شناسایی الگوی P۳۰۰ در امواج مغزی بهکمک یادگیری عمیق بهمنظور استفاده در طراحی P۳۰۰ speller

از دغدغه های مهم پژوهشگران در عصر حاضر، یافتن راه ارتباطی برای افراد دارای معلولیت حرکتی و ذهنی با دنیای خارج می-باشد. سیستم واسط مغز و کامپیوتر را میتوان به عنوان یکی از این راه های ارتباطی در نظر گرفت. به منظور استفاده از این سیستم نیازمند مولفه ای به نام P۳۰۰ خواهد بود . هدف اصلی این پژوهش بررسی شبکه های یادگیری عمیق و یافتن بهترین شبکه به منظور طبقه بندی مولفه P۳۰۰ میباشد. بخش پیشپردازش شامل انتخاب کانالهای مناسب، دادهافزایی، فیلتر کردن نرمالسازی و حذف بیسلاین میباشد. طبقه بندهای مورد استفاده در این پژوهش که ترکیبی از شبکه های CNN۱D، CNN۲D، LSTM، GRU و مکانیسم توجه میباشد، مورد بررسی قرار میگیرد. در نهایت، مقایسهای بین عملکرد آنها را با یکی مراجع مورد استفاده در پژوهش انجام خواهد شد. نتایج حاصل نشان میدهد که در معیارهای ارزیابی صحت، دقت و F۱-Score دو حالت از شبکه های پیشنهادی در این پژوهش دارای بالاترین عملکرد میباشند. اما در معیار حساسیت بالاترین عملکرد مربوط به دو شبکه CNN۱D-Autoencoder و CNN۲D-Autoencoder خواهد بود.

کلیدواژه ها:

سیستم واسط مغز و رایانه ، یادگیری عمیق ، مولفه P۳۰۰