بهبود طبقه بندی سیگنال مغزی EEG ناشی از تصورات حرکتی در سیستم واسط مغز رایانه براساس منطق فازی و الگوریتم های فرایافتاری

پیوستگی بین مراحل پردازش اطلاعات سیگنال های مغزی، شامل استخراج ویژگی، کاهش ابعاد و طبقه بندی، نیاز به استفاده از روش های یادگیری ماشین و شناسایی الگوی مناسب را، جهت افزایش دقت نتایج، ایجاب می نماید. استفاده از منطق فازی برای تعیین و بهره برداری از اطلاعات نادقیق و مبهم، رویکردی سودمند به نظر می رسد و الگوریتم های فرایافتاری امکان بهینه سازی و تنظیم پارامترهای گوناگون طبقه بندی را مقدور می سازند. این مطالعه یک مدل ترکیبی برای تشخیص تصورات حرکتی مغز انسان را فراهم می کند. ابتکار جدید این مدل در رویکرد پیشنهادی، ترکیب منطق فازی و الگوریتم های فرایافتاری است که هدف آن، کمک به طبقه بندهای، ماشین بردار پشتیبان و کا نزدیک ترین همسایگان، برای دستیابی به حداکثر عملکرد و کارآیی است. از یک طرف، الگوریتم فرایافتاری برای تطبیق پارامترهای مهم و تاثیر گذار طبقه بندی ها و از سوی دیگر، منطق فازی برای شناسایی دقیق تر ابهامات ویژگی های تشخیصی، مورد استفاده قرار می گیرند.

کلیدواژه ها:

واسط مغز رایانه ، منطق فازی ، الگوریتم های فرایافتاری