CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طبقه بندی سیگنال های مغزی تصور حرکت با استفاده از ترکیب جدید شبکه عصبی و الگوریتم های بهینه سازی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۳ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: SETCO01_059
زبان مقاله: فارسی
حجم فایل: ۷۲۰.۸۶ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طبقه بندی سیگنال های مغزی تصور حرکت با استفاده از ترکیب جدید شبکه عصبی و الگوریتم های بهینه سازی

  مریم علی محمدی سلطانمرادی - آزمایشگاه بیومکاترونیک، دانشکده فناوری های نوین، دانشگاه تبریز، تبریز، ایران
  وحید عظیمی راد - آزمایشگاه بیومکاترونیک، دانشکده فناوری های نوین، دانشگاه تبریز، تبریز، ایران
  احمد رجبی چافی - دانشگاه آزاد اسلامی، واحد لنگرود، لنگرود، ایران
  مینا حسین پورستوبادی - گروه بیوالکتریک، دانشکده مهندسی برق، دانشگاه علم و صنعت، تهران، ایران

چکیده مقاله:

در این پژوهش، الگوریتم جدیدی برای طبقه بندی سیگنال های مغزی در راه اندازی یک سیستم مغز ورایانه مطرح می شود. سیگنال های مغزی مربوط به تصور حرکت هست و از پایگاه داده فیزیونت به دستآمده است. در بین کانال های مختلفی که برای ثبت سیگنال های مغزی به کار می رود، کانال های C3 ,C4 به عنوان مرجع مناسب انتخاب می شود. برای استخراج ویژگی، از روش های توان متوسط، ویولت و اتورگرسیو ضرایب ویولت استفاده می گردد. برای تفکیک سیگنال های مغزی به دو دسته تصور حرکتدست چپ و راست، شبکه عصبی جدیدی که مبتنی بر ویولت است مطرح می گردد و دقت طبقه بندیکننده با استفاده از الگوریتم های بهینه سازی افزایش داده می شود. دقت الگوریتم ها (شبکه عصبی ویولتبا بهینه سازی جمعیت جزیی، شبکه عصبی ویولت با بهینه سازی سیستم ایمنی مصنوعی، شبکه عصبی) با هم مقایسه می شود و نتایج نشان داد که متوسط دقت الگوریتم ها به ترتیب برابر با 76%،65% و 58% است و بهترین درصد در شبکه عصبی ویولت با بهینه سازی جمعیت جزیی 89% است.

کلیدواژه‌ها:

الکتروانسفالوگرام، ویولت، شبکه عصبی ویولت، الگوریتم سیستم ایمنی مصنوعی، بهینهسازی جمعیت جزیی

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-SETCO01-SETCO01_059.html
کد COI مقاله: SETCO01_059

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:
علی محمدی سلطانمرادی, مریم؛ وحید عظیمی راد؛ احمد رجبی چافی و مینا حسین پورستوبادی، ۱۳۹۷، طبقه بندی سیگنال های مغزی تصور حرکت با استفاده از ترکیب جدید شبکه عصبی و الگوریتم های بهینه سازی، کنگره ملی سالانه ایده های نوین پژوهشی در علوم مهندسی و تکنولوژی، برق و کامپیوتر، ساری، موسسه آموزش عالی هدف ساری، https://www.civilica.com/Paper-SETCO01-SETCO01_059.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: (علی محمدی سلطانمرادی, مریم؛ وحید عظیمی راد؛ احمد رجبی چافی و مینا حسین پورستوبادی، ۱۳۹۷)
برای بار دوم به بعد: (علی محمدی سلطانمرادی؛ عظیمی راد؛ رجبی چافی و حسین پورستوبادی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۶۶۵۲
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 پیشنهادی مرتبط

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.