CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شبکه عصبی Spiking روشی برای مدل سازی،طبقه بندی و فهم داده های فضا_زمان EEG

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۵۸۰ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: TAES01_132
زبان مقاله: فارسی
حجم فایل: ۴۳۹.۸ کیلوبایت (فایل این مقاله در ۷ 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 ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شبکه عصبی Spiking روشی برای مدل سازی،طبقه بندی و فهم داده های فضا_زمان EEG

  اعظم زارعی - دانشگاه آزاد اسلامی واحد تبریز، گروه مهندسی پزشکی، تبریز، ایران
  همایون ابراهیمیان - دانشگاه آزاد اسلامی واحد اردبیل، گروه مهندسی پزشکی، اردبیل، ایران

چکیده مقاله:

این مقاله یک روش جدید برای مدل سازی، شناخت و فهم های داده های فضا- زمانی الکتروانسفالو گرافی و اندازه گیری شناختی پیچیده مغز را در طول فرآیندهای فعالیت ذهنی ارائه می دهد. عنصر کلیدی این است که فعالیت ذهنی از طریق انجام فرآیندهای فضا- زمانی پیچیده مغز بوده و تنها در صورتی می توان آنها را قابل درک دانست که ما مدل درستی داده های طیفی فضایی- زمانی این فرآیند را اندازه گیری کنیم. روش پیشنهادی بر روی شبکه عصبی ،spiking اخیراً ارائه شده است، معماری NeoCube نامیده شده است به عنوان چهارچوب کلی برای مدل سازی داده های فضا- زمان مبتنی بر داده های الکتروانسفالوگرافی است. نتایج مدل سازی داده ها با نرم افزار متلب مورد شبیه سازی انجام گرفته و ارائه شده است.

کلیدواژه‌ها:

شبکه های عصبی spiking، اطلاعات شناختی، EEG، بیماری آلزایمر

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-TAES01-TAES01_132.html
کد COI مقاله: TAES01_132

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:
زارعی, اعظم و همایون ابراهیمیان، ۱۳۹۴، شبکه عصبی Spiking روشی برای مدل سازی،طبقه بندی و فهم داده های فضا_زمان EEG، کنفرانس ملی چشم انداز 1404 و پیشرفتهای تکنولوژیک علوم مهندسی، شیراز، مرکز توسعه آموزشهای نوین ایران (متانا)، https://www.civilica.com/Paper-TAES01-TAES01_132.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: (زارعی, اعظم و همایون ابراهیمیان، ۱۳۹۴)
برای بار دوم به بعد: (زارعی و ابراهیمیان، ۱۳۹۴)
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 :

  • C. Anderson, D. Peterson, Recent advances in EEG signal analysis ...
  • Neural Networks, Cambridge University Press, UK, 2001, pp. 175-191 (Chapter ...
  • C. Anderson, Effects of variations in neural network topology and ...
  • C. Anderson, Z. Sijercic, Classification of EEG signals from four ...
  • C. Anderson, E. Stolz, S. Shamsunder, Multivariate autoregressive models for ...
  • L. Benuskova, N. Kasabov, Computational Neuro-genetic Modelling, Springer, New York, ...
  • Y. Chen, J. Hu, N. Kasabov, Z. Hou, L. Cheng, ...
  • M. Defoin-Platel, S. Schliebs, N. Kasabov, Quantum- inspired evolutionary algorithm: ...
  • C.W. Anderson, M. Kirby, Colorado State University - Brain Computer ...
  • A. Delorme, S. Makeig, EEGLAB: An Open Source Emvironment for ...
  • EvoSpike Project of the EU FP7, Jun 27, 2012. _ ...
  • علم سنجی و رتبه بندی مقاله

    1.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 0
    3 0
    2 0
    1 1
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۰۲۰۷
    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.