تشخیص فعالیت های ذهنی از سیگنال های مغزی با استفاده از طبقه بندی کننده های شبکه های عصبی و روشهای آماری
چکیده
هدف از اجرای این پروژه طبقه بندی و تفکیک فعالیت های مختلف ذهنی با استفاده از سیگنال های مغزی است .
پایان‌نامه‌های مشابه
طراحی سیستم تشخیص نفوذ به شبکه مبتنی بر طبقه بندی کننده ی عصبی – فازی و روش های کاهش ویژگی
هدف اصلی یک سیستم تشخیص نفوذ، طبقه بندی فعالیتهای یک سیستم به دو گروه اصلی فعالیتهای عادی و فعالیتهای نفوذی است. روش های متعددی برای ساخت سیستم تشخیص نفوذ توسط محققان ارائه شده است. هدف اصلی این پایان نامه، ارائه ی یک سیستم تشخیص نفوذ بر اساس سیستم استنتاج تطبیق پذیر عصبی – فازی،
تشخیص خطا در فرآیند tennessee eastman با استفاده از تکنیکهای کاهش بعد با رویکرد آماری و بهینه سازی آن با الگوریتم ژنتیک و طبقه بندی کننده های عصبی
این پایاننامه گامی به سوی حل مساله تشخیص و شناسایی خطا در فرآیند tennessee eastman میباشد. انگیزه این پایاننامه ارائه و توسعه روشهای موجود در تشخیص و شناسایی خطا بوده است، که در عمل نیز کارکرد مناسبی از خود نشان دهند. ویژگیهای اصلی این پایاننامه را میتوان به صورت " استفاده
استفاده از سیستم های چند طبقه بندی کننده به منظور طبقه بندی سیگنال های eeg در سیستم های واسط مغز-کامپیوتر (bci)
مغز از پیچیده ترین ارگان های موجود در طبیعت است. مطالعه و بررسی عملکرد مغز یکی از موضوعات مهم و مورد علاقه محققان بوده و می باشد. در این میان کنترل فضای پیرامون با استفاده از سیگنال های الکتروانسفالوگرام (eeg)، یکی از موضوعات جدید مورد بررسی گروه های تحقیقاتی است که تحت عنوان واس
طراحی و شبیه سازی یک سیستم طبقه بندی کننده حروف انگلیسی با استفاده از شبکه ی عصبی mlp در تکنولوژی fpga
در این پایان¬نامه یک سیستم شناسایی حروف انگلیسی با دقت تشخیص بالا طراحی و پیاده¬سازی شده است. در این سیستم نشان داده شده که فقط با استخراج ویژگی¬های مناسب از نمونه¬های اعمالی به سیستم، بدون آن¬که پیش¬پردازشی بر روی نمونه¬ها صورت گیرد، می¬توان توسط شبکه¬ی عصبی پیشخور عمل طبقه¬بندی
استفاده از سیستم ایمنی مصنوعی (ais) به عنوان طبقه بندی کننده و مقایسه ی عملکرد آن با عملکرد شبکه های عصبی sfam و mlp
همزمان با پیشرفت علم و تکنولوژی، انسان در پی رسیدن به تکنیک هایی است که همه ی کارها را به ماشین واگذار کند. علیرغم این پیشرفت، هنوز اعمالی هستند که انجام آن ها نیازمند هوش بشری و یا طبیعت است. از این رو بشر در پی تولید تکنیک هایی است تا ماشین ها این اعمال را بدون دخالت مستقیم بشر
بکارگیری روش های غیرخطی در تشخیص و طبقه بندی کودکان مبتلا به adhd با استفاده از پاسخ شنوایی ساقه مغز و طبقه بندی کننده wavelet-svm
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 مبتلا به این اختلال هستند و در پسرها شایع تر است. علائم این بیماری قبل از 7 سالگی شروع می شود ولی اغلب در مدرسه مشکلات جدی ایجاد می گردد. در حال حاضر تشخیص ک
اسناد مشابه
طبقهبندی داده های نامتوازن در تشخیص اولیه بیماری های پستان با روش های آدابوست، شبکه عصبی احتمالی و k تا نزدیکترین همسایه
چکیده مقدمه: سرطان پستان یکی از سرطانهای شایع در ایران بوده و هرگونه اقدام تشخیصی به هنگام در این مورد میتواند جان بسیاری از مبتلایان به این سرطان را نجات بخشد. هدف از این پژوهش طبقهبندی دادههای نامتوازن مربوط به بانوان مراجعهکننده به کلینیک پژوهشکده سرطان پستان جهاددانشگاه
تشخیص هوشمند بیماری هپاتیت با استفاده از آنالیز اجزای اصلی و هم جوشی طبقه بندی کننده ها
سابقه و هدف: در سال های اخیر، بیماری هپاتیت در جهان بسیار شیوع پیدا کرده است. تشخیص صحیح بیماری هپاتیت کار ساده ای نمی باشد. هدف از این مقاله، ارائه یک سیستم هوشمند مبتنی بر تکنیک های یادگیری ماشین جهت تشخیص بیماری هپاتیت می باشد. مواد و روش ها: الگوریتم پیشنهادی شامل سه مرحله اس
بهبود دقت طبقه بندی تصاویر ماهواره ای ابرطیفی با استفاده از توسعه یک شبکه عصبی کانولوشن و یادگیری عمیق
امروزه با پیشرفت تکنولوژی، سنجندههای متعدد، تصاویر ابرطیفی با رزولوشن طیفی و مکانی باال تهیه میکنند. تا کنون روشهای متعددی برای طبقهبندی تصاویر ابرطیفی ارائه شدهاند که هرکدام سعی دارند بر تعدادی از چالشهای محاسباتی و پردازشی دادههای ابرطیفی فائق آیند. با افزایش تعداد پارامترها که
روشی نوین برای تشخیص بیماری مبتنی بر زیرساخت اینترنت اشیاء با استفاده از الگوریتم ژنتیک و طبقه بندی کننده های مختلف
Medical information technology and health services are related to the national welfare and livelihood of the people. The integration of cloud computing and the Internet of Things will be a major breakthrough in modern medical applications. This study focuses on the chronic diseas
استفاده از شبکه های تجمیع خبرگان(Mixture of Experts)به منظور طبقه بندی سیگنال مغزی افراد سالم و بیماران صرعی
چکیده: EEGیکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز واختلالات نورولوژیک است. به همین دلیل، تشخیص تغییرات EEG توسط سیستم‌های خودکار، موضوعی است که برای سال‌های متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نی
طراحی و بررسی کارایی سیستم هوشمند جداسازی و طبقه بندی آریتمی های موجود در سیگنال های صوتی قلب با استفاده از فیلتر تطبیقی و شبکه عصبی چند لایه پس انتشار (mlp-bp)
سابقه و هدف: شنیدن سیگنال های صوتی قلب یکی از روش های غیر تهاجمی و در عین حال آسان در تشخیص بی نظمی های عملکردی قلب انسان محسوب می شود که تحلیل صحیح آن، به دانش و تجربه ی پزشک متخصص نیاز دارد. هدف این مقاله، طراحی و پیاده سازی یک سیستم هوشمند در جداسازی و طبقه بندی آریتمی های موج