بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر
عنوان مقاله: بررسی ساختارهای مختلف شبکه عصبی چندلایه پرسپترون در طبقه بندی ویژگی های آماری موجک از انگیختگی سطح سر
شناسه ملی مقاله: ELECOM01_133
منتشر شده در اولین همایش منطقه ای بهینه سازی و روش های محاسبه نرم در مهندسی برق و کامپیوتر در سال 1392
شناسه ملی مقاله: ELECOM01_133
منتشر شده در اولین همایش منطقه ای بهینه سازی و روش های محاسبه نرم در مهندسی برق و کامپیوتر در سال 1392
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: پتانسیل های حرکتی، ویولت، الکتروانسفالوگرام، تبدیل ویولت گسسته، پرسپترون چندلایه
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/261680/