دانش رسان |
مرکز علم و دانش کشور مقاله تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تشخیص صرع با استفاده از ویژگی های استخراج شده از تبدیل فوریه EEG و طبقه بندی کننده شبکه عصبی MLP :
تعداد صفحات:۹
چکیده:
در این تحقیق به منظور تشخیص بیماری صرع یک روش پردازش سیگنال برای EEG پیشنهاد گردیده که مطابق آن سیگنال با استفاده از تبدیل فوریه به مولفه های فرکانسی تجزیه و یک مجموعه ویژگی آماری از باندهای فرکانسی استاندارد، دلتا،تتا، آلفا، بتا و گاما استخراج می شود و به عنوان ورودی برای توسعه هفت طبقه بندی کننده شبکه عصبی چند لایه پرسپترون سه کلاسه: نرمال، صرع جزئی (Per-ictal) و صرع عمومی (Ictal)که با چهار روش انتشار رو به عقب مرتبه یک و سه روش انتشار رو به عقب مرتبه دو آموزش می بیند استفاده می گردد. در نهایت، با استفاده از یک مرحله Cross-validation کارایی طبقه بندی کننده ها بر حسب صحت، حساسیت و اختصاصی بودن مقایسه می شود. نتایج این تحقیق نشان می دهد که در روش های آموزش انتشار رو به عقب مرتبه یک به طور متوسط صحت برابر با ۹۴/۵۳ و برای روش های آموزش مرتبه دو برابر با ۹۶/۵ بوده است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
