چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

دراین پایان نامه جنبه های از تفکیک عملیات ذهنی با استفاده از خصوصیات استخراجی (خطی و غیرخطی ) از سیگنال مغزی مورد بررسی قرار گرفته است. این کار با استفاده از روشهای هوش مصنوعی همچون شبکه های عصبی و الگوریتم ژنتیک صورت پذیرفته است.تفکیک عملیات ذهنی می تواند در طراحی رابطهای مغز-کامپیوتر به کار رود. با استفاده از یک رابط مغز-کامپیوتر شخص باید بتواند با تمرکز بر افکار خود و بدون حرکت آشکار فیزیکی، با محیط ارتباط برقرار کند. با بررسی تحقیقات قبلی(که در پایان نامه به صورت مشروح صورت پذیرفته است) به چالشهایی بر سر راه توسعه رابطهای مغز-کامپیوتر در زمینه دقت، سرعت و سهولت کاربرد ، پی می بریم. در این پروژه به برخی از این چالشها پرداخته شده است.یکی از دستاوردهای مهم این پایان نامه ارائه روشی هوشمند و سریع به منظور تعیین کانالهای موثرتر سیگنال مغزی در تفکیک عملیات ذهنی برای هر شخص می باشد. کاهش تعداد کانالهای سیگنال در یک رابط مغز-کامپیوتر موجب سهولت کاربرد و کاهش زمان محاسبات می گردد. این روش با استفاده از الگوریتم ژنتیک پیاده سازی شده است. به طور خاص در این پیاده سازی کاهش تعداد کانالها از نوزده به شش مورد توجه قرار گرفته است.

دراین تحقیق از شبکه عصبی مصنوعی برای طبقه بندی کروموزوم ها استفاده شد. بردارهای ویژگی 9بعدی ، با استراتژی های گوناگون آموزش و اعتبارسنجی ، برای دسته بندی کروموزوم ها توسط شبکه های عصبی به کار گرفته شدند و نتایجی تا 95 درصد صحت در یک روش تقسیم داده ها و تا 97درصد در روش دیگر به دست آمد. همچنین مشخص شد که حذف ویژگیهای وابسته به شدت روشنایی و طبقه بندی داده ها با بردار ویژگی 6بعدی حاصل، افت چندانی در نتایج ایجاد نمی کند. کارایی بردار 35بعدی سنتی در دسته بندی کروموزوم ها، چه از لحاظ میزان پیچیدگی روش و چه از لحاظ نتایج ، قابل رقابت با روش پیشنهادی در این تحقیق نبوده و حداکثر صحت 7/82 درصد را تولید نمود.