ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص اهداف ذهنی با استفاده از ویژگی های زمانی-مکانی از طریق یک شبکه عمیق recurrent-convolutional

تعداد صفحات: 6 | تعداد نمایش خلاصه: 130 | نظرات: 0
سال انتشار: 1397
کد COI مقاله: ICBME25_005
زبان مقاله: فارسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص اهداف ذهنی با استفاده از ویژگی های زمانی-مکانی از طریق یک شبکه عمیق recurrent-convolutional

حمیدرضا غنچی - دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران
منصور فاتح - دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران
وحید ابوالقاسمی - دانشکده مهندسی برق دانشگاه صنعتی شاهرود، ایران
محسن رضوانی - دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران

چکیده مقاله:

رابط مغز کامپیوتر (BCI)، یک سیستم قدرتمند برای برقراری ارتباط با دنیای خارج یا کنترل آن است. BCIهای مبتنی بر سیگنالهای EEG روشهای مناسبی برای این کار هستند. تصورهای حرکتی با EEG نوعی از سیگنالهای EEG هستند. این سیگنال ها قصد انجام حرکت را نشان می دهد. علارغم تحقیقات گسترده در زمینه MI-EEG در سالهای اخیر، استفاده از EEG برای این سیستم ها همچنان چالش برانگیز است.در اکثر تحقیقات، صرفا EEG به صورت دنباله های زنجیرهای لحاظ شده اند و به وابستگی های پیچیده بین سیگنالهای مجاور هم یا به میانگین زمانی ساده در هر دنباله EEG توجه نشده است. در این مقاله، مدل شبکه عصبی عمیق برای شناسایی دقیقتر اهداف مغزی انسان با ترکیب ویژگیهای زمانی و مکانی معرفی شده است. مدل پیشنهادی، ارتباطات مکانی بین سیگنالهای EEG را ایجاد کرده است. این ارتباطات با تبدیل دنباله های EEG زنجیرهای به سلسله مراتبی در شبکه های دو بعدی، ایجاد شدهاند. آزمایشها بر روی مجموعه داده بزرگ تصورهای حرکتی 109) PhysioNet شرکتکننده با 3,145,160 داده (EEG نشان میدهد که مدل پیشنهادی از دقت 98 درصد بهره میبرد. این روش از روش مشابه خود بر روی این مجموعهداده 18 درصد افزایش داشته است.

کلیدواژه ها:

BCI, CNN, EEG, RNN

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/828119/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
غنچی، حمیدرضا و فاتح، منصور و ابوالقاسمی، وحید و رضوانی، محسن،1397،تشخیص اهداف ذهنی با استفاده از ویژگی های زمانی-مکانی از طریق یک شبکه عمیق recurrent-convolutional،بیست و پنجمین کنفرانس ملی و سومین کنفرانس بین المللی مهندسی زیست پزشکی ایران،قم،،،https://civilica.com/doc/828119

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، غنچی، حمیدرضا؛ منصور فاتح و وحید ابوالقاسمی و محسن رضوانی)
برای بار دوم به بعد: (1397، غنچی؛ فاتح و ابوالقاسمی و رضوانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,087
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی