fa تشخیص و بررسی کاهش دامنۀ P300 در پتانسیل‌های وابسته به رویداد شنوایی تک‌ثبت با استفاده از الگوریتم ژنتیک و طبقه بندی‌کنندۀ شبکۀ عصبی 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);">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.</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 P300 is known as the most prominent component between cognitive components in electrical brain activity. According to done research, when brain encounters an inconsistent stimulation during processing a series of usual stimulation, a P300 component appears in recorded brain signal which could distinguishes from usual ones. Amplitude of P300 decreases after a short during act of auditory simulation; so that we face difficulty in recognition of component features. In the research we considered reduction of the amplitude of P300 with five auditory stimulations and its reasons in three separate record blocks as well as recognition of the component with Neural Network and Genetic Algorithm. Finally single-trial recordings containing P300 component from single-trial recordings without P300 component have been discriminated by six optimum features as Neural Network classifier input in Pz channel with accuracy of 80.55% in learning data and 50% in test data in the first block.</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> الکترو انسفالوگرافی( EEG ), پتانسیل‌های وابسته به رویداد, P300, شبکۀ عصبی, الگوریتم ژنتیک Electroencephalography (EEG), Event Related Potential (ERP), P300, Neural Network, Genetic Algorithm 71 78 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-60-1&slc_lang=fa&sid=1 مهدی عبدالصالحی makhalilzadeh@mshdiau.ac.ir 10031947532846004478 10031947532846004478 Yes محمدعلی خلیل زاده makhalilzadeh@mshdiau.ac.ir 10031947532846004479 10031947532846004479 No محمودرضا آذرپژوه azarpazhooh@yahoo.com 10031947532846004480 10031947532846004480 No