مقایسه صحت شبکه های عصبی MLP و RBF درتشخیص بیماری صرع
Publish place: Conference on Electrical Engineering and Sustainable Development with a focus on new achievements in electrical engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,034
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EOESD01_130
تاریخ نمایه سازی: 11 خرداد 1393
Abstract:
اصلی ترین ومهمترین روش تشخیص بیماری صرع، بررسی سیگنال EEG است. یکی از روش های تشخیص این بیماری، بدست آوردن ویژگی هایمناسب می باشد. این امر به دو صورت شامل محاسبه وتشخیص ویژگی ها درحوزه زمان و یا آشکار سازی ویژگی ها درحوزه فرکانس قابل اجراست.دراین مقاله، هدف تفکیک سیگنال های EEG فرد بیمار از فرد سالم می باشد که برای این منظوربه جداسازی ویژگی های زمانی ازسیگنال EEG پرداخته شدهاست. هدف اصلی از این کار جدا سازی ویژگی هایی است که با بکارگیری آن ها، سیگنال های EEG فرد مبتلا به صرع از فرد سالم به بهترینشکل قابل تفکیک باشد. پس ازاستخراج ویژگی ها به طراحی شبکه های عصبی MLP اموزش دیده با الگوریتم کلاسیک و شبکه عصبی MLPاموزش دیده باالگوریتم هوشمند ژنتیک و همچنین شبکه عصبی RBF جهت تفکیک داده ها پرداخته شده و صحت این 3 شبکه در تشخیص صرعمورد بررسی قرارگرفته است. که شبکه عصبی MLP اموزش دیده باالگوریتم ژنتیک دارای بالاترین صحت درتفکیک سیگنال های سالم وصرعیمیباشد.
Keywords:
Authors
حمزه لطفعلی نژاد
دانشجوی کارشناسی دانشگاه بین المللی امام رضا
رضا کشوری
دانشجوی کارشناسی دانشگاه بین المللی امام رضا
شیوا شبرو
دانشجوی کارشناسی دانشگاه بین المللی امام رضا
هانیه مقدس
دانشجوی کارشناسی دانشگاه بین المللی امام رضا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :