עבודת מחקר פורצת דרך של מרינה חייקין בהנחייתו של פרופ' רמי זמיר פורסמה החודש בכתב העת של האקדמיה האמריקאית למדעים PNAS

03 יולי 2017
עבודת מחקר פורצת דרך של מרינה חייקין
עבודת מחקר פורצת דרך של מרינה חייקין

פרסום מחקר פורץ דרך במגזין PNAS

בעבודת מחקר פורצת דרך שפורסמה החודש בכתב העת של האקדמיה האמריקאית למדעים PNAS , מראים מרינה חייקין - תלמידה לתואר שני בהנדסת חשמל בהנחייתו של פרופ' רמי זמיר מבית הספר להנדסת חשמל באוניברסיטת תל אביב, יחד עם ד״ר מתן גביש מבית הספר להנדסה ומדעי המחשב באוניברסיטה העברית - שניתן לייצר בסיסים מוגדלים טובים על ידי וקטורי הזמן של תת-קבוצה לא רגולרית של תדרים מתוך מטריצת התמרת פורייה דיסקרטית (DFT).

 

האפליקציה – קידוד אנלוגי בתקשורת

מידע המשודר דרך תווך פיזיקלי סובל מתופעות של רעש, דעיכות, הפרעות ועיוותים שונים. בכדי לאפשר שיחזור של המידע במקלט נדרש להגן עליו מראש על ידי תוספת של יתירות (redundantre presentation). שיטת התקשורת הנפוצה בימינו היא ספרתית (digital communication), שאז היתירות נוצרת על ידי הוספה של ביטי בדיקת זוגייות (parity-check bits). למרות זאת, יש לזכור שבדרך כלל הן המידע והן התווך הם במהותם אנלוגיים; לדוגמא, שידור של אותות דיבור ותמונה דרך ערוץ אלחוטי. לכן טיבעי לבחון גם גישות להוספת "יתירות אנלוגית": הרחבה ספקטראלית של אות המידע, או באופן כללי - פרישה של מרחב האותות על ידי בסיס מוגדל. למעשה, לקידוד אנלוגי יש יתרונות נוספים, כמו עמידות טובה יותר בתנאים של אי וודאות, וסיבוכייות מופחתת.     

 

מה זה בעצם בסיס מוגדל?     

למדנו באלגברה שבסיס אורתוגונלי פורש את המרחב אם גודלו שווה למימד המרחב, או את מרחב האותות אם גודלו כמספר דרגות החופש. בסיס מוגדל(over-complete basis, frame)  לעומת זאת מכיל יותר וקטורים מממד המרחב.  עובדה זו מאפשרת מגוון של שימושים בעיבוד אותות ותקשורת, דוגמת ייצוג אותות "דלילים" או הוספת יתירות לצורך קידוד אנלוגי. כמובן שבסיס כזה לא יכול להיות אורתוגונלי, וההגדרה של מהו "בסיס מוגדל טוב" נתונה לפרשנות. על פי אחת ההגדרות, בסיס מוגדל טוב נבחן ביכולת שלו לשחזר את המקור (כלומר לפתור מערכת של משוואות לינאריות)  מתוך תת-קבוצה אקראית של היטלים רועשים. תכנון וניתוח של בסיסים כאלה בממד גבוה הוא אתגר לא פשוט, שלרוב נפתר על ידי הגרלה אקראית של הווקטורים ואנליזה סטוכסטית, למשל ביישומים נפוצים כמו חישה דחוסה (compressed sensing) ולמידה חישובית (machine learning).

 

איזה תכונה אוניברסלית חדשה ומפתיעה מצאתם?

בבסיס העבודה נמצאת תכונת אוניברסליות חדשה ומפתיעה שגילינו, לפיה לבסיס מוגדל "טוב" יש תכונות דומות לאלו של מטריצות MANOVA,  מבנה המוכר מהתורה של מטריצות אקראיות. דוגמא לתכונה כזו היא פילוג הערכים הסינגולריים של תת-קבוצה אקראית של בסיס מוגדל.

 

אלו השלכות מעניינות של התוצאה גיליתם?

השלכה מעניינת של תוצאה זו היא שבחירה פשוטה אך מושכלת של וקטורי הבסיס מבטיחה ביצועי שיחזור טובים יותר מאלה (של בסיס אקראי) שעבורו לערכים הסינגולריים יש פילוג אופייני מסוגMarcenko  Pasturהעבודה עוסקת במגוון רחב של בסיסים מפורסמים – דטרמיניסטיים ואקראיים, וכוללת ניתוח שחלקו סטטיסטי וחלקו אנליטי עבור מגוון של פרמטרים ומדדי טיב. התכונות הטובות של בסיסים דטרמיניסטיים מאפשרות, בנוסף לשיפור בביצועים, חסכון בסיבוכיות מקום של מערכות תקשורת שיכולות לייצר את מנגנון הקידוד באופן מהיר ומובנה, במקום לשמור מטריצות אקראיות גדולות.

 

קישור למאמר

ידיעות נוספות בנושא

school of mechanical engineering Eyal Ginsburg

08 בנובמבר 2017, 14:00 - 15:00 
 
ללא תשלום
 school of mechanical engineering Eyal Ginsburg

 

 

 

School of Mechanical Engineering Seminar
Wednesday, November 8, 2017 at 14:00
Wolfson Building of Mechanical Engineering, Room 206

 

Current and Wave velocities measurements with X-band Doppler radar in a laboratory environment

Eyal Ginzburg

MSc. student of Prof. Lev Shemer and Dr. Yaron Toledo

 

The history of radio oceanography can be traced back to the middle of the 20th century. Generally, Doppler Effect is used to measure the relative speed of a moving target with respect to the radar. Using Doppler-shift-based radars gives the ability to measure the wave celerity and the current velocities, using the Bragg-resonance backscattering mechanism. However, recent studies have shown that different parameters, like the wind speed and the frequency of non-Bragg water-waves, may have an influence on the radar backscattered signal. While numerous studies have been made on Bragg and non-Bragg scattering radars, there are no studies at-present to verify field measurement thus experiments in controlled laboratory environment are needed.

The main objective of the study is to perform laboratory measurements using the same methodology as in field measurements, with the ability to change wave, current and wind parameters.  The radar which was used in this study was not originally constructed for water surface measurements. Hence, a set of preliminary experiments dealing with the direct reflection from moving solid reflective bodies was carried out. A second set of experiments was focused on radar measurements within a wind-wave flume in which mechanical waves can be excited, along with winds and ambient currents that can be controlled. The spectra analysis of the radar backscatter corresponding to different wind forcing shows a good agreement with the theoretical interpretation of the signal as a sum of the Bragg wave Doppler frequency and one of the water surface drift velocities due to the wind shear stress. For high wind speeds the main wave component due to the specular reflection is also manifested.

As part of the current study, some preliminary tests were performed. Firstly, a flow system, which enables generation of current with different mean velocities, along- and opposite to the wind direction in the flume, was designed and constructed. Additionally, measurements of wind driven shearing current profiles were carried out for different wave conditions with a Pitot tube, which gives rather accurate information about the surface current. This is extremely important for the radar measurements interpretation.

 

בגאווה גדולה הוענקו מלגות הצטיינות לתלמידי תואר שני בהנדסה

29 יוני 2017

ביום רביעי, 21 ביוני 2017, התקיים טקס הענקת מלגות הצטיינות לתלמידי  תואר שני מהפקולטה להנדסה

פרופ' לב שמיר, יו"ר ועד המלגות, נשא את דברי הפתיחה ופרופ' יוסי רוזנוקס המשיך עם ברכות לסטודנטים.

ד"ר נעה לכמן, מהמחלקה למדע והנדסה של חומרים ריתקה אותנו עם הרצאה בנושא: "מתיאוריה לפרקטיקה – על המדע שהביא את כל הידע האנושי לכיס שלכם".

לתמונות נוספות

מתחילים/ות תואר ראשון בהנדסה? אנחנו שמחים שהצטרפתם/ן אלינו! 

כאשר בחרתם ללמוד הנדסה, בחרתם להצטרף לאחד המקצועות החשובים והמשמעותיים ביותר בעולם. אם תרימו רגע את העיניים מהמסך, תראו שכמעט בכל דבר שתראו סביבכם היו מעורבים מהנדסים. מהנדסים אחראים על בנייה ותכנון של העולם סביבנו, על פיתוח טכנולוגיות חדשות, שיפור ושינוי חיי היומיום של כולנו. כאן באוניברסיטת תל אביב, תקבלו את כלי העבודה הטובים ביותר כדי להצטרף לעשייה. 

 

אז איך הלימודים באמת?

במהלך התואר הראשון שלכם תזכו לעבוד במעבדות המתקדמות ביותר שקיימות בתחום ההנדסה בארץ, ויהיה לכם גם קשר ישיר עם החברות הכי גדולות ומשפיעות בשוק. כל זה יקרה כאשר תלמדו בקמפוס מלא ירק, בעיר הכי צעירה, חדשנית ומרגשת בישראל – תל אביב.

 

האם באמת קשה ללמוד הנדסה?

אנחנו מאמינים שצריכה להיות לכם ההכשרה הטובה ביותר, כדי שתוכלו יום אחד לשנות את העולם. מסיבה זו הלימודים אצלנו הם ברמה הגבוהה ביותר, והם ידרשו מכם הרבה ריכוז ומאמץ. כאשר תסיימו אותם, תוכלו לדעת שאתם בין המהנדסים הצעירים הטובים ביותר בעולם.

 

מה קורה אחרי התואר?

תואר בהנדסה מאוניברסיטת תל אביב יפתח לכם דלתות בחברות המשפיעות ביותר בארץ. הבוגרים שלנו עובדים בתפקידי מפתח בחברות כגון אינטל, קרן פימי ומשרד הבטחון.  הקשר הנרחב של הפקולטה שלנו עם התעשיה מבטיח שכל אחד מכם יצליח למצוא את מקום העבודה הטוב ביותר עבורו בתום הלימודים. בין אם זו עבודה בחברה גלובלית, הצטרפות לסטארט-אפ, המשך מחקר או אף יזמות והקמת חברה עצמאית. 

 

פנים מוכרות בקמפוס

כדי שלא תרגישו יותר מדי מבולבלים ביום הראשון שלכם, רצינו להכיר לכם שני סטודנטים שכבר לומדים לתואר בהנדסה. תכירו אותם ותרגישו חופשי להגיד להם שלום אם תתקלו בהם במסדרונות הפקולטה. 

מי את?
שני אמיר, בת 26, גרה בתל אביב. הדר בן יעקב, בת 27, גרה בעיר ראשון לציון.

מה אתה לומדת ולמה בחרת ללמוד במקצוע זה?

אני לומדת הנדסת חשמל. מעניין אותי כל תחום ההנדסה והלכתי להנדסת חשמל בעיקר בגלל הביקוש בשוק העבודה. אני לומדת מדעים להייטק. כבר למדתי באוניברסיטה תואר ראשון בניהול ומדעי המדינה ובשנים האחרונות החלטתי לעשות הסבה לתכנות. בחרתי בתואר הזה כמסגרת תיאורטית ופרקטית להשלמת "חוסרים".

אם לא היית לומדת את זה, מה היית לומדת?

מדעי המחשב. למרות שהחלום שלי היה ללמוד אדריכלות או עיצוב פנים אבל זה תחום שמאוד קשה להתפתח בו בארץ כנראה קורסים ב Udemy בשילוב פרויקטים אישיים בתכנות.

מהו הקורס האהוב עליך בתואר?

מבני נתונים ואלגוריתמים, מערכות לוגיות ספרתיות, מבוא לתקשורת מחשבים, מבוא לתכנות מערכות שאלה קשה. עד כמה שאני אוהבת לתכנת בפייתון אני בוחרת בתכנות C .יצא לי ללמוד ולתרגל הרבה אלגוריתמים חשובים למקצוע. הרגשתי שבקורס היה שילוב טוב בין תיאוריה ללמידת כלים פרקטיים להמשך ולראיונות עבודה בפרט.

מה הדבר שהכי חשוב לך לצאת איתו מהתואר?

ידע רלוונטי לתעשייה ורצון להמשיך ללמוד בחרתי בתוכנית מדעים להייטק כי היה חשוב לי לצאת עם בסיס תיאורטי מוצק במדעי המחשב וגם עם פרויקטים וכלים פרקטיים כדי להשתלב בצורה החלקה והטובה ביותר בתעשייה
מה האזור הכי אהוב עליך בפקולטה?
הדשא מול בניין כיתות הדשא ממול בניין מעבדות וכיתות

לשנת הלימודים תשע"ז

25 יוני 2017

ברכות למצטייני עוזרי ההוראה, מסטרנטים, לשנת הלימודים תשע"ז

 

  • יאנה פודולסקי

  • דביר רדונסקי 

  • בושמת יהודה

יום פרויקטי הגמר של סטודנטים שנה ד' להנדסה ביו-רפואית

22 יוני 2017
יום פרויקטי הגמר של סטודנטים שנה ד'  להנדסה ביו-רפואית
יום פרויקטי הגמר של סטודנטים שנה ד' להנדסה ביו-רפואית

ביום א' ה-18/06/2017 יצא לפועל עוד יום מוצלח של פרויקטי הגמר השנתי של סטודנטים שנה ד' להנדסה ביו-רפואית של אוניברסיטת תל-אביב. במסגרת יום זה התקיימה תחרות פוסטרים ופרוייקט גמר.

 

תחרות הפוסטרים

במסגרת יום הפרוייקטים הוצגו פוסטרים של הסטודנטים. את הניצחון קטפו ירדן צברי ומיטל כהן-אדיב בפרוייקט המשולב שלהן עם חברת Eye-Yon medical . הפרוייקט נוצר בזכות הקשר ההדוק שביססה המחלקה הביו-רפואית של הפקולטה להנדסה בהובלת פרופ׳ מיקי שיינוביץ עם התעשייה.
 
חברת Eye-Yon medical פיתחה את הhyper-CL- עדשת מגע בעלת עיצוב ייחודי המיועדת לספיחה של נוזלים מהקרנית, תוך כדי הקלה על המחלה על ידי ריכוז היפר אוסמוטי של הנוזל מעל הקרנית. לאחר שהעדשה נמצאה יעילה, החלה החברה בפיתוח של EndoArt, שכבת אנדותל מלאכותית שמיועדת להחליף את הצורך בהשתלת קרנית.
 
פרוייקט הגמר, בהנחייתם של פרופ׳ מיקי שיינוביץ וד״ר אורי זרצקי, עסק במודל-עין הבוחן כיצד טיפת-עיניים מתפזרת על גבי העדשה, כך שניתן יהיה להבין את מנגנון הפעולה של העדשה. צילומי הוידיאו שהתקבלו מהניסויים נותחו בעזרת אלגוריתם עיבוד תמונה שפותח על ידי התלמידות בפרויקט, שהציג את כמות הנוזל שנכנס לעדשה, וכן את אופן התפשטותו בעדשה לאורך זמן. ממצאי הניסויים תרמו להבנת האופן בו טיפות עיניים מתפזרות בעדשה, נתנו מדד ליעילות העדשה ובכך יוכלו לסייע לייעל את הטיפול בבצקת קרנית, בעתיד.
 
ירדן צברי ומיטל כהן-אדיב ופרופ' מיקי שיינוביץ

 

תחרות פרוייקט הגמר

את ניצחון הפרויקט לקחו דנה כהן ותמר קופלמן בהנחיית פרופ' עופר ברנע. הפרוייקט עוסק בפיתוח מוניטור נשימה לביש שמטרתו זיהוי מוקדם של התקפי אסתמה בקרב ילדים חולי אסתמה. המוניטור מיועד לשימוש עצמאי, רציף ויומיומי בסביבה הביתית של המטופל, וככזה, לא מצריך שיתוף פעולה אקטיבי או טכניקה יוצאת דופן מצד המטופל. ניטור הנשימה נעשה באמצעות מדידות חיצוניות של שינויי נפח פלג הגוף העליון על ידי מדי עיבור הפרוסים לאורכו.

הפרויקט כלל מספר שלבים: תחילה פותח מודל תלת מימדי במטלב, המציג את פלג הגוף העליון בשלבים השונים של מהלך הנשימה ומטרתו אופטימיזציה של פריסת הסנסורים על גבי פלג הגוף העליון. בשלב הבא נבחר חומר המתאים לשמש כסנסור, ונעשו ניסויים על מנת לאפיין את תכונותיו ולבצע אופטימיזציה למידות כל סנסור. לאחר מכן נבנה אבטיפוס הכולל חולצה נושאת מתמרים, מעגלים חשמליים לרכישה והגברה של האותות מהסנסורים ותוכנת LabView להצגה והקלטה של האותות. בנוסף - נבנתה מערכת ניסוי, בה Pneumotachometer משמש כרפרנס, לפיו נעשה כיול המכשיר. עבור חישוב הנפח מהחולצה נכתב אלגוריתם איטרטיבי, המבוסס על אופטימיזציה של מקדמים ביחס לנפח המתקבל מה-Pneumotachometer.

התוצאות שהתקבלו בשלב זה מראות כי הקונספט הוא בעל פוטנציאל, והמכשיר מוכן להמשך ואלידציה. 

דנה כהן ותמר קופלמן ופרופ' מיקי שיינוביץ

לתמונות נוספות

 

school of mechanical engineering Eyass Massarwa

01 בנובמבר 2017, 14:00 - 15:00 
 
ללא תשלום

EE Seminar: Learning From Multi-View High Dimensional Data

28 ביוני 2017, 15:00 
חדר 011, בניין כיתות-חשמל  

Speaker: Ofir Lindenbaum

Ph.D. student under the supervision of Prof. Arie Yeredor and Prof. Amir Averbuch

 

Wednesday, June 28h, 2017 at 15:00
Room 011, Kitot Bldg., Faculty of Engineering

Learning From Multi-View High Dimensional Data

 

Abstract

 

High dimensional “big data” is often encountered in various fields, such as audio analysis, video analytics and data mining.  One of the associated challenges is how to extract meaningful information from such data, which is generally difficult to analyze as is. Dimensionality reduction methodologies reduce the size (dimension) of objects in the dataset while preserving the coherence of the original data, such that clustering, classification, manifold learning and many other data analysis tasks can be applied in the reduced space.

We consider learning a reduced dimensionality representation from datasets obtained under multiple views. Such multiple views of datasets can be obtained, for example, when the same underlying process is observed using several different modalities, or measured with different instrumentation. Our goal is to effectively exploit the availability of such multiple views for various purposes, such as non-linear embedding, manifold learning, spectral clustering, anomaly detection and non-linear system identification.

Our proposed method exploits the intrinsic relation within each view, as well as the mutual relations between views. We do this by defining a cross-view model, in which an implied Random Walk process between objects is restrained to hop between the various views.  In this talk I will describe two frameworks for multi-view dimensionality reduction. Applications for manifold learning, clustering, classification and detection of seismic events will be presented.

EE Seminar: Big data - small training set: biomedical image analysis bottlenecks, some strategies and applications

26 ביוני 2017, 15:00 
חדר 011, בניין כיתות-חשמל  

 (The talk will be given in English)

 

Speaker:     Dr. Tammy Riklin-Raviv
                   Department of Electrical and Computer Engineering, Ben Gurion University

 

Monday, June 26th, 2017
15:00 - 16:00

Room 011, Kitot Bldg., Faculty of Engineering

 

Big data - small training set:  biomedical image analysis bottlenecks, some strategies and applications
 

Abstract

Recent progress in imaging technologies leads to a continuous growth in biomedical data, which canprovide better insight into important clinical and biological questions. Advanced machine learning techniques, such as artificial neural networks are brought to bear on addressing fundamental medical image computing challenges such as segmentation, classification and reconstruction, required for meaningful analysis of the data. Nevertheless, the main bottleneck, which is the lack of annotated examples or ‘ground truth’ to be used for training, still remains. 

In my talk, I will give a brief overview on some biomedical image analysis problems we aim to address, and suggest how prior information about the problem at hand can be utilized to compensate for insufficient or even the absence of ground-truth data. I will then present a framework based on deep neural networks for the denoising of Dynamic contrast-enhanced MRI (DCE-MRI) sequences of the brain. DCE-MRI is an imaging protocol where MRI scans are acquired repetitively throughout the injection of a contrast agent, that is mainly used for quantitative assessment of blood-brain barrier (BBB) permeability. BBB dysfunctionality is associated with numerous brain pathologies including stroke, tumor, traumatic brain injury, epilepsy. Existing techniques for DCE-MRI analysis are error-prone as the dynamic scans are subject to non-white, spatially-dependent and anisotropic noise. To address DCE-MRI denoising challenges we use an ensemble of expert DNNs constructed as deep autoencoders, where each is trained on a specific subset of the input space to accommodate different noise characteristics and dynamic patterns. Since clean DCE-MRI sequences (ground truth) for training are not available, we present a sampling scheme, for generating realistic training sets with nonlinear dynamics that faithfully model clean DCE-MRI data and accounts for spatial similarities. The proposed approach has been successfully applied to full and even temporally down-sampled DCE-MRI sequences, from two different databases, of stroke and brain tumor patients, and is shown to favorably compare to state-of-the-art denoising methods.
 

BIO
Tammy Riklin Raviv is a faculty member at the Electrical and Computer Engineering department of Ben-Gurion University of the Negev since 2012. Her research focuses on the development of computational tools for processing and analysis of medical, and biological images. She holds a B.Sc. in Physics and an M.Sc. in Computer Science from the Hebrew University of Jerusalem. She received her Ph.D. from the School of Electrical Engineering of Tel-Aviv University. In 2010-2012 she was a research fellow at Harvard Medical School and the Broad Institute. Prior to this (2008-2010) she was a post-doctorate associate at the Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology.

עמודים

אוניברסיטת תל אביב עושה כל מאמץ לכבד זכויות יוצרים. אם בבעלותך זכויות יוצרים בתכנים שנמצאים פה ו/או השימוש שנעשה בתכנים אלה לדעתך מפר זכויות
שנעשה בתכנים אלה לדעתך מפר זכויות נא לפנות בהקדם לכתובת שכאן >>