بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر
Publish place: The first regional conference on optimization and soft computing methods in electrical and computer engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 658
This Paper With 6 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:
ELECOM01_133
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
هدف مقاله، طبقه بندی ویژگی های آماری و توانی فرمان های حرکتی مغز با ساختارهای مختلف شبکه عصبی قدرتمند پرسپترون و بررسی بهترین ساختار برای تفکیک این سیگنال ها می باشد. تشخیص فرمان های حرکتی سیگنال های مغز یک مسأله طبقه بندی است. تبدیل ویولت گسسته جهت استخراج ویژگی ها و بررسی مقیاس- فرکانسی سیگنال های الکتروانسفالوگرام استفاده می شود. نتایج نشان می دهد شبکه چندلایه پرسپترون با 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:
Authors
ناصر ضیائی
دانشجوی کارشناسی ارشد، دانشکده برق، دانشگاه آزاد اسلامی واحد کازرون ، کازرون، ایران
علی رفیعی
استادیار دانشکده برق دانشگاه آزاد اسلامی واحد کازرون، کازرون، ایران
محسن معصومی
استادیار دانشکده برق دانشگاه آزاد اسلامی واحد جهرم، جهرم، ایران
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 :