طبقه بندی سیگنال های مغزی با استفاده از ویژگی های غیرخطی احتمال همگامی و احتمال همگامی فازی و مدل ANFIS
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 895
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK02_058
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
سیگنال های الکتروانسفالوگرافی (EEG) نشان دهنده پتانسیل بیوالکتریکی تولیدشده توسط سلول های عصبی قشرمغز است. تفسیر سیگنالهای EEG برای درک پارامترهای مشخصه از فعالیت مغز، مسئله اساسی سامانه های رابط مغرورایانه (BCI) است. ساخت یک BCI قابل استفاده و قابل اعتماد نیاز به یک طبقه بندی دقیق و مؤثر از سیگنال های EEG چندکاناله دارد. ازآنجاکه استخراج ویژگی نقش اساسی در تعیین عملکرد طبقه بندی ایفا می کند و با توجه به ماهیت آشوبگون و غیرخطی سیگنال EEG، در این مقاله از یک رویکرد استخراج ویژگی ترکیبی بر اساس دو ویژگی غیرخطی شامل احتمال همگامی و احتمال همگامی فازی استفاده می شود. به منظور انتخاب ویژگی از روش تحلیلمؤلفه های اصلی استفاده نمودیم. ویژگی های غیرخطی، نویزی و داده های خارج از محدوده سیگنال هایالکتروانسفالوگرافی الهام بخش به کارگیری منطق فازی به دلیل قدرتش برای رسیدگی به عدم قطعیت است. بنابراین مادر این تحقیق از سیستم استنتاج فازی-عصبی تطبیقی، به منظور طبقه بندی سیگنال های EEG زنان و مردان سالم برای بررسی تمایزات جنسیتی مغز استفاده کردیم و پس از اجرای آزمون k-fold cross validation به صحت 96 93 درصد به دست آمده در مقاله پایه بهبودیافته است.
Keywords:
الکتروانسفالوگرافی , فعالیت مغزی , احتمال همگامی , احتمال همگامی فازی , سیستم استنتاج فازی-عصبی تطبیقی
Authors
محدثه خسروی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مهدی یعقوبی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
حمیدرضا کبروی
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :