مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

2
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

طبقه بندی مراحل مختلف یادگیری تایپ با استفاده از شاخص های نبود تقارن منحنی رودونی EEG: تأکید بر تعداد بهینه گلبرگ ها و کانال های مغزی

صفحات

 صفحه شروع 97 | صفحه پایان 108

چکیده

 تحلیل داده های الکتروانسفالوگرافی (EEG) به عنوان ابزاری کلیدی در درک ساختار های عصبی مرتبط با یادگیری مهارت های جدید از اهمیت بالایی در علوم اعصاب شناختی برخوردار است. با وجود پیشرفت های اخیر در روش های پردازش سیگنال, توسعه الگوریتم های نوین برای استخراج الگوهای معنادار از داده های EEG, به ویژه در بافتار پویایی مغزی حین یادگیری, همچنان به عنوان یک چالش پژوهشی مطرح است. هدف از انجام پژوهش حاضر, ارائه یک الگوریتم جدید جهت تحلیل داده های بیولوژیکی است. به طور خاص, روش پیشنهادی در توصیف داده های EEG در یادگیری یک مهارت جدید مورد بررسی قرار گرفته است. از داده های EEG دَه شرکت کننده (شش زن و چهار مرد) در نُه کانال مغزی (F3, Fz, F4, C3, Cz, C4, P3, POz و P4) موجود در IEEEDataPort استفاده شد که در حال یادگیری تایپ در رایانه در دوازده جلسه درسی, با استفاده از طرح صفحه کلید کولماک بودند. هر یک از درس ها پنج بار تکرار شد. ثبت های EEG در طی تکرارهای دروس چهارم, هشتم و یازدهم بررسی شد. برای نخستین بار روشی مبتنی بر منحنی رودونی برای تحلیل سیگنال معرفی شد که ساختاری شبیه گل با تعداد گلبرگ های قابل تنظیم دارد. در مطالعه حاضر, مدل با تعداد یک تا ده گلبرگ ارزیابی شد. سه شاخص جدید مبتنی بر نبود تقارن در منحنی رودونی برای جداسازی مراحل مختلف یادگیری به ماشین بردار پشتیبان (SVM) داده شد. نقش کانال های مغزی و تعداد گلبرگ های بهینه در مدل با ارزیابی نتایج طبقه بندی برای هر کانال و تعداد گلبرگ جداگانه بررسی شد. نتایج طبقه بندی دو کلاسی با رویکرد یک در مقابل همه, برای تفکیک پانزده جلسه (پنج تکرار × سه درس) بین 3/79 تا 3/93 به دست آمد. برای کانال های F3, Fz, C3, C4, POz و تعداد گلبرگ چهار بهترین نتایج حاصل شد. در طبقه بندی سه جلسه درسی, بالاترین صحت به ترتیب مربوط به جلسه یازدهم (%92), چهارم (%90) و هشتم (% 6/72) بود. نتایج نشان می دهد در هنگام یادگیری تایپ کردن, مناطق خاصی از پیشانی, آهیانه و پس سری فعال می شود؛ علاوه براین, دینامیک های مغزی در هنگام تکمیل فرایند یادگیری (جلسه یازدهم) و در مراحل اولیه یادگیری (جلسه چهارم) قابلیت تفکیک بالاتری دارند. عملکرد بالای شاخص های منحنی رودونی بیان کننده پتانسیل آن در تحلیل سیگنال EEG است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button