بهبود عملکرد طبقهبندیکننده براساس نمایش تنک در سیستمهایBCI با بهسازی فرایند استخراج ویژگی و استفاده از الگوریتم بهینه یافتن پاسخ تنک
Authors
Abstract:
در سالهای اخیر، واسط مغز/رایانه (BCI)، به عنوان وسیلهای جدید برای ارتباط بین مغز انسان و محیط اطرافش مورد توجه قرار گرفتهاست. راهاندازی این نوع سیستمها به همکاری چند بلوک ازجمله بلوکهای ثبت، پردازش سیگنال و رابط کاربری نیاز دارد. بلوک پردازش سیگنال شامل بلوکهای پیشپردازش و شناسایی الگو است. بلوک شناسایی الگو نیز از دو مرحلهی استخراج ویژگی و طبقهبندی تشکیل شدهاست. در این پژوهش، از طبقهبندی کننده براساس نمایش تنک (SRC) در بلوک طبقهبندی استفاده شد. طبقهبندی کننده براساس نمایش تنک، دو مرحلهی اساسی تشکیل ماتریس دیکشنری و یافتن پاسخ تنک دادهی ورودی دارد. برای تشکیل ماتریس دیکشنری که از مرحله استخراج ویژگی به دست میآید، از الگوریتم الگوهای مکانی مشترک (CSP) استفاده شد. از معایب این الگوریتم، حساسیت به نویز و مسألهی فرایادگیری است. برای رفع معایب CSP، از الگوریتمهای الگوهای مکانی مشترک تنظیم شده (RCSP) استفاده شد. در مطالعات قبلی در زمینهی BCI، برای یافتن پاسخ تنک از الگوریتم استاندارد BP استفاده شده که از معایب آن، پیچیدگی محاسباتی و زمانبر بودن آن است. برای رفع معایب این روش، با توجه به کارایی مناسب روش جدید SL0 در تعدادی از تحقیقات مشابه، از این الگوریتم برای محاسبه پاسخ تنک استفاده شد. نتایج حاصل نشان میدهد که الگوریتمهای RCSP در مواردی که دادههای آموزشی کمی موجود است میتواند معایب CSP را به خوبی برطرف کند. به طور میانگین استفادهاز این روش 53/7% بهبود را نسبت به CSP نشان داد. همچنین الگوریتم SL0، علیرغم کاهش قابل ملاحظه زمان پردازش در مقایسه با BP، در صحت تشخیص معادل با آن عمل کردهاست.
similar resources
بهبود عملکرد طبقه بندی کننده مبتنی بر نمایش تنک در سیستم های bci با بهسازی فرایند استخراج ویژگی و استفاده از الگوریتم بهینه یافتن پاسخ تنک
در سال های اخیر، واسط مغز – رایانه (bci)، به عنوان وسیله ای جدید برای ارتباط بین مغز انسان و محیط اطرافش مورد توجه قرار گرفته است. به منظور راه اندازی چنین سیستمی، همکاری چند بلوک از جمله بلوک های ثبت، پردازش سیگنال و رابط کاربری مورد نیاز است. بلوک پردازش سیگنال شامل بلوک های پیش پردازش و شناسایی الگو است و بلوک شناسایی الگو شامل دو مرحله استخراج ویژگی و طبقه بندی می باشد. در این مقاله از طبقه...
full textارائه یکروش جدید فشردهسازی تصاویر چهره با استفاده از نمایش تنک سیگنالو الگوریتم یادگیری دیکشنریRLS-DLA
رشد فناوری و افزایش تصاعدی اطلاعات نیاز به حجم ذخیرهسازی بیشتر دادههای اطلاعاتی گوناگون را افزایش داده است. در این راستا فشردهسازی تصویر بهعنوان ابزاری کارآمد جهت کاهش افزونگی و صرفهجویی در حجم ذخیرهسازی و کاهش پهنای باند انتقالی دادههای تصویری به کار میآید. هنگامیکه فشردهسازی یک دسته یا خانواده از تصاویر، مانند پایگاه داده تصاویر چهره یک سازمان یا مؤسسه یا پایگاه داده MRI یک بیمارستا...
full textارائه یک روش جدید فشردهسازی تصاویر چهره با استفاده از نمایش تنک سیگنال و الگوریتم یادگیری دیکشنریRLS-DLA
رشد فناوری و افزایش تصاعدی اطلاعات نیاز به حجم ذخیرهسازی بیشتر دادههای اطلاعاتی گوناگون را افزایش داده است. در این راستا فشردهسازی تصویر بهعنوان ابزاری کارآمد جهت کاهش افزونگی و صرفهجویی در حجم ذخیرهسازی و کاهش پهنای باند انتقالی دادههای تصویری به کار میآید. هنگامیکه فشردهسازی یک دسته یا خانواده از تصاویر، مانند پایگاه داده تصاویر چهره یک سازمان یا مؤسسه یا پایگاه داده MRI یک بیمارستا...
full textیک الگوریتم موجک هار بهبود یافته برای نمایش تنک تصویر
به منظور دریافت یک نمایش تصویر کارآمد یک تبدیل موجک هار بهبود یافته معرفی می شود،که به تبدیل تترولت معروف است. تترولت ها نوعی موجک هار هستند که توسط تترومینوهایی که به شکل چهار مربع هم اندازه متصل به هم هستند حمایت می شوند.
بهبود رفتار همگرایی الگوریتم وفقی تصویر افاین در مدلسازی سیستمهای خطی تنک با سیگنالهای ورودی همبسته
یکی از مهمترین چالشهای موجود در فیلترهای وفقی، سرعت پایین همگرایی الگوریتم وفقی در حضور سیگنالهای ورودی با همبستگی زیاد میباشد. الگوریتم وفقی تصویر افاین، تعمیمیافته الگوریتم مشهور حداقل میانگین مربعات نرمالیزه خطا (NLMS) بوده و سبب بهبود سرعت همگرایی در برابر سیگنالهای ورودی همبسته در ساختارهای تمامباند و زیرباندی میشود. در این مقاله، به منظور بهبود عملکرد همگرایی الگوریتم در برابر سیگنا...
full textکشف و رده بندی وقایع صوتی محیطی با استفاده از نگاشت سگمنت بر دیکشنری در نمایش تنک
در اینجا کشف و رده بندی وقایع صوتی محیطی با استفاده از نگاشت سگمنت بر دیکشنری در نمایش تنک مورد پژوهش قرار گرفته است. یکی از مشکلات رویکردهای مبتنی بر دیکشنری، نبود کنترل لازم در نحوه نگاشت سگمنتهای ورودی بر بردارهای پایه دیکشنری جهت شناسایی صدای موجود در سگمنت است. این عدم کنترل، سبب تجزیه سگمنت به تعدادی از اصوات کوچک که بخشهای سگمنت هستند میشود. در اینجا الگوریتمی جهت کنترل صریح نگاشت هر...
full textMy Resources
Journal title
volume 8 issue 4
pages 305- 323
publication date 2014-12-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023