ساختارهای مختلف شبکه چندلایه پرسپترون در طبقه بندی سیگنال های فرمانی از قشر مغز

هدف مقاله، طبقه بندی فرمان های حرکتی مغز با ساختارهای مختلف شبکه عصبی می باشد. سیگنال الکتروانسفالوگرام که از سطح سر ثبت می شود به طورمستقیم قابل استفاده برای عملیات پردازشی نیست و پیشپردازش هایی باید روی آن انجام شود. حرکت های مد نظر، تصور حرکت دست راست و چپ با استفادهاز تنها دو کانال می باشد. تشخیص فرمان های حرکتی سیگنال های مغز یک مسأله طبقه بندی می باشد، از این رو جهت طبقه بندی سیگنال ها از شبکه هایعصبی پرسپترون پایه یادگیری با ساختارهای مختلف استفاده شده است تا بهترین ساختارها را جهت طبقه بندی سیگنال ها شناسایی کنیم. در این تحقیق، تبدیلویولت گسسته جهت استخراج ویژگی ها و بررسی مقیاس- فرکانسی سیگنال های برانگیخته استفاده می شود. این تبدیل بر پایه گذراندن سیگنال از دو فیلتر بالا و پایین گذر و سپسکاهشنمونه به دست می آید. نتایج نشان می دهد شبکه چندلایه پرسپترون با ساختار دو لایه مخفی و دوازده نرون و تابع انتقال خروجی خطی در بهترین حالت تا 92 % و پس از آن شبکه چندلایه پرسپترون با یک لایه پنهان و تابع انتقال تانژانت زیگموئید تا 86 % قابلیت تفکیک را دارند

Keywords:

پتانسیل های حرکتی , ویولت/MLP3 , DWT2 , EEG