عنوان

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

Number

پ۲۶۰۲۷

.Language of Text, Soundtrack etc

per

Title Proper

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

First Statement of Responsibility

رضا فرهنگی

Name of Publisher, Distributor, etc.

مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

۱۴۰۰

Specific Material Designation and Extent of Item

۸۸ص

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی برق -کنترل

Date of degree

۱۴۰۰/۱۰/۱۱

Text of Note

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.

Variant Title

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

Entry Element

فرهنگی،

Part of Name Other than Entry Element

‏ رضا

Relator Code

تهيه کننده

Entry Element

بادامچی زاده،

Entry Element

‏‏ریخته گر غیاثی

Entry Element

خراطی،

Part of Name Other than Entry Element

‏ محمدعلی

Part of Name Other than Entry Element

‏ امیر

Part of Name Other than Entry Element

‏ حامد

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

تبریز