهای تصادفی
• میانگین‌ها و واریانس‌های متغیرهای تصادفی
• قوانین کلی احتمال

5. فصل پنجم: توزیع‌های نمونه‌‌گیری

• مقدمه
• به سوی استنباط آماری
• توزیع نمونه‌‌گیری از یک میانگین نمونه
• توزیع‌های نمونه‌گیری برای تعداد و نسبت‌ها

6. مقدمه‌ایی بر استنباط (آماری)

• مقدمه
• تخمین با اطمینان
• آزمون‌های اهمیت
• استفاده و سوء استفاده از آزمون‌ها
• استنباط به عنوان یک تصمیم

Introduction to the Practice of Statistics (10th Edition), David S. Moore, George P. McCabe, Bruce A. Craig, Macmillan International Higher Education, 2021.

• آشنایی با تحلیل داده و نحوۀ گردآوری دادگان به منظور استفاده در پروژه‌های دکتری

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• ارائه فیلم‌های آموزشی
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

. فصل اول: مبانی آنالیز مخلوط شنوایی ماشینی

• مقدمه
• آنالیز مخلوط شنوایی در انسان
• آنالیز مخلوط شنوایی ماشینی (CASA)
• اصول اساسی سیستم‌های CASA
• ارزیابی سیستم‌های CASA
• روش‌های دیگر جداسازی صوت
• تاریخچه مختصری در مورد CASA

2. فصل دوم: تخمین فرکانش پایه (F0) چندگانه

• مقدمه
• مدل‌های سیگنال
• تخمین F0 تک‌صدایی
• تخمین F0 چندصدایی
• بحث‌های مربوطه
• منابع دیگر اطلاعات
• تخمین تعداد منابع
• ارزیابی
• کاربردهای تخمین F0 چندگانه

3. فصل سوم: جداسازی صحبت مبتنی بر ویژگی‌ها

• مقدمه
• استخراج ویژگی‌ها
• بخش‌‌بندی (segmentation) شنوایی
• دسته‌بندی همزمان (simultaneous grouping)
• دسته‌بندی متوالی (sequential grouping)

4. فصل چهارم: آنالیز مخلوط سیگنال‌های صوتی (جداسازی صحبت) مبتنی بر مدل

• مقدمه
• جداسازی منابع (صحبت) به عنوان یک استنتاج
• مدل‌های مارکوف پنهان (HMM)
• جنبه‌های مختلف سیستم‌های مبتنی بر مدل
• بحث در مورد مطالب گفته‌شده

5. فصل پنجم: مکان‌یابی دوگوشی صدا

• مقدمه
• مکانیزم‌های زیربنائی فیزیکی و فیزیولوژیکی در مورد مکان‌یابی شنوایی
• ادراک فضائی در مورد منابع منفرد
• ادراک فضائی در مورد منابع چندگانه
• مدل‌های ادراکی دوگوشی
• مکان‌یابی صدا برای چند منبع
• بحث کلی

• Computational Auditory Scene Analysis: Principles, Algorithms, and Applications, Deliang Wang and Guy J. Brown, Wiley-IEEE Press, 2006.
• Spatial Hearing, J. Blauert: The Psychophysics of Human Sound Localization, MIT Press, 1983.
• Auditory Scene Analysis: The Perceptual Organization of Sound, A.S., Bregman, MIT Press, 1990.

• آشنایی با سبستم شنوایی انسان و طراحی مدل‌هایی مبتنی بر شنوایی برای جداسازی منابع صدا

این درس پیش نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• پروژه

1) ارائه فایل صوتی با نمایش متن انگلیسی آن در پروژکتور در مورد آخرین دستاوردهای فن آوری و تکنولوژی

2) ارائه درسی از کتاب اصطلاحات انگلیسی

3) روخوانی متن از یک کتاب مرتبط با رشته مهندسی پزشکی، به همراه بیان لغات جدید 

4) ارائه فیلم آموزشی در مورد موضوعات درس

1) مطالعه متون فنی در رشته مهندسی پزشکی

2) مطالعه اصطلاحات مهم در زبان انگلیسی

3) ارائه فایل صوتی در مورد آخرین دستاوردهای فن آوری و تکنولوژی

4) ارائه فیلم های آموزشی در رشته مهندسی پزشکی

5) یادگیری تکنیک های مهم در جهت تسلط به زبان انگلیسی فنی در یک بازه زمانی معین

6) یادگیری نحوه نوشتن مقالات به زبان انگلیسی

7) یادگیری خواندن فرمولهای انگلیسی به زبان انگلیسی

1) Biomedical Signal Analysis (2nd Edition), Rangaraj M. Rangayyan, John Wiley & Sons, Inc., 2015.

2) Essential Idioms in English (5th Edition), Robert J. Dixson.

3) Graded Exercises in English, (Revised Edition), Robert J. Dixson.

4) Mathematical English

آموزش تکنیک‌های خواندن و درک مطلب زبان تخصصی در رشته مهندسی پزشکی

• امتحان میان‌ترم
• امتحان پایان‌ترم
• تکالیف درسی

1) برگزاری کلاس ها در زمان تعیین شده توسط مدیریت آموزش دانشکده

2) برگزاری جلسات حل تمرین بصورت یک بار در هفته

فصل های زیر در این درس تدریس می شوند:

1) فصل اول: سیگنالها و سیستم ها:

• مقدمه
• سیگنالهای پیوسته زمانی و گسسته زمانی
• تبدیل های متغیر مستقل (زمان)
• سیگنالهای سینوسی و نمایی
• توابع ضربه واحد و پله واحد
• سیستم های پیوسته زمانی و گسسته زمانی
• خواص اساسی سیستم ها

2) فصل دوم: سیستم های خطی تغییرناپذیر با زمان (LTI)

• مقدمه
• سیستم های LTI گسسته با زمان: جمع کانولوشن
• سیستم های LTI پیوسته با زمان: انتگرال کانولوشن
• خواص سیستم های LTI
• سیستم های LTI علّی توصیف شده توسط معادلات دیفرانسیلی و تفاضلی

3) فصل سوم: نمایش سری فوریه سیگنال های پریودیک

• مقدمه
• بیان تاریخچه
• پاسخ سیستم های LTI به سیگنال های نمایی مختلط
• نمایش سری فوریه سیگنال های پریودیک پیوسته با زمان
• همگرایی سری فوریه
• خواص سری فوریه پیوسته با زمان
• نمایش سری فوریه سیگنال های پریودیک گسسته با زمان
• خواص سری فوریه گسسته با زمان
• سری فوریه و سیستم های LTI
• فیلترینگ
• مثالهایی از فیلترهای پیوسته با زمان توصیف شده توسط معادلات دیفرانسیلی
• مثالهایی از فیلترهای گسسته با زمان توصیف شده توسط معادلات تفاضلی

4) فصل چهارم: تبدیل فوریه پیوسته با زمان

• مقدمه
• نمایش سیگنالهای غیرپریودک: تبدیل فوریه پیوسته با زمان
• تبدیل فوریه برای سیگنالهای پریودیک
• خواص تبدیل فوریه پیوسته با زمان
• خواص کانولوشن
• خواص ضرب
• جداول خواص تبدیل فوریه و جفت تبدیل فوریه های پایه
• سیستم مشخص شده توسط معادلات دیفرانسیلی خطی با ضرائب ثابت

5) فصل پنجم: تبدیل فوریه گسسته با زمان

• مقدمه
• نمایش سیگنالهای غیرپریودیک: تبدیل فوریه گسسته با زمان
• تبدیل فوریه سیگنالهای پریودیک
• خواص تبدیل فوریه گسسته با زمان
• خاصیت کانولشن
• خاصیت ضرب
• جداول خواص تبدیل فوریه و جفت تبدیل فوریه های پایه
• دوگانی
• سیستم های مشخص شده توسط معادلات تفاضلی خطی با ضرائب ثابت

6) فصل نهم: تبدیل لاپلاس

• مقدمه
• تبدیل لاپلاس
• ناحیه همگرایی تبدیل های لاپلاس
• تبدیل لاپلاس معکوس
• خواص تبدیل لاپلاس
• بعضی از جفت تبدیل های لاپلاس
• تحلیل و مشخص سازی سیستم های LTI با استفاده از تبدیل لاپلاس
• جبر تابع سیستم و نمایش های بلوک دیاگرامی
• تبدیل لاپلاس یک طرفه

7) فصل دهم: تبدیل - z

• مقدمه
• تبدیل - z
• ناحیه همگرایی تبدیل - z
• تبدیل - z معکوس
• خواص تبدیل - z
• بعضی از جفت تبدیل - z های متداول
• تحلیل و مشخص سازی سیستم های LTI با استفاده از تبدیلهای - z
• جبر تابع سیستم و نمایش های بلوک دیاگرامی
• تبدیل - z یک طرفه

Signals & Systems (2nd Edition), Alan V. Oppenheim, Alan S. Willsky, Prentice Hall, 1983

آشنایی با مفاهیم سیگنال‌ها و سیستم‌ها بهمراه مثال‌های عملی

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه کلاسی

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

1. فصل اول: مباحث مقدماتی

• مقدمه
• معرفی کلی سیستم‌های طبقه‌بندی الگو
• ارائه مثالی برای طبقه‌بندی الگو
• مراحل طراحی سیستم‌های طبقه‌بندی الگو
• آموزش و تطبیق؛ آموزش بانظارت و بدون نظارت

2. فصل دوم: تئوری تصمیم بیزین

• مقدمه
• تئوری تصمیم بیزین - ویژگی‌های پیوسته
• طبقه‌بندی بر اساس نرخ حداقل خطا
• طبقه‌بندی‌کننده‌ها، توابع جداساز، و سطوح تصمیم‌گیری
• چگالی نرمال
• توابع جداساز برای چگالی نرمال

3. فصل سوم: درست‌نمایی بیشینه (maximum likelihood) و تخمین پارامتری بیزین

• مقدمه
• تخمین درست‌نمایی بیشینه
• تخمین بیزین
• تخمین پارامتر بیزین: حالت گوسی
• تخمین پارامتر بیزین: تئوری عمومی
• تحلیل مولفه‌ایی و جداسازها
• بیشینه‌سازی امید ریاضی (expectation maximization; ML)

4. فصل پنجم: توابع جداساز خطی

• مقدمه
• توابع جداساز خطی و سطوح تصمیم‌گیری
• توابع جداساز خطی تعمیم‌یافته
• حالت جداشدنی خطی برای دو دسته
• حداقل‌سازی تابع معیار پرسپترون
• روش‌های relaxation
• روش‌های حداقل مربعات خطا
• روش‌های Ho-Kashyap
• ماشین‌های بردار پشتیبان

5. فصل دهم: یادگیری بدون ناظر و خوشه‌بندی

• مقدمه
• چگالی‌های مخلوط و قابلیت شناسایی
• تخمین‌های درست‌نمایی بیشینه (ML)
• اعمال به مخلوط‌های نرمال
• آموزش بیزین بدون ناظر
• توصیف داده و خوشه‌بندی
• توابع معیار برای خوشه‌بندی
• بهینه‌سازی تکراری
• خوشه‌بندی سلسله مراتبی
• مسئله اعتبار

Reference Books

1. Pattern Classification, Duda, Hart & Stork, John Wiley & Sons 2001
2. Pattern Recognition, Sergios Theodoridis, Elsevier Academic Press 2003
3. Statistical Pattern Recognition, Andrew R. Webb, John Wiley & Sons 2002

Some Useful References for the Seminar

Journals

1. IEEE Trans. on Pattern Analysis and Machine Intelligence
2. Pattern Recognition
3. International Journal of Pattern Recognition and Artificial Intelligence
4. Pattern Analysis and Applications

Conferences

1. IEEE International Conference on Pattern Recognition
2. International Conference on Pattern Recognition and Machine Intelligence (PRMI)

Journal and Conference Papers related to Neural Networks        

1.      IEEE Transactions on Neural Networks
2.      Neural Networks

بررسی روش‌ها و سیستم‌های طبقه‌بندی الگو به منظور طراحی و استفاده آنها در پروژه‌های کارشناسی ارشد

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

1. فصل اول: اصول آنالیز ترکیب شنیداری محاسباتی

• مقدمه
• آنالیز ترکیب شنیداری انسان
• آنالیز ترکیب شنیداری محاسباتی (CASA)
• سیستم‌های پایه CASA
• ارزیابی CASA
• روش‌های دیگر جداسازی صدا

2. فصل دوم: مفاهیم مقدماتی

• مقدمه
• مشکلات که افراد با اختلال شنوایی با آن مواجه هستند.
• اندازه‌گیری‌های آکوستیکی
• انواع ادوات کمک‌شنوایی
• دورنمای تاریخی

3. فصل ششم: سیستم‌های فشرده‌سازی در ادوات کمک‌شنوایی

• مقدمه
• نقش اصلی فشرده‌سازی: کاهش حوزۀ دینامیکی سیگنال
• مشخصات پایه‌ایی یک فشرده‌ساز
• دلایل منطقی استفاده از فشرده‌سازی
• ترکیبات فشرده‌سازها در ادوات کمک‌شنوایی
• مزایا و معایب سیستم‌های مختلف فشرده‌سازی

4. فصل دهم: تجویز تقویت ادوات کمک‌شنوایی

• مقدمه
• مفاهیم کلی در پشت یک روش تجویزی و یک تاریخچه کوتاه
• تجویز بهره و پاسخ فرکانسی برای تقویت خطی
• مسائل دشوار در تجویز
• بهره، پاسخ فرکانسی، و توابع ورودی-خروجی برای تقویت غیرخطی
• اجازه به اختلال‌های شنوایی هدایتی و مخلوط
• انتخاب گزینه‌ها برای ادوات کمک‌شنوایی چندحافظه‌ایی
• تجویز OSPL90
• تقویت بیش از حد و اختلال شنوایی متعاقب آن

• Harvey Dillon, Hearing Aids, 2nd Edition, 2012
• PhD Theses

آشنایی با انواع اختلالات شنوایی به منظور طراحی سیستم‌هایی برای جبران آنها

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• تکالیف کلاسی

• ارائه جزوه درسی هر فصل به دانشجویان قبل از شروع کلاس
• استفاده از پاورپوینت و بحث در مورد مطالب درسی
• اجرای کدهای درسی در حین تدریس در نرم‌افزار، به منظور یادگیری نحوه کاربرد عملی زبان برنامه‌نویسی
• ارائه کده‌های برنامه‌نویسی به دانشجویان از طریق نماینده کلاس
• برگزاری جلسات منظم حل تمرین در هفته

1. فصل اول: شروع با ++C

• یادگیری ++C: در پیش رو با چه موضوعاتی مواجه خواهید شد؟
• منشاء ++C: کمی تاریخچه
• قابلیت‌حمل و استاندارد‌ها
• ساختار و مکانیک ایجاد یک برنامه

2. فصل دوم: شروع به کار با ++C

• آغاز با ++C
• دستورات در ++C
• دستورات بیشتری در ++C
• توابع

3. فصل سوم: سر و کار داشتن با ++C

• متغیرهای ساده
• توصیف‌گر const
• اعداد اعشاری
• عملگرهای ریاضی در ++C

4. فصل چهارم: انواع داده‌های ترکیبی

• معرفی آرایه‌ها (arrays)
• رشته‌ها (strings)
• معرفی کلاس string
• معرفی سازه‌ها (structures)
• اتحادها (unions)
• شمارش‌ها (enumerations)
• اشاره‌گرها (pointers) و حافظه آزاد
• اشاره‌گرها، آرایه‌ها، و محاسبات ریاضی با اشاره‌گر
• ترکیب انواع داده‌ها
• جایگزین‌های آرایه

5. فصل پنجم: حلقه‌ها و عبارات پیوندی

• معرفی حلقه‌های for
• حلقه while
• حلقه do while
• حلقه‌ for مبتنی بر محدوده
• حلقه‌ها و ورودی متنی
• حلقه‌های در هم آشیانه‌کرده و آرایه‌های دو بعدی

6. فصل ششم: دستورات دارای انشعاب و عملکرهای منطقی

• دستور if
• عبارات منطقی
• کتابخانه cctype مربوط به توابع کاراکتری
• عملگر :?
• دستور switch
• دستورات break و continue
• حلقه‌هایی که عدد می‌خوانند
• ورودی/خروجی فایل ساده

7. فصل هفتم: توابع: مدول‌های برنامه‌نویسی ++C

• مروری بر توابع (functions)
• ورودی (arguments) توابع و خوراندن ورودی بصورت by value
• توابع و آرایه‌ها
• توابع و آرایه‌های دوبعدی
• توابع و string های به سبک C
• توابع و سازه‌ها
• توابع و object های کلاس string
• توابع و object های آرایه
• بازگشت
• اشاره‌گرها به توابع

8. فصل هشتم: ماجراهایی در توابع

• توابع Inline در ++C
• متغیرهای از نوع reference
• آرگومان‌های پیش‌فرض
• بیش‌باری تابع (function overloading)
• الگوهای تابع (function templates)

9. فصل دهم: شی‌ها (objects) و کلاس‌ها (classes)

• برنامه‌نویسی از نوع شی‌گرا (object-oriented) و دستورالعملی (procedural)
• abstraction و class ها
• سازنده‌ها (constructors) و تخریب‌گرهای (destructors) کلاس
• دانستن object های خود: اشاره‌گر this
• آرایه‌ایی از object ها
• حوزۀ دید کلاس
• انواع داده abstract

10. فصل یازدهم: کار با کلاس‌ها

• بیش‌باری عملگر (operator overloading)
• زمان در دستان ما است: مثالی از ایجاد یک operator overloading
• معرفی friends
• عملگرهای overload شده: توابع عضوی (member functions) در مقایسه با توابع غیرعضوی (nonmember functions)
• بیش‌باری (overloading) بیشتر: یک کلاس بردار (a vector class)
• تبدیل‌های خودکار (automatic conversions)  و تبدیل‌های اجباری (type casts) برای کلاس‌ها

C++ Primer Plus (6th Edition), Stephen Prata, 2012

یادگیری پایه‌ها و عناصر اصلی برنامه‌نویسی از طریق آموزش زبان ++C

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• ارائه فیلم‌های آموزشی
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

1. فصل اول: مقدمه‌ایی بر سیگنال‌های زیست‌پزشکی

• طبیعت سیگنال‌های زیست‌پزشکی
• مثال‌هایی از سیگنال‌های زیست‌پزشکی
• اهداف تحلیل سیگنال زیست‌پزشکی
• مشکلات تحلیل سیگنال زیست‌پزشکی
• چرا باید از تشخیص به کمک کامپیوتر (CAD) استفاده کرد؟

2. فصل دوم (بخش الف): احتمالات و متغیرهای تصادفی

• احتمالات و فضای نمونه
• متغیرهای تصادفی و توابع احتمالات
• میانگین‌های آماری
• مدل‌های احتمالاتی

3. فصل دوم (بخش ب): سیگنال‌های تصادفی و نویز

• فرآیندهای تصادفی: میانگین‌های مجموعه‌ایی و توابع همبستگی، فرآیندهای ارگودیک و ایستا، فرآیندهای گوسی
• سیگنال‌های تصادفی: طیف توان، جمع آثار و مدولاسیون، سیگنال‌های تصادفی فیلترشده

4. فصل سوم: فیلترینگ برای حدف سیگنال‌های تداخلی

• بیان مسئله
• نویز تصادفی، ساختاری، و فیزیولوژیکی
• نمایش مسئله با مطالعات موردی
• مفاهیم اساسی فیلترینگ
• فیلترهای حوزۀ زمانی

5. فصل چهارم: کشف حوادث

• بیان مسئله
• نمایش مسئله با مطالعات موردی
• کشف حوادث و موج‌ها
• تحلیل همبستگی ریتم‌های EEG
• تکنیک‌های طیفی متقابل
• فیلتر انطباقی

Biomedical Signal Analysis (2nd Edition), Rangaraj M. Rangayyan, John Wiley & Sons, Inc. 2015

• آشنایی با انواع سیگنال‌های زیست‌پزشکی
• تحلیل روش‌های حوزه زمانی و فرکانسی به منظور طراحی مدل‌هایی جهت کشف و دسته‌بندی سیگنال‌های زیست‌پزشکی (در افراد سالم و افراد ناسالم)

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• آموزش کار با نرم‌افزار مربوطه و اجرای مثال‌های درسی با آن
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی و سمینار

1. فصل اول: نگاه به داده - توزیع‌ها

• مقدمه
• داده
• نمایش توزیع‌ها با نمودارها
• توصیف توزیع‌ها با اعداد
• منحنی‌های چگالی و توزیع‌های نرمال

2. فصل دوم: نگاه به داده - ارتباطات

• مقدمه
• ارتباطات
• نمودارهای پراکندگی
• همبستگی
• رگرسیون حداقل مربّعات
• احتیاط‌هایی در بارۀ همبستگی و رگرسیون
• تحلیل داده برای جداول دوسویه
• سوال در مورد علّیت

3. فصل سوم: ایجاد داده

• مقدمه
• منابع داده
• طراحی آزمایش‌ها
• طراحی نمونه‌گیری
• اصول اخلاقی

4. فصل چهارم: احتمالات: مطالعه تصادفی‌بودن

• مقدمه
• تصادفی‌بودن
• مدل‌های احتمال
• متغیرهای تصادفی
• میانگین‌ها و واریانس‌های متغیرهای تصادفی
• قوانین کلی احتمال

5. فصل پنجم: توزیع‌های نمونه‌‌گیری

• مقدمه
• به سوی استنباط آماری
• توزیع نمونه‌‌گیری از یک میانگین نمونه
• توزیع‌های نمونه‌گیری برای تعداد و نسبت‌ها

6. مقدمه‌ایی بر استنباط (آماری)

• مقدمه
• تخمین با اطمینان
• آزمون‌های اهمیت
• استفاده و سوء استفاده از آزمون‌ها
• استنباط به عنوان یک تصمیم

Introduction to the Practice of Statistics (10th Edition), David S. Moore, George P. McCabe, Bruce A. Craig, Macmillan International Higher Education, 2021.

• آشنایی با تحلیل داده و نحوۀ گردآوری دادگان به منظور استفاده در پروژه‌های دکتری

این درس پیش‌نیاز ندارد.

• امتحان میان‌ترم
• امتحان پایان‌ترم
• سمینار
• پروژه

• ارائه درس با پاورپوینت و بحث و گفتگو با دانشجویان در کلاس
• ارائه فیلم‌های آموزشی
• اختصاص جلسات منظم هفتگی با دانشجویان برای رفع اشکال مفاهیم درسی، سمینار، و پروژه

1. فصل اول: مبانی آنالیز مخلوط شنوایی ماشینی

• مقدمه
• آنالیز مخلوط شنوایی در انسان
• آنالیز مخلوط شنوایی ماشینی (CASA)
• اصول اساسی سیستم‌های CASA
• ارزیابی سیستم‌های CASA
• روش‌های دیگر جداسازی صوت
• تاریخچه مختصری در مورد CASA

2. فصل دوم: تخمین فرکانش پایه (F0) چندگانه

• مقدمه
• مدل‌های سیگنال
• تخمین F0 تک‌صدایی
• تخمین F0 چندصدایی
• بحث‌های مربوطه
• منابع دیگر اطلاعات
• تخمین تعداد منابع
• ارزیابی
• کاربردهای تخمین F0 چندگانه

3. فصل سوم: جداسازی صحبت مبتنی بر ویژگی‌ها

• مقدمه
• استخراج ویژگی‌ها
• بخش‌‌بندی (segmentation) شنوایی
• دسته‌بندی همزمان (simultaneous grouping)
• دسته‌بندی متوالی (sequential grouping)

4. فصل چهارم: آنالیز مخلوط سیگنال‌های صوتی (جداسازی صحبت) مبتنی بر مدل

• مقدمه
• جداسازی منابع (صحبت) به عنوان یک استنتاج
• مدل‌های مارکوف پنهان (HMM)
• جنبه‌های مختلف سیستم‌های مبتنی بر مدل
• بحث در مورد مطالب گفته‌شده

5. فصل پنجم: مکان‌یابی دوگوشی صدا

• مقدمه
• مکانیزم‌های زیربنائی فیزیکی و فیزیولوژیکی در مورد مکان‌یابی شنوایی
• ادراک فضائی در مورد منابع منفرد
• ادراک فضائی در مورد منابع چندگانه
• مدل‌های ادراکی دوگوشی
• مکان‌یابی صدا برای چند منبع
• بحث کلی

• Computational Auditory Scene Analysis: Principles, Algorithms, and Applications, Deliang Wang and Guy J. Brown, Wiley-IEEE Press, 2006.
• Spatial Hearing, J. Blauert: The Psychophysics of Human Sound Localization, MIT Press, 1983.
• Auditory Scene Analysis: The Perceptual Organization of Sound, A.S., Bregman, MIT Press, 1990.

• آشنایی با سبستم شنوایی انسان و طراحی مدل‌هایی مبتنی بر شنوایی برای جداسازی منابع صدا