5000290283 support@digiprojects.ir

ترجمه شماره ۲۱ – شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

وب سایت دیجی پروژه | مرجع تخصصي پروژه هاي تحقیقاتی هوش مصنوعي ترجمه, شبکه عصبي ترجمه شماره ۲۱ – شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر
ترجمه شماره ۲۱ – شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

ترجمه شبکه عصبي

ترجمه شماره ۲۱ – شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

ارسال شده توسط مدير وب سايت

C o n v o l u t i o n a l  N e u r a l  N e t w o r k s  f o r  P 3 0 0  D e t e c t i o n  w i t h  A p p l i c a t i o n  t o  B r a i n

 C o m p u t e r  I n t e r f a c e s

شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله به همراه پاسخ به سوالات : ۳۲ صفحه

رعايت تمام قوانين نگارشي و داراي فهرست اشکال،جداول و محتوا

سال چاپ مقاله : ۲۰۱۱

دانلود اصل مقاله – رايگان

قيمت : ۱۵۰۰۰ تومان

150,000 ریال – خرید
چکیده

ارتباط کامپیوتر – مغز (BCI) یک نوع از ارتباطات انسان – کامپیوتر است که ارتباط مستقیم بین انسان و کامپیوتر را توسط آنالیز اندازهگیری های مغز ممکن می سازد. نمونه های توپ فرد در BCI برای تولید پتانسیل های مرتبط با حادثه (ERP)،مانند موج p300 ،بر روی هدف انتخاب شده توسط کاربر استفاده شد.یک درست کننده p300 بر اصولی  استوار است که آشکارسازی موج های p300 به کاربر اجازه می دهد که کاراکتر ها را بنویسد.درست کننده p300 از دو مساله کلاس بندی تشکیل شده است.اولین کلاس بندی ، اشکار سازی وجود p300 در نوار مغزی (EEG) است. دومین معادل است با ترکیبات پاسخ های مختلف p300 برای تعیین کاراکتر درست است.یک روش جدید برای آشکارسازی موج های p300 ارائه شده است.این مدل بر یک شبکه عصبی کانولوشن CNN استوار است.توپولوژی این شبکه برای آشکارسازی موج های p300در حوزه زمان انتخاب شده است.۷ دسته بندی کننده بر اساس CNN ارائه شده است:۴ سیگنال دسته بندی کننده با دسته های ویژگی مختلف و ۳ مولتی طبقه بندی گر.این مدل ها آزمایش شدند و مقایسه شدند برای دسته داده II از سومین رقابت BCI.اولین نتیجه با یک راه حل مولتی طبقه بندی گر با نرخ بازسازی ۹۵٫۵% و بدون انتخاب کانال قبا از طبقه بندی بدست آمد.دستاورد ارائه شده یک روش جدید را برای آنالیز فعالیت های مغز مهیا می کند به علت شاخه های پذیرا از مدل های CNN.

کلمات کلیدی :

شبکه عصبی پیچیدگی یادگیری مبتنی بر گرادیان- فیلتر های فضایی – رابط مغز و کامپیوتر(BCI) موج نگار مغز (EEG)P300

برچسب

نوشته شده توسط مدير وب سايت

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

تمام حقوق این سایت متعلق به دیجی پروژه می باشد طراحی وب سایت توسط رنا وب صورت گرفته است