
تصنيف الأشكال الأولية باستخدام واجهات الدماغ والحاسوب
نوري جافيت
تم التحديث في
25/10/2012

تصنيف الأشكال الأولية باستخدام واجهات الدماغ والحاسوب
نوري جافيت
تم التحديث في
25/10/2012

تصنيف الأشكال الأولية باستخدام واجهات الدماغ والحاسوب
نوري جافيت
تم التحديث في
25/10/2012
إحسان تاركيش إسفهاني، ف. سونداراراجان
الملخص
تعد واجهات الدماغ والحاسوب (BCIs) تطورات حديثة في التقنيات البديلة لتفاعل المستخدم. الغرض من هذه الورقة البحثية هو استكشاف إمكانات الـ BCI كواجهات مستخدم لأنظمة التصميم بمساعدة الحاسوب (CAD). تصف الورقة التجارب والخوارزميات التي تستخدم الـ BCI للتمييز بين الأشكال الأولية التي يتخيلها المستخدم. يرتدي المستخدمون سماعة تخطيط كهربائية الدماغ (EEG) ويتخيلون شكل مكعب، أو كرة، أو أسطوانة، أو هرم، أو مخروط. تجمع سماعة الـ EEG نشاط الدماغ من 14 موقعًا على فروة الرأس. يتم تحليل البيانات باستخدام تحليل المكونات المستقلة (ICA) وتحويل هيلبرت-هوانغ (HHT). الميزات ذات الأهمية هي الأطياف الهامشية لنطاقات التردد المختلفة (نطاقات ثيتا، وألفا، وبيتا، وغاما) المحسوبة من طيف هيلبرت لكل مكون مستقل. ثم يتم تطبيق اختبار مان-ويتني يو لتصنيف قنوات أقطاب الـ EEG حسب ملاءمتها في خمسة تصنيفات ثنائية. تشكل الميزات من المكونات المستقلة ذات التصنيف الأعلى ناقل الميزات النهائي الذي يُستخدم بعد ذلك لتدريب مصنف التمايز الخطي. تظهر النتائج أن هذا المصنف يمكنه التمييز بين الأجسام الأولية الأساسية الخمسة بدقة متوسطة تبلغ حوالي 44.6% (مقارنة بمعدل التصنيف البسيط البالغ 20%) على عشرة أشخاص (تتراوح الدقة بين 36%-54%). تتغير دقة التصنيف إلى 39.9% عند استخدام كل من الإشارات البصرية واللفظية. تم التحقق من تكرار استخراج الميزات والتصنيف من خلال إجراء التجربة في 10 أيام مختلفة مع نفس المشاركين. يوضح هذا أن الـ BCI واعدة في إنشاء أشكال هندسية في أنظمة CAD ويمكن استخدامها كوسيلة مبتكرة لتفاعل المستخدم.انقر هنا للحصول على التقرير الكامل.
إحسان تاركيش إسفهاني، ف. سونداراراجان
الملخص
تعد واجهات الدماغ والحاسوب (BCIs) تطورات حديثة في التقنيات البديلة لتفاعل المستخدم. الغرض من هذه الورقة البحثية هو استكشاف إمكانات الـ BCI كواجهات مستخدم لأنظمة التصميم بمساعدة الحاسوب (CAD). تصف الورقة التجارب والخوارزميات التي تستخدم الـ BCI للتمييز بين الأشكال الأولية التي يتخيلها المستخدم. يرتدي المستخدمون سماعة تخطيط كهربائية الدماغ (EEG) ويتخيلون شكل مكعب، أو كرة، أو أسطوانة، أو هرم، أو مخروط. تجمع سماعة الـ EEG نشاط الدماغ من 14 موقعًا على فروة الرأس. يتم تحليل البيانات باستخدام تحليل المكونات المستقلة (ICA) وتحويل هيلبرت-هوانغ (HHT). الميزات ذات الأهمية هي الأطياف الهامشية لنطاقات التردد المختلفة (نطاقات ثيتا، وألفا، وبيتا، وغاما) المحسوبة من طيف هيلبرت لكل مكون مستقل. ثم يتم تطبيق اختبار مان-ويتني يو لتصنيف قنوات أقطاب الـ EEG حسب ملاءمتها في خمسة تصنيفات ثنائية. تشكل الميزات من المكونات المستقلة ذات التصنيف الأعلى ناقل الميزات النهائي الذي يُستخدم بعد ذلك لتدريب مصنف التمايز الخطي. تظهر النتائج أن هذا المصنف يمكنه التمييز بين الأجسام الأولية الأساسية الخمسة بدقة متوسطة تبلغ حوالي 44.6% (مقارنة بمعدل التصنيف البسيط البالغ 20%) على عشرة أشخاص (تتراوح الدقة بين 36%-54%). تتغير دقة التصنيف إلى 39.9% عند استخدام كل من الإشارات البصرية واللفظية. تم التحقق من تكرار استخراج الميزات والتصنيف من خلال إجراء التجربة في 10 أيام مختلفة مع نفس المشاركين. يوضح هذا أن الـ BCI واعدة في إنشاء أشكال هندسية في أنظمة CAD ويمكن استخدامها كوسيلة مبتكرة لتفاعل المستخدم.انقر هنا للحصول على التقرير الكامل.
إحسان تاركيش إسفهاني، ف. سونداراراجان
الملخص
تعد واجهات الدماغ والحاسوب (BCIs) تطورات حديثة في التقنيات البديلة لتفاعل المستخدم. الغرض من هذه الورقة البحثية هو استكشاف إمكانات الـ BCI كواجهات مستخدم لأنظمة التصميم بمساعدة الحاسوب (CAD). تصف الورقة التجارب والخوارزميات التي تستخدم الـ BCI للتمييز بين الأشكال الأولية التي يتخيلها المستخدم. يرتدي المستخدمون سماعة تخطيط كهربائية الدماغ (EEG) ويتخيلون شكل مكعب، أو كرة، أو أسطوانة، أو هرم، أو مخروط. تجمع سماعة الـ EEG نشاط الدماغ من 14 موقعًا على فروة الرأس. يتم تحليل البيانات باستخدام تحليل المكونات المستقلة (ICA) وتحويل هيلبرت-هوانغ (HHT). الميزات ذات الأهمية هي الأطياف الهامشية لنطاقات التردد المختلفة (نطاقات ثيتا، وألفا، وبيتا، وغاما) المحسوبة من طيف هيلبرت لكل مكون مستقل. ثم يتم تطبيق اختبار مان-ويتني يو لتصنيف قنوات أقطاب الـ EEG حسب ملاءمتها في خمسة تصنيفات ثنائية. تشكل الميزات من المكونات المستقلة ذات التصنيف الأعلى ناقل الميزات النهائي الذي يُستخدم بعد ذلك لتدريب مصنف التمايز الخطي. تظهر النتائج أن هذا المصنف يمكنه التمييز بين الأجسام الأولية الأساسية الخمسة بدقة متوسطة تبلغ حوالي 44.6% (مقارنة بمعدل التصنيف البسيط البالغ 20%) على عشرة أشخاص (تتراوح الدقة بين 36%-54%). تتغير دقة التصنيف إلى 39.9% عند استخدام كل من الإشارات البصرية واللفظية. تم التحقق من تكرار استخراج الميزات والتصنيف من خلال إجراء التجربة في 10 أيام مختلفة مع نفس المشاركين. يوضح هذا أن الـ BCI واعدة في إنشاء أشكال هندسية في أنظمة CAD ويمكن استخدامها كوسيلة مبتكرة لتفاعل المستخدم.انقر هنا للحصول على التقرير الكامل.

تابع القراءة