بهینه کردن شبکه عصبی ELM توسط الگوریتم pso برای تشخیص بیماری صرع

صرع به عنوان اولین اختلال مهم مغزی (پس از سکته مغزی) شناخته شده است. بیماری صرع عبارت است از مجموعهای از اختلالات عصبی مزمن پزشکی بلند مدت که با حمله صرعی مشخص میشود. این حملات ممکن است بسیار خفیف و تقریبا غیر قابل شناسایی بوده یا برعکس طولانی مدت و با لرزش شدید همراه باشد. یکی از روشهای تشخیص بیماری صرع استفاده از سیگنالهای EEG است که بیانگر فعالیتهای مغزی هستند. دراین مقاله شیوه جدیدی جهت تشخیص بیماری صرع ارایه شده است. در این روش، ابتدا ویژگی ها با پردازش سیگنال EEG به دست میآیند، سپس پارامترهای شبکه عصبی ELM با استفاده از الگوریتم ازدحام ذرات PSO بهینه سازی میشوند و در نهایت از شبکه عصبی ELM بهبود یافته به منظور تشخیص بیماری صرع استفاده میشود. نتایج به دست آمده در این مقاله، عملکرد بالای این روش را نشان می دهد.

کلیدواژه ها:

شبکه عصبی ELM ، الگوریتم pso ، بیماری صرع ، سیگنال EEG