مروری بر جمع آوری اطلاعات ذاتی برای بهبود عملکرد رابط مغز و رایانه ازطریق یادگیری فدره
- سال انتشار: 1403
- محل انتشار: هجدهمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی
- کد COI اختصاصی: ICIRES18_007
- زبان مقاله: فارسی
- تعداد مشاهده: 139
نویسندگان
دانشجوی دکترای تخصصی دانشگاه ازاد اسلامی، واحد تهران جنوب
دانشجوی کارشناسی دانشگاه آزاد اسلامی، واحد اردبیل
چکیده
در پژوهش پیش رو، مروری بر چالش ناکافی بودن داده ها برای ساخت مدل های یادگیری عمیق رابط بین مغز و رایانه BCI وراهکارهای حل این چالش انجام شده است. این چالش به دلیل تنوع دستگاه ها و به اشتراک گذاری داده های EEG همچنان یک مشکل عمدهاست. یکی از روش های حل این مشکل چارچوب نوآورانه ای با نام " Federated Learning EEG decoding (FLEEG) " است که به داده های بافرمتهای مختلف اجازه می دهد تا در فرآیند آموزش مدل با هم همکاری کنند. در این روش به هر مشتری به یک مجموعه داده خاص اختصاصداده می شود و توسط یک مدل شخصی سلسله مراتبی برای مدیریت فرمت های متنوع تبادل اطلاعات را آموزش می بیند. در عین حال، سرورفرآیند آموزش را هماهنگ می کند تا از دانش به دست آمده از تمام مجموعه های داده بهره برداری کند و عملکرد کلی را ارتقا دهد. این چارچوبدر طبقه بندی تخیل حرکت MI با ۹ مجموعه داده EEG که توسط دستگا ه های مختلف جمع آوری شده اند، مورد ارزیابی قرار می گیرند. نتایجنشان داده است که این چارچوب پیشنهادی می تواند عملکرد طبقه بندی را تا ۸.۴ ٪ با به اشتراک گذاری دانش بین چندین مجموعه داده، به ویژهبرای مجموعه های کوچک تر، افزایش دهد. نتایج تصویری همچنین نشان می دهد که این چارچوب پیشنهادی می تواند مدل های محلی را قادر بهتمرکز پایدار در مناطق مرتبط با وظیفه کند و عملکرد بهتری داشته باشدکلیدواژه ها
یادگیری عمیق، یادگیری فدره، رابط مغز رایانه، هوش مصنوعیمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.