عنوان
پيش بيني حركت دست انسان از سيگنال ECOG بر پايه شبكه عصبي يادگيري عميق
نويسنده اصلي
بگياسا،عليرضا
محل تحصيل
دانشگاه ولي عصر(عج) رفسنجان
مقطع تحصيلي
كارشناسي ارشد
چكيده
امروزه سيستم‌هاي ارتباطي انسان و ماشين از اهميت زيادي در بسياري از حوزه هاي علمي بخصوص كنترل پروتزها برخوردار مي‌باشند. ازاين‌رو اين تحقيق به بررسي مسئله تشخيص نوع حركت دست از پنج نوع حركت اصلي با كمك سيگنال‌هاي دريافتي از مغز به روش تهاجمي يا ECOG مي‌پردازد. سيگنال‌هاي دريافتي مربوط به فعاليت‌هاي مغزي بوده و ابزار اصلي براي تشخيص نوع افكار موجود در ذهن كاربر مي‌باشند كه به كمك الكترودهاي كاشته شده در مغز جمع‌آوري شده‌اند. براي انجام تشخيص و دسته‌بندي سيگنال‌هاي مغزي روش‌هاي بسياري وجود دارد كه از اساسي ترين و موفقترين روش‌هاي موجود در استخراج ويژگي از سيگنال روش تبديل موجك مي‌باشد. در اين تحقيق با تركيب روش استخراج ويژگي موجك و شبكه عصبي خودرمزنگار روشي ارائه‌شده است كه تشخيص نوع سيگنال دريافتي از مغز را انجام مي‌دهد. روش ارائه‌شده از تجزيه موجك و ضرايب آن براي استخراج ويژگي از سيگنال استفاده كرده و از شبكه عصبي خودرمزنگار به‌عنوان روشي براي ساخت شبكه عميق استفاده مي‌شود. بردارهاي ويژگي استخراج شده توسط تبديل موجك بوسيله شبكه عميق ساخته¬شده از خودرمزنگارها دسته¬بندي مي¬شود. خودرمزنگارها بدون ناظر و تنها با بردارهاي ويژگي مجموعه آموزش ساخته شده و از وزنهاي لايه مياني خودرمزنگارها براي ساخت شبكه عميق استفاده مي‌شود. برچسب‌ها تنها براي آموزش لايه آخر شبكه عميق استفاده شده و پس از ساخت شبكه عميق فرآيند آموزش شبكه عميق با عنوان تنظيم نهايي براي كل شبكه عميق و به‌صورت تكرار محدود انجام شده و باعث بهبود عملكرد شبكه در تشخيص بردارهاي ويژگي مجموعه ارزيابي مي‌شود. نتايج به دست آمده از روش پيشنهادي با روش موجود در مراجع مقايسه شده‌اند. دقت روش پيشنهادي 88% مي‌باشد كه نسبت به روش مرجع مورد مقايسه كه 87% مي‌باشد ارتقا را نشان مي‌دهد. بنابراين نتايج نشان‌دهنده برتري روش پيشنهادي نسبت به روش‌هاي ارائه‌شده پيشين در تشخيص و دسته‌بندي سيگنال‌هاي مغزي براي پيش‌بيني حركت دست در 5 كلاس تعيين شده مي‌باشد.
شماره ركورد
55474
دانشگاه
دانشگاه وليعصر رفسنجان
استاد مشاور
ميثم يحيي زاده
رشته تحصيلي
مكاترونيك
استاد راهنما
حسن فاتحي مرج -محمد حسين قلي زاده