این پایان نامه حاصل تحقیقات انجام شده بر روی توجه بینایی با تاکید بر روشهای مدلسازی و رویکرد های محاسباتی است. پس از مطالعه دقیق مدل پایه نقش? برجستگی که از مدلهای پایه مورد استفاده در بررسی توجه بینایی محسوب می شود، نحو? ترکیب نقشه های ویژگی را در ساختن نقشه برجستگی حائز اهمیت شناخته، سعی در بهبود آن نمودیم. روشهای مورد استفاده که در زمره الگوریتمهای تکاملی می باشند، عبارتند از: الگوریتم ژنتیک و شبکه عصبی پالسی جفت شده و نوع ساده شده آن، مدل غشایی متقاطع icm . شبکه pcnn هم برای بهبود فاز ترکیب نقشه های ویژگی استفاده شده است در این روش فقط اطلاعات درونی نقشه هایی که ترکیب می شوند تغییر می کند. از الگوریتم ژنتیک برای پیدا کردن بهترین وزنهایی که به هریک از نقشه های ویژگی در ترکیب خطی آنها اختصاص می یابد، استفاده شده است. در این الگوریتم وزنها پس از یک پروسه آموزش با معلم و با توجه به تصویری که محل دقیق هدف را به ما نشان می دهد، به دست می آیند. تشریح کامل پیاده سازی مدل نقشه برجستگی در محیط نرا افزار متلب و فراهم آمدن امکان مطالعات آتی در این باره از نتایج جانبی این تحقیق محسوب می شود. نتایج روش های ارائه شده بر روی دسته دادهی از تصاویر طبیعی حاوی مثلث هشدار راهنمایی و رانندگی –که پیشتر توسط مقالات معتبر بسیاری مورد استفاده قرار گرفته است- آورده شده است که بهبود قابل توجهی را از نظر کیفی و کمی نشان داده است.

اختلال adhd اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد. 3 تا 5 درصد کودکان به این اختلال مبتلا هستند. مشکل اصلی کودکان adhd عدم توانایی آنها در حفظ و تنظیم رفتارشان است. تشخیص کودکان adhd با استفاده از بررسی های بالینی انجام می شود. این بررسی ها و تشخیص ها با استفاده از استاندارد dsm-iv صورت می پذیرد. . از آنجا که adhd یکی از بحث برانگیزترین اختلالات روانی در دوره کودکی به شمار می رود و عدم تشخیص و درمان به موقع آن، تاثیر سو در روابط فرد با جامعه می شود و از طرفی تشخیص سنتی این اختلال به شدت به اظهارات والدین و معلم های کودک است که احتمال اشتباه در تشخیص را افزایش می دهد. لذا در این مطالعه سعی بر این بوده است تا احتمال اشتباه کاهش یابد. در این مطالعه تحت یک پروتکل مشخص از دو دسته کودکان که شامل 20 کودک سالم و 29 کودک adhd بودند، سیگنال eeg ثبت شد. سپس مشخصه های غیرخطی به صورت سری های زمانی استخراج شد. . بر مبنای این ویژگی ها و با بکارگیری تکنیک های محاسبه آنتروپی، بررسی دینامیک سمبلیک و ... تفکیک پذیری دو دسته بررسی شد. در نهایت با استفاده از یک شبکه عصبی mlp با یک لایه پنهان و 5 نرون در لایه پنهان به عنوان یک طبقه بندی کننده، یک کلاس بندی برای هر کدام از تکنیک های محاسباتی فوق انجام گرفت، که در بهترین حالت دقتی برابر با 9/88% به دست آمد و در نهایت یک کلاس بندی نیز با استفاده از تکنیک های طیفی انجام شد و با تکنیک های غیرخطی فوق مورد مقایسه قرار گرفت که در این مقایسه کیفیت کلاس بندی با استفاده از تکنیک های غیرخطی دقت بهتر و قابل قبول تری از خود نشان دادند.

از دیرباز انسان از دروغ بعنوان ساده ترین ابزار ممکن برای سرپوش نهادن بر اشتباهات و خطاهای خویش استفاده نموده است، با پیشرفت علم و افزایش دانش انسان نسبت به بدن خویش، تلاش هایی به منظور ساخت سیستم های دروغ سنجی آغاز گردیده، یکی از روش هایی که در سالیان اخیر مورد توجه قرار گرفته است دروغ سنجی با استفاده از سیگنال های الکتریکی مغز می باشد. در میان تحقیقات صورت گرفته در این زمینه، مولفه ی شناختی p300 سهم بیش تری را به خود اختصاص داده است. در این مطالعه به منظور طراحی یک سیستم خودکار دروغ سنجی، از تک ثبت های یک ثانیه ای افراد دروغگو و راستگو استفاده شده است. دادگان مورد استفاده، مربوط به دو آزمون 5 تحریکه (53 نفر) و 6 تحریکه (49 نفر) می باشند که در هر دو آزمون از تحریک چهره استفاده شده است. طراحی این آزمون ها به نحوی صورت گرفته است که در آن آشنا بودن تصویر یک چهره، توسط افراد دروغگو کتمان گردد. بنابراین هدف، بازشناسی چهره مخفی شده توسط این افراد می باشد. در مرحله استخراج ویژگی علاوه بر ویژگی های زمانی، فرکانسی، ویولت و آنتروپی زیر باندهای آن، که پیش تر به مطالعات دروغ سنجی راه یافته اند، از ویژگی های غیرخطی بعد فرکتال و کمی کننده های بازگشتی نیز استفاده شده است. طبیعت آشوبگونه ی دینامیک مغز و بررسی بستر جذب در فضای فاز، از امور مهمی می باشند که در این روش های غیرخطی مورد توجه قرار می-گیرند. بررسی نتایج بدست آمده از ویژگی های غیرخطی نشان می دهد، ظهور مولفه ی p300 در افراد دروغگو، افزایش تعیٌن و پیش بینی پذیری در مغز را به همراه دارد و این امر بیانگر کاهش بعد و پیچیدگی مغز در این افراد می باشد. با بکارگیری الگوریتم ژنتیک در مرحله ی انتخاب ویژگی، طبقه بندی کننده ی lda و روش آستانه گذاری متغیر، صحت 94.3 درصد (تشخیص صحیح 50 نفر از 53 نفر) در آزمون 5 تحریکه و 97.9 درصد (تشخیص صحیح 48 نفر از 49 نفر) در آزمون 6 تحریکه حاصل گردید. بررسی کمٌی کانال های مختلف نشان داد، کانال pz نسبت به دو کانال cz و fz، از قابلیت بیش تری در طبقه-بندی افراد دو گروه برخوردار است و تلفیق هر سه کانال سبب بهبود نتایج می گردد. همچنین اگرچه توانایی ویژگی های غیرخطی در ایجاد تمایز میان دو گروه دروغگو و راستگو اندکی کمتر از ویژگی های خطی است، اما تلفیق این دسته ویژگی ها نتایج را بهبود بخشید. نتایج بدست آمده نشان می دهد، افزایش تحریکات نامرتبط در آزمون دروغ سنجی سبب بهبود نتایج شده است.