بازشناسی دیداری اشیاء از سیگنال تک ثبت EEG
محل انتشار: پنجمین کنفرانس پردازش سیگنال و سیستم های هوشمند
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 506
فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SPIS05_025
تاریخ نمایه سازی: 7 بهمن 1398
چکیده مقاله:
ارتباط بین فعالیت های مغزی که با روش های مختلف مانند الکتروانسفالوگرافی (EEG) ثبت می شوند با مسائل دنیای واقعی اهمیت بررسی آنها را دوچندان کرده است. با این وجود سطح بالای نوفه (noise) در سیگنال های ثبت شده EEG و اختلافات موجود بین داده های ثبت شده کاربران مختلف کار طبقه بندی سیگنال های دریافتی را با چالش جدی مواجه می کند. در این مطالعه ظرفیت برخی از الگوریتمهای معروف یادگیری ماشین برای یادگیری ویژگیهای مهم و بارز از روی سیگنالهای EEG که با روش تک ثبت از پاسخهای مغز به تصاویر محرک ضبط شده اند را ارزیابی کرده و ارایه میدهیم. علاوه بر بررسی و مطالعهی روشهای مختلف، نشان داده شده است که چگونه با نگاشت صحیح کل فضای دادهای به فضای ویژگیهای بامعنی (IFS) کارایی تقریبا همهی روش های دستهبندی سیگنالهای EEG که در این تحقیق استفاده شده اند را بهبود دهیم. نتایج بررسیهای ما از تمامی نتایج مشابه روی مجموعهدادهی بررسی شده بهتر است و توانایی مناسب و موفق برخی از الگوریتمهای یادگیری ماشین در به دست آوردن ساختار مجزا و تفکیک شدهی دستههای اشیا در دستهبندی سیگنالهای ذخیره شده ی تک ثبت را نشان میدهد.
کلیدواژه ها:
نویسندگان
مجتبی یاوندحسنی
آزمایشگاه تعامل انسان و کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران
فواد قادری
آزمایشگاه تعامل انسان و کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران