سیدمحمدامین نقیب - دانشجوی کارشناسی ارشد کامپیوتر، موسسه آموزش عالی احرار
مرضیه فریدی ماسوله - عضو هیات علمی، موسسه آموزش عالی احرار
احمد باقری - عضو هیات دانشگاه گیلان

ایجاد شرایط رانندگی امن تاثیر زیادی در کاهش آمار تصادفات جاده ای و مرگ و میر ناشی از آن دارد.در ماشین های امروزی برای بالا بردن امنیت هنگام رانندگی، ترمز ماشین بر اساس سیستم هایهوشمند طراحی می شوند. یکی از روش های هوشمند برای کنترل ترمز ماشین، روش های مبتنی برسیگنال مغزی است. این روش سریع تر از واکنش احتمالا کند انسانی عمل کرده و از سرعت اتومبیلکاسته یا آن را متوقف خواهد کرد. هدف این مقاله، ارایه الگوریتم مبتنی بر یادگیری ماشین با هدفترمز اضطراری در طی رانندگی شبیه سازی شده است. روش ارایه شده با استفاده از سیگنال های مغزیEEG عمل می کند. برای این منظور از پایگاه داده استاندارد bnci استفاده می شود. روش پیشنهادیبا استفاده ترکیبی از الگوریتم کاهش ابعاد و استفاده از شبکه عصبی پس انتشار خطا عمل پیش بینیترمز را انجام می دهد. این روش با تمرکز بر روی نحوه کاهش ابعاد ویژگی سعی در بالا بردن دقت،روش پیشنهادی در مقایسه با سایر روش ها دارد. دقت روش پیشنهادی در حالت میانگین برابر ۹۱.۹،در بهترین حالت برابر ۹۴.۷ و در بدترین حالت برابر ۸۸.۹ بوده، که در مقایسه با سایر روش ها در هرسه حالت دقت بالاتری ارایه کرده است.

شبکه عصبی پس انتشار خطا، سیگنال EEG، ترمز اضطراری