فایل ورد کامل طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

رابط هوشی کامپیوتر (BCI) با افزایش تخریب عملکرد شناختی انسان به و سیله ی برگشت سیگنال های هوشی به سیگنال های کنترلی به انجام عملیات می پردازد.. این مقاله به ارائه ی طبقه بندی بهینه ی عصبی با استفاده از بهینه سازی الگوریتم جستجوی برگشتی (BSANN) به منظور طبقه بندی سه وظیفه ی هوشی که شامل تصور حرکتی دست راست یا چپ و تولید عبارات است, می پردازد.BSA یک الگوریتم تکاملی) EA ) می باشد که مناسب برای سرگشایی مسائل غیر طولی و قابل تشخیص است. پارامتر های کنترلی واحد به ارائه ی BSA به عنوان نتیجه ای برای دیگر EU ها به علت درجات پایین غیر مترقبه بودن میپردازند.BSA به نگهداری حافظه ی مربوط به موارد قدیمی به منظور تولید دسته ای از راه حل ها به کار می رود., بنابراین این مورد با استفاده از نتایج به دست آمده از جستجوی نتایج موارد قبلی به کار خود ادامه می دهد. روش پیشنهادی برای BSANN) ) بر روی دسته های داده ای عمومی مربوط به رقابت BCI 5-3 امتحان شده است. نتایج تجربی نشان دهنده ی این قضیه است که به نمایش گذاشتن BSANN دارای نتایج بهتری نسبت به ۲۱ الگوریتم دیگر که برای طبقه بندی وظایف هوشی از نظر صحت طبقه بندی شده اند, بوده است.

کلمات کلیدی: الگوریتم بهینه سازی جستجوی برگشتی(BSA) | رابط هوش کامپیوتر BCI) ) | شبکه ی عصبی طبقه بندی شده هوشی وظیفه ای (NN) | الکترونسفالگرام (EEG)

عنوان انگلیسی:

Classification of mental tasks from EEG data using backtracking search optimization based neural classifier

~~en~~ writers :

Saurabh Kumar Agarwal, Saatvik Shah, Rajesh Kumar

Brain Computer Interface (BCI) has been applied to augment impaired human cognitive function by
converting mental signals into control signals. This paper presents a neural classifier optimized using
Backtracking Search optimization Algorithm (BSANN) to classify three mental tasks consisting of right or
left hand movement imagination and generation of word. BSA is an Evolutionary Algorithm (EA) which
is suitable for deciphering non-linear and non-differentiable problems. Single control parameter gives
BSA an upshot over other EA due to the lower degree of randomness. BSA keeps memory of old
population to generate a new candidate set i.e. solution, so it gets the advantage of utilizing the search
results of the previous population. The proposed method (BSANN) has been tested on the publicly
available datasets of BCI Competition 3-5. Experimental result shows that BSANN exhibits better results
than 21 other algorithms for classification of mental tasks in terms of classification accuracy.

Keywords: Backtracking Search optimization Algorithm (BSA) | Brain Computer Interface (BCI) | Mental tasks classification | Neural network (NN) | Electroencephalogram (EEG)

$$en!!