1403/09/20
مرتضی چوبین

مرتضی چوبین

مرتبه علمی: استادیار
ارکید: 0000-0002-5809-3081
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده فنی مهندسی
نشانی: ملایر
تلفن: +988132355492, (514)

مشخصات پژوهش

عنوان
مقایسه عملکرد شبکه CNN2D با الگوریتم ماشین های کلاسیک در تشخیص P300
نوع پژوهش
مقاله ارائه شده
کلیدواژه‌ها
سیستم های واسط مغز و رایانه، یادگیری کلاسیک، الگوی P300، یادگیری عمیق
سال 1401
پژوهشگران مرتضی چوبین

چکیده

ایجاد ارتباط برای معلولان ذهنی، حرکتی با دنیای خارج، جزء 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 مؤلفه P300 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 برآن، به فعالیت عصبی عضلانی برای انتقال پیام نیازی نیست. مراحل انجام کار شامل اخذ دادگان، پیش پردازش و طبقه بندی مؤلفه P300 می باشد، که دادگان را از BCI Competitions2005 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 CNN2D 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 P300ارجعیت دارد.