CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۳۷۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
نوع ارائه: شفاهی
کد COI مقاله: ELECOM01_133
زبان مقاله: فارسی
حجم فایل: ۳۱۴.۶ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر

  ناصر ضیائی - دانشجوی کارشناسی ارشد، دانشکده برق، دانشگاه آزاد اسلامی واحد کازرون ، کازرون، ایران
  علی رفیعی - استادیار دانشکده برق دانشگاه آزاد اسلامی واحد کازرون، کازرون، ایران
  محسن معصومی - استادیار دانشکده برق دانشگاه آزاد اسلامی واحد جهرم، جهرم، ایران

چکیده مقاله:

هدف مقاله، طبقه بندی ویژگی های آماری و توانی فرمان های حرکتی مغز با ساختارهای مختلف شبکه عصبی قدرتمند پرسپترون و بررسی بهترین ساختار برای تفکیک این سیگنال ها می باشد. تشخیص فرمان های حرکتی سیگنال های مغز یک مسأله طبقه بندی است. تبدیل ویولت گسسته جهت استخراج ویژگی ها و بررسی مقیاس- فرکانسی سیگنال های الکتروانسفالوگرام استفاده می شود. نتایج نشان می دهد شبکه چندلایه پرسپترون با دو لایه مخفی و دوازده نرون و تابع انتقال خروجی خطی در بهترین حالت تا 92 % و پس از آن شبکه چندلایه پرسپترون با یک لایه پنهان و تابع انتقال تانژانت زیگموئید تا 86 % قابلیت تفکیک را دارند.

کلیدواژه‌ها:

پتانسیل های حرکتی، ویولت، الکتروانسفالوگرام، تبدیل ویولت گسسته، پرسپترون چندلایه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECOM01-ELECOM01_133.html
کد COI مقاله: ELECOM01_133

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ضیائی, ناصر؛ علی رفیعی و محسن معصومی، ۱۳۹۲، بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر، اولین همایش منطقه ای بهینه سازی و روشهای محاسبه نرم در مهندسی برق و کامپیوتر، صفاشهر، دانشگاه آزاد اسلامی واحد صفاشهر، https://www.civilica.com/Paper-ELECOM01-ELECOM01_133.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (ضیائی, ناصر؛ علی رفیعی و محسن معصومی، ۱۳۹۲)
برای بار دوم به بعد: (ضیائی؛ رفیعی و معصومی، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • دکتر احمد بناکار، شبکه های عصبی موجک و کاربرد آن ...
  • ناصر ضیایی، علی رفیعی، محسن معصومی، تشخیص و پردازش فرمان ...
  • دکتر محمد باقر منهاج، مبانی شبکه های عصبی، ویرایش اول، ...
  • مارتین تی. هاگان- هاوارد بی.دیموث- مارک بیل، طراحی شبکه های ...
  • EEG SIGNA, PROCESSING Saeid Sanei and J.A. Chambers _ Centre ...
  • Digital Signal Processing Using MATLAB r and Wavelets Michael Weeks ...
  • EEG-based classification of imaginary left and right foot movements using ...
  • Enhancement of left-right sensorimotor EEG differences during feedback- regulated motor ...
  • Automatic Sleep Stage Classification Based on EEG Signals by Using ...
  • EEG Eye Blink Classification Using Neural Network. _ Chambayil, Rajesh ...
  • University of Technology Graz. (Gert Pfurtscheller) http : //www. bbci ...
  • Implementation of Epileptic EEG using Recurrent Neural Network M. Gayatri, ...
  • Subasi, A. Automatic recognition of alertness level from EEG by ...
  • EEG-based classification of imaginary left and right foot movementa using ...
  • G. G. Pfurtscheller, C. Neuper, A. Schlogl, and K. Lugger, ...
  • D. E. Miller, ، 'Anewapproach to model reference adaptive control, ...
  • Zhang, L., He, W., Miao, X., & Yang, J. (2005, ...
  • Fabiani, G. E., McFarland, D. J., Wolpaw, J. R., & ...
  • Erik Andreas Larsen, Classification of EEG Signals in a Brain- ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۰۵۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.