تشخیص اهداف ذهنی با استفاده از ویژگی های زمانی-مکانی از طریق یک شبکه عمیق recurrent-convolutional
- سال انتشار: 1397
- محل انتشار: بیست و پنجمین کنفرانس ملی و سومین کنفرانس بین المللی مهندسی زیست پزشکی ایران
- کد COI اختصاصی: ICBME25_005
- زبان مقاله: فارسی
- تعداد مشاهده: 867
نویسندگان
دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران
دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران
دانشکده مهندسی برق دانشگاه صنعتی شاهرود، ایران
دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود، ایران
چکیده
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, RNNمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
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.