بهبود پیشبینی کلمه از روی تصاویر مغزی با استفاده از ماشینهای بردار پشتیبان و آدابوست
نام نخستين پديدآور
/حمیده منافی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: پردیس دانشگاه تبریز
تاریخ نشرو بخش و غیره
، ۱۳۹۵
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
علوم کامپیوتر گرایش سیستمهای هوشمند
زمان اعطا مدرک
۱۳۹۵/۰۶/۰۸
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
پیشبینی کلمه از روی اطلاعات تصاویر مغزی افراد در بسیاری از موارد که امکانات گفتاری وجود ندارد و شناسایی گفتار بهسختی انجام میشود، مورد استفاده قرار میگیرد .در این پایاننامه جهت پیشبینی کلمه از دو فاز جمعآوری داده و پیشبینی کلمه استفاده کردهایم .در فاز جمعآوری داده از اطلاعات تصاویری شامل عکسالعمل مغزی افراد در مقابل دیدن کلمات بهره بردهایم .در فاز پیشبینی از ماشینهای بردار پشتیبان /آدابوست استفاده نمودهایم .بعد از انجام فار اول و جمعآوری داده بهمنظور بدستآوردن اطلاعات مفید از تصاویر در دسترس، مرحلهی پیشپردازش بر روی دادهها را انجام دادهایم .در طی این مرحله برای کاهش فضای اشغالی توسط اطلاعات تصاویر مغزی و بالابردن سرعت دسترسی به اطلاعات تصاویر مغزی موجود از الگوریتم تحلیل مؤلفههای اصلی بهره بردهایم .ماشینهای بردار پشتیبان /آدابوست ساختهشده با استفاده از اطلاعات تصاویر مغزی) افامآرآی (آموزشهای لازم را جهت پیشبینی کلمه کسب نمود .مدل ایجاد شده با ماشینهای بردار پشتیبان نتیجهی ۷۵ را داراست .جهت بهبود عملکرد سامانهی پیشنهادی از الگوریتم آدابوست در مواقع عدم پیشبینی صحیح استفاده نمودهایم .نتایج حاصل از این روش باعث بهبود عملکرد سامانه تا ۹۵.۴۹ میشود
متن يادداشت
Word prediction using the brain images of people is used in the cases in which there are no speech features and speech recognition is difficult. In this study, we utilized two phases as follows: data preparation and word prediction. In the data preparation phase, we use images information including human brains reaction of seeing a word. In the prediction phase, support vector machines/Adaboost were used. After the first phase, i.e., the data preparation, in order to obtain useful information from the available images, the preprocessing was done on the data. During this phase, to reduce the space occupied by the brain images and facilitate the access to the information and brain images principle component analysis algorithms were used. The support vector machines/Adaboost built using brain imaging (FMRI) received the required training. Models created with support vector machines, is up 75 . To improve the performance of the proposed system in case of lack of correct predictions, Adaboost algorithms were used. The results of this method improves the system performance is up to 95.49
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )