تأثير تغيير معاملات المصنف CNN في نسبة التعرف على إشارات EEG

المؤلفون

  • طارق علي جامعة تشرين
  • كندة أبو قاسم جامعة تشرين
  • ألفت جولحة جامعة تشرين

الكلمات المفتاحية:

: التعلم العميق، الشبكات العصبونية الالتفافية، واجهة الدماغ والحاسوب، مخطط كهربائية الدماغ، النمط المكاني المشترك.

الملخص

يُعدّ موضوع واجهة الدماغ والحاسوب BCI (Brain Computer Interface) وخاصةً أنظمة التعرف على الإشارات الدماغية باستخدام التعلم العميق بعد توصيف هذه الإشارات  عن طريق مخطط كهربائية الدماغ EEG (Electroencephalography) من المواضيع البحثية الهامة التي تثير اهتمام الكثير من الباحثين في الوقت الراهن, وتعد الشبكات العصبونية الالتفافية CNN (Convolutional Neural Nets) من أهم مصنفات التعلم العميق المستخدمة في عملية التعرف هذه، إلا أنه لم يتم بعد تحديد بارامترات هذا المصنف بشكل دقيق بحيث يعطي أعلى نسبة تعرف ممكنة وبأقل زمن تدريب وزمن تعرف ممكن.

يقترح هذا البحث نظام تعرف على إشارات EEG باستخدام شبكة CNN مع دراسة تأثير تغيير بارامترات هذه الشبكة على نسبة التعرف وزمني التدريب والتعرف على الإشارات الدماغية, وبالنتيجة تم الحصول بواسطة نظام التعرف المقترح على نسبة تعرف 76.38 %, وانقاص زمن تدريب المصنف (3 seconds) باستخدام النمط المكاني المشترك CSP (Common Spatial Pattern) في عملية المعالجة المسبقة لقاعدة البيانات IV2b, كما تم الوصول لنسبة تعرف 76.533 % من خلال إضافة طبقة للمصنف المقترح.

التنزيلات

منشور

2023-09-07

كيفية الاقتباس

1.
علي ط, كندة أبو قاسم, ألفت جولحة. تأثير تغيير معاملات المصنف CNN في نسبة التعرف على إشارات EEG. Tuj-eng [انترنت]. 7 سبتمبر، 2023 [وثق 17 مايو، 2024];45(4):95-107. موجود في: https://journal.tishreen.edu.sy/index.php/engscnc/article/view/14462

الأعمال الأكثر قراءة لنفس المؤلف/المؤلفين