طبقه بندی خلاقیت از روی ویژگی های سیگنال نرخ ضربان قلب با استفاده از شبکه عصبی فازی

امروزه مطالعه سیگنال تغییرات نرخ ضربان قلب (HRV) به عنوان یک ابزار تشخیصی غیر تهاجمی، مورد توجه بسیاری از محققان قرار گرفته است که اطلاعات مفیدی راجع به حالت های پاتولوژیکی و سایکولوژیکی قلب ارایه می دهد. هدف از این تحقیق، دسته بندی این سیگنال در هنگام انجام فعالیت های خلاقانه با شبکه عصبی فازی است. در این مقاله برای اولین بار سیگنال HRV دسته ای از افراد هنگام خلاقیت ثبت و ویژگی های آن در دو حوزه زمان و حوزه فرکانس استخراج گردید. پس از بررسی ساختارهای مختلف، شبکه عصبی فازی با ساختار sub.clustering و مدل هیبریدی انتخاب گردید. سپس با استفاده از این طبقه بند، سه مرحله خلاقیت و حالت نرمال طبقه بندی شد. نتایج نشان می دهد که بهترین تفکیک با الگوریتم پیشنهادی بین حالت استراحت و فعالیت خلاقانه اول بوده است. در این حالت خطای شبکه 0.008 می باشد. اگرچه این طبقه بند در تفکیک سه فعالیت خلاقانه با حالت استراحت عملکرد مناسبی نداشته است، با این حال، شبکه پیشنهادی می تواند برای تفکیک بین حالت استراحت با هر کدام از مراحل تفکر خلاقانه، مفید واقع شود.