خانه / سیستم خبره فازی / استفاده از سيستم‌هاي چند طبقه‌بندي كننده به منظور طبقه‌بندي سيگنال‌هاي EEG در سيستم هاي واسط مغز – ك

استفاده از سيستم‌هاي چند طبقه‌بندي كننده به منظور طبقه‌بندي سيگنال‌هاي EEG در سيستم هاي واسط مغز – ك

مغز از پيچيده ترين ارگان هاي موجود در طبيعت است. مطالعه و بررسي عملكرد مغز يكي از موضوعات مهم و مورد علاقه محققان بوده و مي باشد. در اين ميان كنترل فضاي پيرامون با استفاده از سيگنال هاي الكتروانسفالوگرام (EEG)، يكي از موضوعات جديد مورد بررسي گروه هاي تحقيقاتي است كه تحت عنوان واسط مغز-كامپيوتر (Brain Computer Interface) شناخته شده است. در اين سيستم ها هدف، كنترل محيط اطراف افراد بدون استفاده از عضلات است بدين ترتيب كه محيط اطراف فرد صرفا با استفاده از انديشه شكل گرفته در مغز او و با سيگنال EEG مرتبط با آن انديشه كنترل مي شود. در اين سيستم ها كه از چهار فاز 1- اخذ سيگنال 2- تحليل سيگنال 3- طبقه بندي سيگنال 4- كنترل ماشين تشكيل شده است. با استفاده از سيگنال هاي اخذ شده از روي كاسه سر و تحليل و طبقه بندي آن ها به آنچه فرد اراده كرده و مي انديشد پي برده شده و با استفاده از آن كنترل يك ماشين انجام مي شود. بدين منظور سيستم هاي واسط مغز-كامپيوتر مختلفي طراحي شده اند كه روز به روز هم در حال توسعه و بهبود مي باشند تا نه تنها تصورات شخص را با درجه بالاتري تفكيك كنند، بلكه تعداد تصورات قابل تشخيص را به منظور آزادي عمل بيشتر، زياد كنند، هرچند هنوز اين سيستم ها در طبقه بندي يك يا دو عمل تصوري به درجه اطمينان صد در صد نرسيده اند. در اين پروژه قسمت اصلي كار بر روي فاز شناسايي الگو مي باشد. در فاز شناسايي الگو سعي مي شود با تركيب طبقه بندي كننده ها و استفاده از ظرفيت هاي موجود در چندين طبقه بندي كننده نتيجه كار بهبود بخشيده شود. در اين پژوهش روش هاي مختلف استخراج ويژگي بر روي سيگنال EEG اعمال شد و سپس ويژگي هاي مختلف به طبقه بندي كننده ماشين بردار پشتيبان (SVM) اعمال گرديد و نتايج حاصله از عملكرد طبقه بندي كننده هاي SVM با ويژگي هاي مختلف با هم تركيب گرديد. تركيب كننده هاي مورد استفاده در اين پروژه عبارتند از تركيب كننده هاي وابسته به كلاس و تركيب كننده هاي مستقل از كلاس كه از ميان روش هاي وابسته به كلاس مي توان به انتگرال فازي و الگوريتم راي برتر اشاره كرد. علاوه بر اين روش ها از روش هاي تركيب Bagging و Boosting هم استفاده شده است كه در آن يك طبقه بندي كننده ضعيف در دفعات مختلف با قسمتي از فضاي آموزشي، آموزش داده مي شود. روش هاي عنوان شده بر روي داده هاي به دست آمده از مسابقات BCI سال هاي 2003 و 2005 كه توسط دانشگاه Graz تهيه شده است، آزمايش شد كه در اين ميان براي داده هاي مربوط به دو كلاس، نتايج حاصل از الگوريتم راي برتر منجر به دقت 9/92% گرديد كه نتايج بهترين فرد در اين مسابقه را 6/3% بهبود بخشيد. در مورد داده هاي چهار كلاسه، با روش پيشنهاد شده براي تركيب كانال ها، دقت طبقه بندي براي چهار تصور حركت انجام شده به 3/60 % رسيد كه نسبت به نتايج موجود، نتيجه قابل قبولي به حساب مي آيد.

نام دانشگاه/پژوهشگاه:صنعتي اميركبير – مهندسي كامپيوتر

پديدآور: اسمعيلي، مريم

درباره‌ی دکتر حمیدرضا قنبری

دکتر حمیدرضا قنبری
دکتر حمیدرضا قنبری؛ استاد دانشگاه،روانشناس و روانسنجی فازی،درمانگر بالینی فازی اختلالات روانشناختی، کارشناس ریاضیات می باشد که با شوق تبیین کاربردهای منطق فازی در روانشناسی، ایده «روانشناسی فازی» را به عنوان چشم انداز فعالیت های علمی و پژوهشی بنا نموده و در جهت تحقق این مهم تلاشی یک دهه را آغاز کرده است . وی با تولید محتوای علمی فازی در مجلات معتبر پژوهشی ، برگزاری سخنرانی و کارگاه های علمی در دانشگاه های سراسر کشور ، داوری مقالات در مجلات علمی پژوهشی و کنفرانس های بین المللی، هدایت پایان نامه های دانشجویی ، تالیف و ترجمه کتب مختلف فازی و … در نظر دارد این ابزار پرکاربرد را به همه اساتید و دانش پژوهان علاقمند به مباحث پیشرفته در روانشناسی معرفی نماید، امید است در این راستای گامی هرچند کوچک را در عرصه علمی بردارد. روانشناسی فازی، دانشی نوپا و پیشرفته برای تبیین و الگوسازی مدرن در تحقیقات روانشناختی بوده و به تبیین موضوعات روانشناسی کلاسيك در محيط فازي اشاره دارد. در این دانش از شيوه‌هاي محاسبات نرم و سيستماتيك مبتنی بر منطق فازی در تحليل پدیده های روانشناختی استفاده می گردد. در این روش نوین،با ارائه مدل‌هاي ترکیبی كمی وکیفی سازی به محققین و پژوهش گران در تصميم‌گيري‌ها دقیق درمانی کمک می کند تا در شرایط نادقیق و پیچیده یک روان درمانگر بتواند با کمینه سازی خطاها، تشخیص های بالینی دقیق تر و ارزیابی روانی بهینه ای از درمانجویان ارائه دهد. بطور کلی «روانشناسی فازی» با استفاده ابزار توانمند منطق فازی در روانشناسی، به حل مسائل پیچیده و مبهم در شرایط عدم قطعیت پدیده های روانشناختی پرداخته و با ارائه ﭼﺎرﭼﻮﺑﯽ ﻣﻔﻬﻮﻣﯽ به ﺑﺮرﺳﯽ ﻧﻈﺎمﻣﻨﺪ اﺑﻬﺎم و مدل سازی ﻋﺪم ﻗﻄﻌﯿﺖ ﭼﻪ از ﻧﻈﺮ ﮐﻤﯽ و ﭼﻪ ﮐﯿﻔﯽ می پردازد.

حتما ببینید

سيستم هاي خبره Expert Systems

سیستم­های خبره سیستم­های برنامه­ ریزی شده ­ای هستند که پایگاه­ دانش آنها انباشته از اطلاعاتی …

پاسخی بگذارید

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