طبقه بندی سیگنال های مغزی تصور حرکت با استفاده از ترکیب جدید شبکه عصبی و الگوریتم های بهینه سازی

در این پژوهش، الگوریتم جدیدی برای طبقه بندی سیگنال های مغزی در راه اندازی یک سیستم مغز ورایانه مطرح می شود. سیگنال های مغزی مربوط به تصور حرکت هست و از پایگاه داده فیزیونت به دستآمده است. در بین کانال های مختلفی که برای ثبت سیگنال های مغزی به کار می رود، کانال های C3 ,C4 به عنوان مرجع مناسب انتخاب می شود. برای استخراج ویژگی، از روش های توان متوسط، ویولت و اتورگرسیو ضرایب ویولت استفاده می گردد. برای تفکیک سیگنال های مغزی به دو دسته تصور حرکتدست چپ و راست، شبکه عصبی جدیدی که مبتنی بر ویولت است مطرح می گردد و دقت طبقه بندیکننده با استفاده از الگوریتم های بهینه سازی افزایش داده می شود. دقت الگوریتم ها (شبکه عصبی ویولتبا بهینه سازی جمعیت جزیی، شبکه عصبی ویولت با بهینه سازی سیستم ایمنی مصنوعی، شبکه عصبی) با هم مقایسه می شود و نتایج نشان داد که متوسط دقت الگوریتم ها به ترتیب برابر با 76%،65% و 58% است و بهترین درصد در شبکه عصبی ویولت با بهینه سازی جمعیت جزیی 89% است.

Keywords:

الکتروانسفالوگرام , ویولت , شبکه عصبی ویولت , الگوریتم سیستم ایمنی مصنوعی , بهینهسازی جمعیت جزیی