مقاله استفاده از شبکه های تجمیع خبرگان به منظور طبقه بندی سیگنال مغزی افراد سالم و بیماران صرعی که چکیده‌ی آن در زیر آورده شده است، در بهار ۱۳۹۲ در هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق) از صفحه ۱ تا ۸ منتشر شده است.
نام: استفاده از شبکه های تجمیع خبرگان به منظور طبقه بندی سیگنال مغزی افراد سالم و بیماران صرعی
این مقاله دارای ۸ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله سیگنال EEG
مقاله صرع
مقاله طبقه بندی
مقاله تجمیع خبرگان
مقاله شبکه های خبره

نویسنده(ها):
جناب آقای / سرکار خانم: آموزگار سنا
جناب آقای / سرکار خانم: پویان محمد
جناب آقای / سرکار خانم: ابراهیم زاده الیاس

چکیده و خلاصه‌ای از مقاله:
EEG یکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز و اختلالات نورولوژیک است.به همین دلیل، تشخیص تغییرات EEG توسط سیستم های خودکار، موضوعی است که برای سال های متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نیازمند وجود روش های طبقه بندی بهتر برای سیگنال مغزی هستیم. در این تحقیق، به دنبال ارائه یک سیستم هوشمند مرکب برای بهبود صحت طبقه بندی سیگنال مغزی (EEG) به گروه های مختلف هستیم. این مقاله استفاده از روش تجمیع خبرگان (Mixture of Experts (ME)) برای بهبود تفکیک سیگنال های EEG افراد سالم و بیماران صرعی را نشان داده و صحت طبقه بندی آن را ارزیابی کرده است. تصمیم گیری در دو مرحله انجام شد: ۱) استخراج ویژگی به وسیله روش های مختلف بردار ویژه و ۲) طبقه بندی با استفاده از طبقه بندی کننده های آموزش دیده شده توسط ویژگی های استخراج شده. ورودی های این سیستم هوشمند از ویژگی های مرکب، که متناسب با ساختار شبکه انتخاب شده، تشکیل شده اند. در این مطالعه سه روش مبتنی بر بردارهای ویژه (PISARENKO،MUSIC ،MINIMUM NORM) برای تولید تخمین طیف چگالی توان (PSD) انتخاب شدند. پس از پیاده سازی ME و آموزش آن روی ویژگی های مرکب، نشان داده که این روش می تواند به صحت طبقه بندی بالایی برسد. از این جهت، جداسازی سیگنال های مغزی بیماران صرعی در حالات مختلف و افراد سالم با صحت بالایی امکان پذیر است. از طرفی، از آنجا که مناسب بودن عملکرد شبکه عصبی به اندازه دسته های آموزش و تست بستگی دارد، در این مطالعه با تقسیم مشاهدات به سه گروه آموزش (۷۰%)، آزمون (۲۰%) و اعتبار سنجی (۱۰%) موجبات بهتر آموزش دیدن شبکه فراهم شده و در نهایت صحت طبقه بندی تا %۹۹٫۵۰ افزایش یافته است.