مقایسه عملکرد طبقه‌بندهای متفاوت در تشخیص گفتار با استفاده از ثبتهای درون قشر مغز
محل انتشار: دومین کنفرانس ملی ایده های نو در مهندسی برق
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 730
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCNIEE02_006
تاریخ نمایه سازی: 29 بهمن 1392
چکیده مقاله:
سیستمهای گفتار خاموشدر حال ایجاد انقلابی شگرف در زندگی افرادی است که از فقدان توانایی در صحبت کردن رنج میبرند. نوعی خاصی از سیستمهای مذکور که مبتنی بر ثبتهای مغزی میباشند، رابطهای مغز کامپیوتر ارتباطی BCIنامیده میشوند. در تازهترین ایده جهت ایجاد یک سیستمBCIبرای مقاصد ارتباطی، محققان دانشگاه بوستون، استفاده از ثبتهای درون قشر مغزی را پیشنهاد دادند [ 1]. این تیم، با استفاده از قطارهای ضربه عصبی مربوط به 27 نورون، عملکرد سه طبقهبندSVM و 4 FDA3 ،LDA را جهت پیشگویی 38 فونم انگلیسی،بین 21-16 % گزارش دادند. در این مقاله، با استفاده از دیتابیسمذکور، هدف، ارتقا عملکرد طبقهبند میباشد. از اینرو پساز تخمین نرخآتشبه روش کرنل با هسته گوسی، الگوریتم پیشنهادی مبتنی بر استخراج لحظهای مشاهدات به کارگرفته شد و عملکرد آن با استفاده از پنج طبقهبندبه نامهایNaiveBayes و KNN5 ،SVM ،FDA ،LDAمورد بررسی قرار گرفت. نتایج نشان داد که در میان طبقهبندهاKNNقادر به پیشگویی با صحت بسیار مطلوبی (در حدود 97 %) میباشد
کلیدواژه ها:
نویسندگان
ندا شعبانی
کارشناس ارشد، دانشکده مهندسی برق، گروه مخابرات، دانشگاه آزاد اسلامی واحد نجف آباد
امین مهنام
استادیار، دانشکده فنی مهندسی، گروه مهندسی پزشکی، دانشگاه اصفهان
همایون مهدوی نسب
استادیار، دانشکده مهندسی برق، گروه مخابرات، دانشگاه آزاد اسلامی واحد نجف آباد
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 :