فرید خیری - دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد علوم و تحقیقات هرمزگان
سیدعلی حسینی - دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد شهر ری

امروزه استفاده از سیگنال های الکتریکی مغزیEEG)به منظور تشخیص بیماری های اعصاب و روان کاربرد فراوانی دارد. استخراج تحلیل و طبقه بندی این سیگنال ها نقشی اساسی در فرآیند بررسی تشخیص بیماری بازی می کند. در این میان، استفاده از شبکه های عصبیشعاع مبنا جهت نیل به این هدف از جایگاه ویژه ای برخوردار است. علی رغم نیاز به نورون های بیشتر نسبت به سایر روش ها - از جمله شبکه عصبی پس انتشارBP)می توان به برتری محسوس ابن روش در کوتاهی زمان طراحی اشاره نمود. در این مقاله نظر به دولایه ای بودن شبکه پیشروی در شبکه عصبیRBF توابع انتخابی برای لایه پنهان، گوسی می باشند. نتایج تجربی بدست آمده، از یک اجرای خوب برای طبقه بندی وظایف روانی از داده هایEEGمقایسه با سایر روش های مبتنی بر شبکه سنتی عصبی، خبر می دهد. لذا زمانی کهEGGبه عنوان یک سیگنال ورودی به رابط مغز کامپیوترBCI)مورد استفاده قرار میگیرد، شبکه عصبی شعاع مبنا میتواند راهی جدید برای طبقه بندی اتوماسیون EEGباشد.

الکتروانسفالوگرام، سیگنال الکتریکی مغزیEEG)/شبکه های شعاع مبناRBF)/شبکه عصبی پس انتشارBP)/شبکه عصبی