fa استفاده از زمان پاسخ، مؤلفّۀ شناختی P300 و تلفیق دو مد به منظور تشخیص مقالات پردازش گفتار Paper پژوهشي Research <a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);"></a> <table border="0" cellpadding="0" cellspacing="0" height="500" width="900"> <tbody> <tr> <td bgcolor="#ffffff" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="500" width="100%"> <tbody> <tr> <td dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="5" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <center> <center> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="30" width="100%"> <tbody> <tr> <td bgcolor="#FFFFFF" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <table border="0" cellpadding="10" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <p align="justify" style="line-height: 18px;"><a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);">روش های موجود تشخیص دروغ که بر اساس پلی گرافی کلاسیک عمل می کنند، سعی می کنند با استفاده از مشخصّات چندین سیگنال فیزیولوژیک، به تفکیک فرد راستگو یا دروغ گو بپردازند. رویکرد دیگری که در کنار روش کلاسیک مطرح گردیده است، استفاده از مؤلفۀ شناختی P300 سیگنال های مغزی برای کشف دانش فرد خطاکار است؛ در ادامۀ توسعۀ این روش ها، موضوعی که در این تحقیق به آن پرداخته شده است، بحث ارزیابی تشخیص دانش فرد خطاکار از تحلیل زمان پاسخ فرد و تلفیق تحلیل زمان پاسخ و مؤلفّۀ شناختی P300 مغز است. به همین منظور چندین روش قبلی، تحلیل مغزی و تحلیل زمان پاسخ پیاده سازی و توسعه داده شد و ترکیب حالات مختلفی از روش ها مورد بررسی قرار گرفت. نتیجۀ روش تحلیل زمان پاسخ توسعه یافته در این تحقیق، به صحّت 81% و سطح زیر منحنی 0.85 رسیده است که با بهترین نتیجۀ تحلیل مغزی در کارهای قبل (استفاده از طبقه بندی کننده با ویژگی های مبتنی بر تبدیل موجک که صحّت 80% و سطح زیر منحنی 0.86 داشت به طورکامل قابل مقایسه است. از بین حالات مختلف تلفیق روش های تحلیل مغزی و زمان پاسخ، بهترین نتیجه، مربوط به روش تحلیل زمان پاسخ بوت استرپ شده و تشخیصP300 به روش اختلاف دامنه بوت استرپ شده بود. این تلفیق صحّت تفکیک بین افراد خطاکار و بی گناه را تا 88% بهبود داد که این بهبود با استفاده از آزمون مک نمار در مقایسه با نتیجۀ روش اختلاف دامنۀ بوت استرپ شده به&not;عنوان بهترین نتیجۀ تحقیقات قبل به طور کامل معنی دار (0.01 ) بود.</a></p> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </center> </center> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> <br> <a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);"></a> <table border="0" cellpadding="0" cellspacing="0" height="500" width="900"> <tbody> <tr> <td bgcolor="#ffffff" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="500" width="100%"> <tbody> <tr> <td dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="5" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <center> <center> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="30" width="100%"> <tbody> <tr> <td bgcolor="#FFFFFF" dir="ltr" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <table border="0" cellpadding="10" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <p align="justify" style="line-height: 18px;"><a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);">Abstract: Current lie detection methods, based on the polygraph technique, rely upon the measurement of several physiological characteristics to discriminate whether a truth or a lie is expressed. P300-based GKT (guilty knowledge test) has been suggested as an alternative approach for conventional polygraph technique. The purpose of this study is to evaluate RT (response time) analysis and combination of RT and ERP to identify participants possessing specific guilty knowledge. For the analysis, several previous methods were implemented and results of RT analysis and fusion ERP and RT analysis were compared which other. The accuracy of RT analysis (bootstrapped analysis of reaction time method) is 81% and AUC (area under curve) of correct detection in guilty and innocent subjects is 0.85 which are comparable to 80% accuracy of ERP analysis (Wavelet classifier method) and AUC=0.86 in previous study. Between the many fusion methods, fusion of BART and BAD method has the better accuracy and best AUC, this is superior result compared to results of previous methods from McNemar&rsquo;s test point of view. These results show that brain response and behavioral response have complement information. The Fusion of BART and BAD method is combination of brain and behavioral response, therefore this proposed as best approach for Assess &quot;Guilty Knowledge&quot;.</a></p> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </center> </center> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> آزمون دانش فرد خطاکار , پتانسیل برانگیختۀ بینایی, تحلیل چند مد Reaction Time, Guilty Knowledge Test, Event Related Potential, Multimodal Analysis. 23 32 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-334-3&slc_lang=fa&sid=1 امین محمدیان a.mohammadian@aut.ac.ir 10031947532846005530 10031947532846005530 Yes پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی وحید ابوطالبی abootalebi@yazduni.ac.ir 10031947532846005531 10031947532846005531 No دانشگاه یزد محمدحسن مرادی mhmoradi@aut.ac.ir 10031947532846005532 10031947532846005532 No محمد علی خلیل زاده makhalilzadeh@mshdiau.ac.ir 10031947532846005533 10031947532846005533 No