یادگیری عمیق در تشخیص احساس از روی سیگنال های مغزی EEG در کاربرد سیستم رابط مغز و کامپیوترBC

یادگیری عمیق در تشخیص احساس از روی سیگنال های مغزی EEG در کاربرد سیستم رابط مغز و کامپیوترBC


  • 1,422 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

خلاصه
تشخیص احساس یکی از وظایف مهم کامپیوتر برای فهمیدن حالت افراد در سیستم های واسط مغز و کامپیوتر (BCI) است. فهمیدن احساس برخی افراد ناتوان از طریق حالت صورت دشوار است، ثبت سیگنال های مغزی(EEG) روش غیر تهاجمی برای تشخیص احساس افراد ناتوان از طریق الکترودهای هدست EEG که بر روی جمجمه قرار می گیرد را میسر می سازد. این مقاله الگوریتم یادگیری عمیق به همراه یادگیری ویژگی ها و طبقه بندی احساسات از سیگنال EEG است و تفاوت های آن نسبت به روش های مرسوم، اعمال یادگیری عمیق بر روی سیگنال خام بدون استخراج ویژگی صریح و به صورت غیر دستی می باشد.

نتیجه گیری
یک معماری یادگیری عمیق برای یادگیری و طبقه بندی احساسات از سیگنال EEG ارائه شده است. تفاوت آن با روش های مرسوم، به کار بردن یادگیری عمیق در سیگنال خام و بدون استخراج دستی ویژگی هاست. الگوریتم یادگیری عمیق ما یک راه حل با یک پیش یادگیری با استفاده از سه لایه از ماشین بولتزمن محدود (RBMs) فراهم می کند. بنابراین، می توان از دوره تمام افراد برای پیش یادگیری شبکه عمیق و استفاده از پس انتشار در شبکه با تنظیم فرد به فرد استفاده کرد. نتایج آزمایش تایید می کند تشخیص احساسات از سیگنال EEG وابسته به فرد است، و موضوع یادگیری عمیق بسته به فرد به دقت تشخیص بهتری از الگوریتم های معمولی دست یافته است. همچنین با انتخاب کانال مناسب می توانیم با استخراج ویژگیهای متمایز کننده بهتر برای طبقه بندی سیگنالها رسید.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی در مورد یادگیری عمیق که شامل 50 مقاله فارسی در مورد الگوریتم ها و روش های یادگیری عمیق است به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.