مقایسه ساختارهای مختلف شبکه عصبی پرسپترون در طبقه بندی سیگنال های فرمان قشر مغز

هدف از این مقاله، طبقه بندی فرمان های حرکتی مغز جهت ارتباط انسان با رایانه می باشد. سیگنال EEG که از سطح سر ثبت می شود به طور مستقیم قابل استفاده برای عملیات پردازشی نیست و پیش پردازش هایی باید روی آن انجام شود. حرکت های مد نظر در این تحقیق تصورحرکت دست راست و چپ با استفاده دو کانال می باشد. تشخیص فرمان های حرکتی سیگنال های مغز یک مسأله طبقه بندی می باشد، از این روجهت طبقه بندی سیگنال ها از شبکه های عصبی پرسپترون پایه یادگیری با ساختارهای مختلف استفاده شده است تا بهترین ساختارها را جهت طبقه بندی بتوان شناسایی کرد. در این تحقیق، تبدیل ویولت گسسته جهت بررسی فرکانس-زمانی سیگنال های EEG استفاده می شود. این تبدیل بر پایه گذراندن سیگنال از دو فیلتر بالا و پایین گذر و سپس کاهش نمونه به دست می آید. نتایج نشان می دهد شبکه عصبی پرسپترون با ساختار دو لایهمخفی و تابع انتقال خروجی خطی در بهترین حالت تا 92% و پس از آن پرسپترون با یک لایه پنهان و تابع انتقال تانژانت زیگموئید تا 86% قابلیتتفکیک را دارند.

کلیدواژه ها:

پتانسیل های حرکتی ، ویولت ، MLP ، DWT ، EEG