چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008525 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
982 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
تشخیص تک کاناله-تک آزمایشیِ مولفه شناختیِ P300 با استفاده از ماشین یادگیری سریع (در مقایسه با BPNN و SVM)
عنوان انگليسي
Single Channel Single Trial P300 Detection Using Extreme Learning Machine
نویسنده/ناشر/نام مجله
International Joint Conference on Neural Networks
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 6 صفحه انگلیسی به صورت پی دی اف و 17 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
یک رابط کامپیوتری مغز (BCI)، یک سیستم ارتباطی است که برای تعامل مستقیم کاربران با دستگاه های خارجی (با استفاده از ذهن کاربر و بدون استفاده از فعالیتهای عضلانی)، طراحی شده است. P300 یکی از مولفه های پتانسیل های وابسته به رویداد (ERP ها) است؛ این مولفه یکی از ویژگی های سیگنال الکتروانسفالوگرافی (EEG) است که در BCI بسیار پرکاربرد میباشد. با این وجود، تحلیل تک آزمایشی دشوار است زیرا ERP ها مانند سیگنال های P300 دارای نسبت سیگنال به نویزِ بسیار پایینی هستند که این امر باعث کاهش میزان ارتباطات می شود؛ و همچنین تعداد زیادی از کانال های مورد نیاز برای ضبط EEG، به علت پیچیدگی و هزینه های بالای سیستم، مانع از محبوبیت برنامه های BCI میشوند. در این مقاله، برای شناسایی مولفه های P300 با استفاده از داده های تک کاناله ی یک آزمایش پارادایم عجیب و غریبِ محرک های بصری، روش کارآمد و جدیدِ ماشین یادگیری سریع (ELM) ارائه شده است. این روش، به طور متوسط به دقتی بالاتر از 85% دست مییابد و عملکردی بهتر از BPNN و SVM دارد.
1-مقدمه
الکتروانسفالوگرام (EEG) به عنوان ضبط فعالیت الکتریکی مغز تعریف میشود که معمولا با استفاده از الکترودهایی از روی سطح پوستِ سر، ضبط میشود. پتانسیل های وابسته به رویداد (ERP ها)، که در اهداف تحقیقاتی و تشخیص های بالینی استفاده گسترده ای دارند، به عنوان یکی از مهمترین EEG ها و ارتباطات روانی-فیزیولوژیکی توابع عصبی-شناختی میباشند که پاسخ های مغز را نسبت به تغییرات ارگانیک محیط خارجی یا داخلی (یا رویدادها)، نشان میدهند. به علت وضوح زمانی بالا، همچنین هزینه کم و سهولت استفاده (در مقایسه با سایر تکنیک های اکتسابی، مانند fMRI، EMG)، سیگنال های EEG به طور گستردهای در رابط کامپیوتری مغز (BCI) مورد استفاده قرار میگیرند، این رابط یک سیستم ارتباطی است که بهگونه ای طراحی شده است که به کاربران اجازه می دهد تا به طور مستقیم با محیط خارجی ارتباط برقرار نمایند، و این ارتباط به مسیر خروجی نرمال اعصاب مغز و عضلات محیطی، بستگی ندارد...
سیگنال الکتروانسفالوگرافیِ تک کاناله پتانسیل وابسته به رویداد P300 ماشین یادگیری سریع
:کلمات کلیدی
Abstract
A Brain Computer Interface (BCI) is a communication system designed to allow the users to directly interact with external devices using their minds without using any muscle activities. P300, a component of Event Related Potentials (ERPs), is a widely used feature component of EEG signal for BCI applications. However, single trial analysis is difficult since ERPs such as P300 signals have a very low signal to noise ratio, which bring down the communication rate. And the numerous number of channels needed to record EEG prevents the popularization of BCI applications due to the complexity and high cost of the system. In this paper, a new efficient method, extreme learning machine (ELM), is presented to detect P300 components using a single channel data from a visual stimuli Oddball paradigm experiment. It reaches an average accuracy above 85% and performs better than BPNN and SVM.
Keywords:
single channel EEG ERP P300 extreme learning machine
سایر منابع مهندسی برق در زمینه الکتروانسفالوگرافی