کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / یازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

ارائه تکنیک یادگیری چندهسته ای مبتنی بر روش بهینه سازی برای مسئله دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی

نویسندگان :

یوکابد امیری¹ حسام عمرانپور²

1- دانشگاه صنعتی نوشیروانی بابل 2- دانشگاه صنعتی نوشیروانی بابل

کلمات کلیدی :

بهینه ساز، دسته بندی، سیگنال های مغزی EEG، یادگیری چندهسته ای.

چکیده :

سیگنال های EEG فعالیت الکتریکی مغز را نشان می دهند که بعنوان یکی از ورودی‌های رابط مغز-کامپیوتر(BCI) است. رابط مغز-کامپیوتر راه ارتباطی بین مغز و کامپیوتر را برقرار می کند. تصور حرکتی (MI) مبتنی برBCI یک فرآیند ذهنی است که توسط آن یک شخص حرکت خاصی را تمرین یا شبیه سازی می کند بدون اینکه آن حرکت را بصورت فیزیکی انجام دهد. یکی از اهداف BCI این است که یک راه ارتباطی جدید برای افراد معلول ایجاد کند بطوریکه افراد هیچ وابستگی به کنترل عضلات نداشته باشند. یکی از مهمترین مسائل پردازش در این سیگنال ها، دسته بندی می باشد. در این مقاله از تکنیک یادگیری چندهسته ای(MKL) مبتنی بر بهینه ساز برای دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی ارائه شده است. هسته مرکب از ترکیب چهار هسته توسط MKL ساخته شده است. هسته با نگاشت غیرخطی نقاط داده را به فضایی با ابعاد بالاتر، نگاشت می کند. پارامترها و وزن مرتبط با هر هسته پایه با بهینه ساز تعادل(EO) محاسبه شده است. برای دسته بندی سیگنال ها، از هسته مرکب به همراه دسته بند ماشین یادگیری بینهایت(ELM) استفاده شده است. روش پیشنهادی با نه روش دیگر مقایسه شده است که در اکثر موارد این روش دقت دسته بندی بالاتری نسبت به بقیه روش های پیشنهادی دارد.