عنوان

یک رویکرد جدید هوش مصنوعی برای طبقه بندی سیگنال¬های تصور حرکتی نوار مغزی

پ۲۶۰۲۷

per

یک رویکرد جدید هوش مصنوعی برای طبقه بندی سیگنال¬های تصور حرکتی نوار مغزی

رضا فرهنگی

مهندسی برق و کامپیوتر

۱۴۰۰

۸۸ص

سی دی

کارشناسی ارشد

مهندسی برق -کنترل

۱۴۰۰/۱۰/۱۱

یکی از مباحثی که امروزه مورد توجه محققان قرار گرفته است، رابط مغز و کامپیوتر است. برای ایجاد ارتباط بین مغز و کامپیوتر از سیگنال¬های مغزی استفاده می¬شود.در این پایان¬نامه کلاس¬بندی سیگنال¬های تصور حرکتی دست راست و دست چپ بررسی‌ شده است. برای کلاس¬بندی سیگنال¬های تصور حرکتی، محققان الگوریتم¬های مختلفی را بررسی کرده‌اند. در این پایان¬نامه پس از انجام پیش¬پردازش¬های لازم بر روی سیگنال (استخراج کلاس¬ها، استخراج باندهای فرکانسی میو و بتا و تبدیل فوریه زمان کوتاه)، ابتدا الگوریتم¬های رگرسیون لجستیک، ماشین بردار پشتیبان و K نزدیک‌ترین همسایه بر روی این سیگنال¬ها پیاده¬سازی شده و سپس اعتبارسنجی شده¬اند.الگوریتم اصلی پیشنهادی این پایان¬نامه استفاده از شبکه¬های عصبی کانولوشنی به همراه یادگیری انتقالی است. برای این الگوریتم، ابتدا، دو لایه‌ی شبکه عصبی کانولوشنی دو بعدی به همراه چهار لایه تماماً متصل طراحی شده است. شبکه¬ی طراحی شده در حالت¬های مختلف بر روی داده‌های سیگنال¬های مغزی تصور حرکتی آموزش دیده و ارزیابی‌ شده است. لایه¬های کانولوشنی وظیفه¬ی استخراج ویژگی¬های بهتر را بر عهده دارند، که این ویژگی¬های استخراج شده توسط لایه‌های تماماً متصل کلاس¬بندی می¬شوند. برای رسیدن به نتایج بهتر، از الگوریتم یادگیری انتقالی استفاده شده است که این الگوریتم از مدل و وزن-های شبکه¬ی آموزش دیده¬ی مرحله¬ی قبل استفاده کرده و وزن¬های لایه¬ی آخر این شبکه را مجدداً آموزش می‌دهد. نتایج نشان داد که با استفاده از یادگیری انتقالی، دقت مدل ارائه شده نسبت به برنده¬ی الگوریتم‌های قبلی استفاده شده بر روی داده¬های BCI Competiton IV 2b، 1 درصد افزایش یافت. معیار Kappa نیز توسط الگوریتم پیشنهادی 02/0 نسبت به بهترین الگوریتم قبلی ارائه شده بهبود یافته است.

A new artificial intelligence approach for classification of EEG motor imagery signals

فرهنگی،

‏ رضا

تهيه کننده

بادامچی زاده،

‏‏ریخته گر غیاثی

خراطی،

‏ محمدعلی

‏ امیر

‏ حامد

استاد راهنما

استاد راهنما

استاد مشاور

تبریز