ورود
مقالات فارسیISIکنفرانسهاژورنالها

بررسی روشهای کلاسبندی مورد استفاده در سیستم های واسط مغز- رایانه مبتنی بر EEG

محل انتشار: اولین کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 560

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/622890

شناسه ملی سند علمی:

ICTI01_026

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

تحقیق در زمینه واسط های مغز- رایانه به طور گسترده ای در سالهای گذشته افزایشداشته است. سیگنال های بدست آمده از دستگاه الکتروانسفالوگرام بدلیل تغییرات شان در طول زمان به شدت ناپایدار هستند. چالشاصلی ما در تحقیقات کنونی این است که چگونه ویژگیهایی که در طول زمان تغییر می کند را از این سیگنالها استخراج نموده و چگونه سیگنال ها را تا حد امکان به درستی کلاس بندی کنیم. یادگیری تطبیقی در یک سیستم واسط مغز-رایانه برای غلبه بر این چالشراه حل موثری خواهد بود. این مقاله به مرور روش های مختلف کلاس بندی در سیستم های واسط مغز-رایانه مبتنی بر سیگنال های الکتروانسفالوگرام و مسایل مهم باز این حوزه که می تواند در تحقیقات مربوط به این واسط ها موثر باشد می پردازد..

کلیدواژه ها:

نویسندگان

سحر افتاده بالانی

عضو هیات علمی دانشگاه آزاد اسلامی واحد سما تهرانسر،دانشجوی دکتری تخصصی مدلسازی شناختی پژوهشکده علوم شناختی،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller, ...
  • E. A. Curran, and M. J. Stokes, :Learning to control ...
  • R. O. Duda, P. E. Hart, and D. G. Stork, ...
  • A. R akotomamonj y, V. Guigue, G. Mallet, and V. ...
  • C. Vidaurre, M. Kawanabe, P. von Bunau, B. Blankertz, and ...
  • C. Vidaurre, A. Schl ogl, B. Blankertz, M. Kawanabe, and ...
  • interfaces, ? Proceedings of the 4th International Brain- Computer Interface ...
  • J. Blumberg, J. Rickert, S. Waldert, A. S chulze -Bonhage, ...
  • Proceedings of the 29th annual international conference of the IEEE ...
  • M. A. Oskoei, J. Q. Gan, and H. Hu, *Adaptive ...
  • M. A. Oskoei, and H. Hu, *Support vector mac hine-based ...
  • classification scheme for myoelectric control applied to upper limb, IEEE ...
  • J. Qin, and Y. Li, ، An Improved S emi-S ...
  • Y. Li, and C. Guan, ،Joint feature re-extraction and c ...
  • S. Sun, _ within-class accuracies for weighting individual outputs in ...
  • S. Sun, and C. Zhang, *Learning on-line classification via ...
  • decorrelated LMS algorithm: application to brai n-computer interfiaces, ' roceedings ...
  • J. W. Yoon, S. J. Roberts, M. Dyson, and J. ...
  • P. Sykacek, S. J. Roberts, and M. Stokes, *Adaptive BCI ...
  • B. Obermeier, C. Guger, _ Neuper, and G. Pfurtscheller. Hidden ...
  • S. Chiappa and S. Bengio. Hmm and iohmm modeling of ...
  • F. Lotte, M. Congedo, A. Lcuyer, F. Lamarche, and B. ...
  • B. Blankertz, G. Curio, and K. R. M uller. Classifying ...
  • S. J. Pan, and Q. Yang, _ survey on transfer ...
  • IEEETra nsactions on Knowledge and Data Engineering, vol. 22, pp. ...
    • نمایش کامل مراجع