طراحی و تحلیل سیستم های رابط مغز-رایانه مبتنی بر روش های هوش مصنوعی

آشکارسازی حرکت پا در سیستم واسط مغز-رایانه کاربرفرما با استفاده از روش طبقه‌بندی مبتنی بر نمایش تنک سیگنال

سیستم‌های BCIکاربرفرما در مقایسه با سیستمهای BCIسنکرون، ارتباط طبیعی‌تر کاربر را با فضای خارج امکان‌پذیر می‌کنند. آشکارسازی بازه‌های وقوع حرکت در سیگنال پیوسته EEGمسأله‌ای کلیدی در طراحی سیستم‌های BCI  </spa...

تحلیل توانایی مدیریت با تاکید برنقش شاخص های حسابداری و حاکمیت شرکتی (روش هوش مصنوعی)

هدف از این تحقیق تحلیل توانایی مدیریت با استفاده از الگوریتم هوش مصنوعی و با تأکید بر شاخص‌های حسابداری و حاکمیت شرکتی می‌باشد. در این راستا، برای اندازه‌گیری توانایی مدیریت از شاخصِ دمرجان استفاده شده است. متغیر‌های مستقل اولیه در این پژوهش شامل متغیر‌های حاکمیت شرکتی و متغیر‌های حسابداری (معیار‌های عملکرد و ریسک) می‌باشد. یافته‌های تجربی مربوط به بررسی 178 شرکت پذیرفته‌شده در بورس اوراق بهادار...

طراحی و ساخت دستگاه تحریک لرزشی برای کاربردهای رابط مغز-رایانه‌ی مبتنی بر پتانسیل برانگیخته‌ی حالت ماندگار حس‌های تنی

پتانسیل برانگیخته‌ی حالت ماندگار حس‌های تنی (SSSEP)، یکی از سیگنال‌های کنترلی برای رابط‌های مغز-رایانه (BCI) است که مبتنی بر انعکاس تحریک لرزشی پوست با فرکانس‌های مشخص در سیگنال‎های مغزی است. سیستم‌های BCI مبتنی بر SSSEP در مقایسه با سیستم‌های BCI مبتنی بر تحریک بینایی، خستگی بینایی ایجاد نمی‌کنند و به ویژه در بیمارهای با سندروم قفل‌شدگی یا اسکلروز جانبی آمیوتروفیک (ALS) می‌توانند مورد استفاده ...

ارائه روشی مبتنی بر هوش مصنوعی و سیستم اطلاعات مکانی به منظور تعیین مکان بهینه

هدف یک مسأله تعیین مکان بهینه، انتخاب مکانی با کاربرد خاص و با در نظر گرفتن معیارهای متعدد می‌باشد. عموماً مسائل تعیین مکان بهینه دارای ساختاری پیچیده می‌باشد. از جمله مسائل مهم شهری تعیین مکان بهینه ایستگاه‌های آتش‌نشانی است که به دلیل نجات و محافظت از جان و مال انسان‌ها دارای اهمیت فراوانی می‌باشد. در این تحقیق با در نظر گرفتن سیزده پارامتر مؤثر بر تعیین مکان بهینه ایستگاه‌های آتش‌نشانی، سعی...

ملاحظات اساسی در طراحی رابط کاربر نظام های رایانه ای و پایگاه های اطلاعاتی

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...