دوره 6، شماره 1 - ( 6-1388 )                   جلد 6 شماره 1 صفحات 78-71 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Single Trial P300 Recognition in Auditory Event Related Potential Using Genetic Algorithm and Neural Network Classifier. JSDP 2009; 6 (1) :71-78
URL: http://jsdp.rcisp.ac.ir/article-1-745-fa.html
عبدالصالحی مهدی، خلیل زاده محمدعلی، آذرپژوه محمودرضا. تشخیص و بررسی کاهش دامنۀ P300 در پتانسیل‌های وابسته به رویداد شنوایی تک‌ثبت با استفاده از الگوریتم ژنتیک و طبقه بندی‌کنندۀ شبکۀ عصبی. پردازش علائم و داده‌ها. 1388; 6 (1) :71-78

URL: http://jsdp.rcisp.ac.ir/article-1-745-fa.html


چکیده:   (4393 مشاهده)

P3000 را برجسته‌ترین مؤلّفۀ در بین مؤلّفه‌های شناختی مختلف موجود در سیگنال الکتریکی مغز می‌دانند. طبق تحقیقات انجام شده، هنگامی که مغز در حین پردازش یک سری از تحریکات معمول، به یک تحریک جدید (تحریک غیرمعمول) برمی‌‌خورد، در سیگنال مغزی ثبت‌‌شده، یک موج P300 ظاهر می‌‌شود که با تشخیص این مؤلّفه می‌توان تحریکات جدید را از تحریکات معمول جداسازی کرد. دامنۀ مؤلّفۀ P300 در هنگام اعمال تحریکات صوتی، پس از گذشت مدّت زمانی از شروع آزمایش کاهش می‌یابد؛ به نحوی که در تشخیص دامنۀ این مؤلّفه با مشکل روبرو می‌شویم. در این تحقیق با استفاده از پنج تحریک صوتی، به بررسی کاهش دامنۀ این مؤلّفه و علل آن در سه بلوک ثبت مجزّا و همچنین تشخیص این مؤلّفۀ شناختی، به وسیلۀ شبکۀ عصبی و الگوریتم ژنتیک پرداخته‌ایم. در نهایت با استفاده از ده ویژگی بهینه، به عنوان ورودی طبقه بندی کنندۀ شبکۀ عصبی در کانال Pz با صحّت 47/61% در دادگان آموزش و 60% در دادگان آزمون در بلوک اوّل، تک‌ثبت‌های حاوی موج P300 از تک‌ثبت‌های فاقد این موج جداسازی شده‌اند.

متن کامل [PDF 1248 kb]   (1398 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1388/6/31 | پذیرش: 1396/11/30 | انتشار: 1396/11/30 | انتشار الکترونیک: 1396/11/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.