مقایسه عملکرد شبکه CNN۲D با الگوریتم ماشین های کلاسیک در تشخیص P۳۰۰

ایجاد ارتباط برای معلولان ذهنی، حرکتی با دنیای خارج، دغدغه های مهم پژوهشگران می باشد، که پژوهش های بعمل آمده در این زمینه در حال پیشرفت می باشد. هدف از انجام این پژوهش بررسی شبکه های یادگیری عمیق در طبقه بندی مولفه P۳۰۰ به منظور استفاده در سیستم های واسط مغز و رایانه می باشد. سیستم واسط مغز و کامپیوتر یک راه ارتباطی و یا کنترلی است که در آن پیام از طریق اعصاب و ماهیچه ها منتقل نمی شود. علاوه بر آن، به فعالیت عصبی عضلانی برای انتقال پیام نیازی نیست. مراحل انجام کار شامل اخذ دادگان، پیش پردازش و طبقه بندی مولفه P۳۰۰ می باشد، که دادگان را از BCI Competitions۲۰۰۵ اخذ شده است. مرحله پیش پردازش از مراحل انتخاب کانال مناسب، داده افزایی، فیلتر کردن، نرمالسازی و حذف بیس لاین تشکیل شده است. همچنین در قسمت طبقه بندی از طبقه بند CNN۲D استفاده شده است. در نهایت عملکرد شبکه نسبت به ماشین های کلاسیک مورد بررسی قرار گرفت. که با بررسی های بعمل آمده این نتیجه حاصل می گردد که یادگیری عمیق بر یادگیری کلاسیک جهت طبقه بندی P۳۰۰ ارجعیت دارد.