আপনার স্মৃতিকে চ্যালেঞ্জ করুন! Emotiv App-এ নতুন N-Back গেম খেলুন
আপনার স্মৃতিকে চ্যালেঞ্জ করুন! Emotiv App-এ নতুন N-Back গেম খেলুন
ওয়্যারলেস EEG সিগন্যাল ব্যবহার করে n-ব্যাক টাস্কে মেমরি ওয়ার্কলোড মূল্যায়ন
শেয়ার:
মানব-যন্ত্র সিস্টেম, IEEE, 2015
সারসংক্ষেপ
শারীরিক পরিমাপ যেমন EEG (ইলেকট্রোএনসেফ্যালোগ্রাফি) সংকেত ব্যবহার করে মানসিক কাজের বোঝা মূল্যায়ন একটি কার্যকরী ক্ষেত্র। সম্প্রতি, EEG এবং অন্যান্য শারীরিক সংকেত পরিমাপ করার জন্য বেশ কয়েকটি ওয়্যারলেস অধিগ্রহণ ব্যবস্থা উপলব্ধ হয়েছে। কিছু গবেষণা এমন ওয়্যারলেস সিস্টেম ব্যবহার করে স্বচ্ছন্দ কাজের বোঝা মূল্যায়ন এবং তাদের কার্যকারিতা মূল্যায়ন করেছে। এই গবেষণাপত্র একটি জনপ্রিয় ওয়্যারলেস সিস্টেম (EMOTIV EPOC হেডসেট) ব্যবহার করে একটি পরিচিত n-back টাস্কে স্মৃতি কাজের স্তরের মূল্যায়নের সম্ভাবনা অনুসন্ধানের জন্য একটি প্রাথমিক পদক্ষেপ উপস্থাপন করে। আমরা একটি সংকেত প্রক্রিয়াকরণ এবং শ্রেণীব Amber বিকাশ করেছি, যা একটি স্বয়ংক্রিয় কলা অপসারণ অ্যালগরিদম, বৈশিষ্ট্য নিষ্কাশনের কৌশলগুলির একটি বিস্তৃত স্পেকট্রাম, একটি ব্যক্তিগতকৃত বৈশিষ্ট্য স্কেলিং পদ্ধতি, একটি তথ্য-তত্ত্বের উপর ভিত্তি করে বৈশিষ্ট্য নির্বাচন পন্থা এবং একটি সমনিকট-সমর্থন-বিকল্প-মেশিন-ভিত্তিক শ্রেণীব Amber মডেল একত্রিত করেছে। পরীক্ষামূলক ফলাফল দেখায় যে, ওয়্যারলেসভাবে সংগৃহীত EEG সংকেতগুলি নয়জন অংশগ্রহণকারীর জন্য বিভিন্ন স্মৃতি কাজের স্তর শ্রেণীভুক্ত করতে ব্যবহার করা যেতে পারে। সর্বনিম্ন কাজের স্তর (0-back) এবং সক্রিয় কাজের স্তর (1-, 2-, 3-back) এর মধ্যে শ্রেণীব Amber সঠিকতা প্রায় 100% এর কাছাকাছি ছিল। 1- এবং 2-back-এর জন্য সেরা শ্রেণীব Amber সঠিকতা ছিল 80%, এবং 1- এবং 3-back-এর জন্য 84%। এই গবেষণা নির্দেশ করে যে, ওয়্যারলেস অধিগ্রহণ ব্যবস্থা এবং উন্নত তথ্য বিশ্লেষণ এবং প্যাটার্ন স্বীকৃতি কৌশলগুলি আধুনিক সমাজে বিভিন্ন মানসিক কার্যক্রমে যুক্ত মানুষের জন্য বাস্তব সময়ে মানসিক কাজের স্তর পর্যবেক্ষণ ও চিহ্নিতকরণের উদ্দেশ্যে প্রতিশ্রুতিশীল।পূর্ণ প্রতিবেদন পড়ার জন্য এখানে ক্লিক করুন
মানব-যন্ত্র সিস্টেম, IEEE, 2015
সারসংক্ষেপ
শারীরিক পরিমাপ যেমন EEG (ইলেকট্রোএনসেফ্যালোগ্রাফি) সংকেত ব্যবহার করে মানসিক কাজের বোঝা মূল্যায়ন একটি কার্যকরী ক্ষেত্র। সম্প্রতি, EEG এবং অন্যান্য শারীরিক সংকেত পরিমাপ করার জন্য বেশ কয়েকটি ওয়্যারলেস অধিগ্রহণ ব্যবস্থা উপলব্ধ হয়েছে। কিছু গবেষণা এমন ওয়্যারলেস সিস্টেম ব্যবহার করে স্বচ্ছন্দ কাজের বোঝা মূল্যায়ন এবং তাদের কার্যকারিতা মূল্যায়ন করেছে। এই গবেষণাপত্র একটি জনপ্রিয় ওয়্যারলেস সিস্টেম (EMOTIV EPOC হেডসেট) ব্যবহার করে একটি পরিচিত n-back টাস্কে স্মৃতি কাজের স্তরের মূল্যায়নের সম্ভাবনা অনুসন্ধানের জন্য একটি প্রাথমিক পদক্ষেপ উপস্থাপন করে। আমরা একটি সংকেত প্রক্রিয়াকরণ এবং শ্রেণীব Amber বিকাশ করেছি, যা একটি স্বয়ংক্রিয় কলা অপসারণ অ্যালগরিদম, বৈশিষ্ট্য নিষ্কাশনের কৌশলগুলির একটি বিস্তৃত স্পেকট্রাম, একটি ব্যক্তিগতকৃত বৈশিষ্ট্য স্কেলিং পদ্ধতি, একটি তথ্য-তত্ত্বের উপর ভিত্তি করে বৈশিষ্ট্য নির্বাচন পন্থা এবং একটি সমনিকট-সমর্থন-বিকল্প-মেশিন-ভিত্তিক শ্রেণীব Amber মডেল একত্রিত করেছে। পরীক্ষামূলক ফলাফল দেখায় যে, ওয়্যারলেসভাবে সংগৃহীত EEG সংকেতগুলি নয়জন অংশগ্রহণকারীর জন্য বিভিন্ন স্মৃতি কাজের স্তর শ্রেণীভুক্ত করতে ব্যবহার করা যেতে পারে। সর্বনিম্ন কাজের স্তর (0-back) এবং সক্রিয় কাজের স্তর (1-, 2-, 3-back) এর মধ্যে শ্রেণীব Amber সঠিকতা প্রায় 100% এর কাছাকাছি ছিল। 1- এবং 2-back-এর জন্য সেরা শ্রেণীব Amber সঠিকতা ছিল 80%, এবং 1- এবং 3-back-এর জন্য 84%। এই গবেষণা নির্দেশ করে যে, ওয়্যারলেস অধিগ্রহণ ব্যবস্থা এবং উন্নত তথ্য বিশ্লেষণ এবং প্যাটার্ন স্বীকৃতি কৌশলগুলি আধুনিক সমাজে বিভিন্ন মানসিক কার্যক্রমে যুক্ত মানুষের জন্য বাস্তব সময়ে মানসিক কাজের স্তর পর্যবেক্ষণ ও চিহ্নিতকরণের উদ্দেশ্যে প্রতিশ্রুতিশীল।পূর্ণ প্রতিবেদন পড়ার জন্য এখানে ক্লিক করুন
মানব-যন্ত্র সিস্টেম, IEEE, 2015
সারসংক্ষেপ
শারীরিক পরিমাপ যেমন EEG (ইলেকট্রোএনসেফ্যালোগ্রাফি) সংকেত ব্যবহার করে মানসিক কাজের বোঝা মূল্যায়ন একটি কার্যকরী ক্ষেত্র। সম্প্রতি, EEG এবং অন্যান্য শারীরিক সংকেত পরিমাপ করার জন্য বেশ কয়েকটি ওয়্যারলেস অধিগ্রহণ ব্যবস্থা উপলব্ধ হয়েছে। কিছু গবেষণা এমন ওয়্যারলেস সিস্টেম ব্যবহার করে স্বচ্ছন্দ কাজের বোঝা মূল্যায়ন এবং তাদের কার্যকারিতা মূল্যায়ন করেছে। এই গবেষণাপত্র একটি জনপ্রিয় ওয়্যারলেস সিস্টেম (EMOTIV EPOC হেডসেট) ব্যবহার করে একটি পরিচিত n-back টাস্কে স্মৃতি কাজের স্তরের মূল্যায়নের সম্ভাবনা অনুসন্ধানের জন্য একটি প্রাথমিক পদক্ষেপ উপস্থাপন করে। আমরা একটি সংকেত প্রক্রিয়াকরণ এবং শ্রেণীব Amber বিকাশ করেছি, যা একটি স্বয়ংক্রিয় কলা অপসারণ অ্যালগরিদম, বৈশিষ্ট্য নিষ্কাশনের কৌশলগুলির একটি বিস্তৃত স্পেকট্রাম, একটি ব্যক্তিগতকৃত বৈশিষ্ট্য স্কেলিং পদ্ধতি, একটি তথ্য-তত্ত্বের উপর ভিত্তি করে বৈশিষ্ট্য নির্বাচন পন্থা এবং একটি সমনিকট-সমর্থন-বিকল্প-মেশিন-ভিত্তিক শ্রেণীব Amber মডেল একত্রিত করেছে। পরীক্ষামূলক ফলাফল দেখায় যে, ওয়্যারলেসভাবে সংগৃহীত EEG সংকেতগুলি নয়জন অংশগ্রহণকারীর জন্য বিভিন্ন স্মৃতি কাজের স্তর শ্রেণীভুক্ত করতে ব্যবহার করা যেতে পারে। সর্বনিম্ন কাজের স্তর (0-back) এবং সক্রিয় কাজের স্তর (1-, 2-, 3-back) এর মধ্যে শ্রেণীব Amber সঠিকতা প্রায় 100% এর কাছাকাছি ছিল। 1- এবং 2-back-এর জন্য সেরা শ্রেণীব Amber সঠিকতা ছিল 80%, এবং 1- এবং 3-back-এর জন্য 84%। এই গবেষণা নির্দেশ করে যে, ওয়্যারলেস অধিগ্রহণ ব্যবস্থা এবং উন্নত তথ্য বিশ্লেষণ এবং প্যাটার্ন স্বীকৃতি কৌশলগুলি আধুনিক সমাজে বিভিন্ন মানসিক কার্যক্রমে যুক্ত মানুষের জন্য বাস্তব সময়ে মানসিক কাজের স্তর পর্যবেক্ষণ ও চিহ্নিতকরণের উদ্দেশ্যে প্রতিশ্রুতিশীল।পূর্ণ প্রতিবেদন পড়ার জন্য এখানে ক্লিক করুন
