مشخصات مقاله:
عنوان فارسی مقاله:
بررسی الگوریتم های دسته بندی رابط های مغز و رایانه بر مبنای الکتروانسفالوگرافی
عنوان انگلیسی مقاله:
A Review of Classification Algorithms for EEG-based Brain-Computer Interfaces
مناسب برای رشته های دانشگاهی زیر:
سایبرنتیک پزشکی، مهندسی پزشکی و پزشکی
مناسب برای گرایش های دانشگاهی زیر:
بیوالکتریک، مغز و اعصاب
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1.مقدمه
2. تلقی رابط‌های مغز و رایانه به عنوان یک سیستم الگوشناسی
2.1. استخراج ویژگی برای رابط مغز و رایانه
2.1.1. قابلیت‌های ویژگی
2.1.2. سنجش تغییرات زمانی الکتروانسفالوگرافی
2.2. الگوریتم‌های دسته‌بندی
2.2.1. نظام رده‌بندی دسته‌بندها
2.2.2. مسئله اصلی دسته‌بندی در تحقیق رابط مغز و رایانه
3. بررسی دسته‌بندهای بکار رفته در تحقیقات رابط مغز و رایانه
3.1. دسته‌بندهای خطی
3.1.1. تحلیل افتراقی خطی
3.1.2. ماشین بردار پشتیبانی
3.2. شبکه‌های عصبی
3.2.1. پرسپترون چندلایه
3.2.2. سایر معماری‌های شبکه‌های عصبی
3.3. دسته‌های غیرخطی بیز
3.3.1. درجه دوم بیز
3.3.2. مدل مخفی مارکوف
3.4. دسته‌بندهای نزدیکترین همسایه
3.4.1. k نزدیکترین همسایه
3.4.2. فاصله ماهالانوبیس
3.5. ترکیبات دسته‌بندی
3.6. نتیجه‌گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
2. Brain-Computer Interfaces seen as a pattern recognition system The very aim of BCI is to translate brain activity into a command for a computer. To achieve this goal, either regression [7] or classification [8] algorithms can be used. Using classification algorithms is the most popular approach. These algorithms are used to identify “patterns” of brain activity [4]. In this paper, we consider a BCI system as a pattern recognition system [5] [9] and focus on the classification algorithms used to design them. The performance of a pattern recognition depends on both the features and the classification algorithm employed. These two components are highlighted in this section.
2. تلقی رابط‌های مغز و رایانه به عنوان یک سیستم الگوشناسی
هدف ویژه رابط مغز و رایانه این است که فعالیت مغز را به فرمانی برای رایانه تبدیل کند. برای رسیدن به این هدف می‌توان از یکی از الگوریتم‌های رگرسیون [7] و دسته‌بندی [8] استفاده کرد. الگوریتم‌های دسته‌بندی نسبت به بقیه متدوال‌تر بوده و در شناسایی الگوهای فعالیت مغز کاربرد دارند [4]. در این مقاله، سیستم رابط مغز و رایانه را به عنوان یک سیستم الگوشناسی مدنظر قرار می‌دهیم [5] [9] و بر الگوریتم‌های دسته‌بندی بکار رفته در طراحی آن‌ها متمرکز می‌شویم. عملکرد سیستم الگوشناسی به ویژگی‌ها و الگوریتم دسته‌بندی بکار رفته بستگی دارد که در این بخش بر هر دوی این مؤلفه‌ها تأکید شده است.