طبقه بندی سیگنال ERP در طی فرایند حافظه episodic توسط ماشین بردار پشتیبان و شبکه عصبی
محل انتشار: یازدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,277
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE11_219
تاریخ نمایه سازی: 15 اسفند 1386
چکیده مقاله:
حافظه episodic شامل خاطرات گذشته ای است که در یک مکان و زمان خاص برای یک فرد روی داده است . هدف از این تحقیق تفکیک و طبقه بندی بین دو دسته قدیم و جدید با استفاده از پتانسیل های وابسته به رخداد (ERP) مربوط به فعالیت حافظه episodic م ی باشد . برای این منظور پس از پیش پردازش و استخراج سیگنال ERP به روش متوسط گیری و همچنین استخراج ویژگی های زمانی، از دو ابزار شبکه عصبی Elman و ماشین بردار پشتیبان (SVM) برای طبقه بندی استفاده می گردد . نتایج هر دو طبقه بندی کننده نشان می دهد که ناحیه پاریتا ل مغزی درصد تفکیک بالاتری نسبت به نواحی دیگر مغزی دارد . نتایج طبقه بندی کننده SVM نسبت به شبکه عصبی Elman درصد بالاتری از تفکیک را نشان می دهد، اما شبکه Elman به خاطر حالت پویای آن دارای تعمیم دهی بالاتری نسبت به SVM که حالت استاتیک دارد، در کاربردهایی مانند سیگنال EEG که سیگنال دینامیک دارد، مناسب تر به نظر می آید .
کلیدواژه ها:
نویسندگان
وهاب یوسف زاده
دانشجوی کارشناسی ارشد مهندسی پزشکی دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی قوچانی
استادیار گروه برق دانشگاه آزاد اسلامی واحد مشهد
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 :