دانلود مقاله و خرید ترجمه:طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده الگوریتم ها
  • طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی

    سال انتشار:

    2015


    ترجمه فارسی عنوان مقاله:

    طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی


    عنوان انگلیسی مقاله:

    Classification of mental tasks from EEG data using backtracking search optimization based neural classifier


    منبع:

    Sciencedirect - Elsevier - Neurocomputing Volume 166, 20 October 2015, Pages 397-403


    نویسنده:

    Saurabh Kumar Agarwal, Saatvik Shah, Rajesh Kumar


    چکیده انگلیسی:

    Brain Computer Interface (BCI) has been applied to augment impaired human cognitive function by converting mental signals into control signals. This paper presents a neural classifier optimized using Backtracking Search optimization Algorithm (BSANN) to classify three mental tasks consisting of right or left hand movement imagination and generation of word. BSA is an Evolutionary Algorithm (EA) which is suitable for deciphering non-linear and non-differentiable problems. Single control parameter gives BSA an upshot over other EA due to the lower degree of randomness. BSA keeps memory of old population to generate a new candidate set i.e. solution, so it gets the advantage of utilizing the search results of the previous population. The proposed method (BSANN) has been tested on the publicly available datasets of BCI Competition 3-5. Experimental result shows that BSANN exhibits better results than 21 other algorithms for classification of mental tasks in terms of classification accuracy.
    Keywords: Backtracking Search optimization Algorithm (BSA) | Brain Computer Interface (BCI) | Mental tasks classification | Neural network (NN) | Electroencephalogram (EEG)


    چکیده فارسی:

    رابط هوشی کامپیوتر (BCI) با افزایش تخریب عملکرد شناختی انسان به و سیله ی برگشت سیگنال های هوشی به سیگنال های کنترلی به انجام عملیات می پردازد.. این مقاله به ارائه ی طبقه بندی بهینه ی عصبی با استفاده از بهینه سازی الگوریتم جستجوی برگشتی (BSANN) به منظور طبقه بندی سه وظیفه ی هوشی که شامل تصور حرکتی دست راست یا چپ و تولید عبارات است, می پردازد.BSA یک الگوریتم تکاملی) EA ) می باشد که مناسب برای سرگشایی مسائل غیر طولی و قابل تشخیص است. پارامتر های کنترلی واحد به ارائه ی BSA به عنوان نتیجه ای برای دیگر EU ها به علت درجات پایین غیر مترقبه بودن میپردازند.BSA به نگهداری حافظه ی مربوط به موارد قدیمی به منظور تولید دسته ای از راه حل ها به کار می رود., بنابراین این مورد با استفاده از نتایج به دست آمده از جستجوی نتایج موارد قبلی به کار خود ادامه می دهد. روش پیشنهادی برای BSANN) ) بر روی دسته های داده ای عمومی مربوط به رقابت BCI 5-3 امتحان شده است. نتایج تجربی نشان دهنده ی این قضیه است که به نمایش گذاشتن BSANN دارای نتایج بهتری نسبت به 21 الگوریتم دیگر که برای طبقه بندی وظایف هوشی از نظر صحت طبقه بندی شده اند, بوده است.
    کلمات کلیدی: الگوریتم بهینه سازی جستجوی برگشتی(BSA) | رابط هوش کامپیوتر BCI) ) | شبکه ی عصبی طبقه بندی شده هوشی وظیفه ای (NN) | الکترونسفالگرام (EEG)


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    تعداد صفحات فایل doc فارسی: 29

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 389 کیلوبایت


    قیمت: 30000 تومان  27000 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
الگوریتم-ها
موضوعات