طبقه بندی سیگنال ERP در طی فرایند حافظه episodic توسط ماشین بردار پشتیبان و شبکه عصبی

حافظه episodic شامل خاطرات گذشته ای است که در یک مکان و زمان خاص برای یک فرد روی داده است . هدف از این تحقیق تفکیک و طبقه بندی بین دو دسته قدیم و جدید با استفاده از پتانسیل های وابسته به رخداد (ERP) مربوط به فعالیت حافظه episodic م ی باشد . برای این منظور پس از پیش پردازش و استخراج سیگنال ERP به روش متوسط گیری و همچنین استخراج ویژگی های زمانی، از دو ابزار شبکه عصبی Elman و ماشین بردار پشتیبان (SVM) برای طبقه بندی استفاده می گردد . نتایج هر دو طبقه بندی کننده نشان می دهد که ناحیه پاریتا ل مغزی درصد تفکیک بالاتری نسبت به نواحی دیگر مغزی دارد . نتایج طبقه بندی کننده SVM نسبت به شبکه عصبی Elman درصد بالاتری از تفکیک را نشان می دهد، اما شبکه Elman به خاطر حالت پویای آن دارای تعمیم دهی بالاتری نسبت به SVM که حالت استاتیک دارد، در کاربردهایی مانند سیگنال EEG که سیگنال دینامیک دارد، مناسب تر به نظر می آید .

Keywords:

Elman , طبقه بندی کننده , ماشین بردار پشتیبان , شبکه عصبی ERP , episodic حافظه