اپنی یادداشت کو چیلنج کریں! نیا این-بیک گیم Emotiv App میں کھیلیں

وائرلیس EEG سگنلز کا استعمال کرتے ہوئے n-Back ٹاسک میں میموری ورک لوڈ کا اندازہ لگانا

شئیر کریں:

انسانی-مشین نظام، آئی ای ای ای، 2015

خلاصہ

ذہنی بوجھ کی جانچ کے لئے فزیولوجیکل پیمائشوں، خاص طور پر EEG (الیکٹرو اینسیفالوگرافی) سگنلز کا استعمال ایک فعال میدان ہے۔ حال ہی میں، EEG اور دیگر فزیولوجیکل سگنلز کی پیمائش کرنے کے لئے کئی وائرلیس حاصل کرنے کے نظام دستیاب ہوئے ہیں۔ کچھ مطالعات نے علمی بوجھ کا اندازہ لگانے اور ان کی کارکردگی کا جائزہ لینے کے لئے ایسے وائرلیس نظام کا اطلاق کیا ہے۔ یہ مقالہ ایک شہرت یافتہ وائرلیس نظام (EMOTIV EPOC ہیڈسیٹ) کا مطالعہ کرنے کا ابتدائی قدم پیش کرتا ہے تاکہ ایک معروف این-بیک کام میں میموری بوجھ کی سطحوں کا اندازہ لگایا جا سکے۔ ہم نے ایک سگنل پراسیسنگ اور درجہ بندی کا فریم ورک تیار کیا، جس نے ایک خودکار آرٹیفیکٹ ہٹانے کا الگوردم، وسیع فیچر استخراجی تکنیکیں، ایک ذاتی ماپنے کا طریقہ، معلومات نظریہ پر مبنی فیچر انتخاب کی حامل طریقہ، اور قربت کی حمایت کرنے والی مشین کے درجہ بندی کے ماڈل کو شامل کیا۔ تجرباتی نتائج نے ظاہر کیا کہ وائرلیس طور پر جمع کیے گئے EEG سگنلز کو نو شراکت داروں کے لئے مختلف میموری بوجھ کی سطحوں کی درجہ بندی کے لئے استعمال کیا جا سکتا ہے۔ سب سے نچلی بوجھ کی سطح (0-بیک) اور فعالی بوجھ کی سطحوں (1-، 2-، 3-بیک) کے درمیان درجہ بندی کی درستگی تقریباً 100% کے قریب تھی۔ 1- بمقابلہ 2-بیک کے لئے بہترین درجہ بندی کی درستگی 80% تھی، اور 1- بمقابلہ 3-بیک 84% تھی۔ یہ مطالعہ اشارہ کرتا ہے کہ وائرلیس حاصل کرنے کا نظام اور جدید ڈیٹا تجزیات اور پیٹرن کی شناخت کی تکنیکیں واقعی وقت کی نگرانی اور جدید سماج میں انسانی ذہنی بوجھ کی سطحوں کی شناخت کے لئے امید افزا ہیں۔پوری رپورٹ پڑھنے کے لئے یہاں کلک کریں

انسانی-مشین نظام، آئی ای ای ای، 2015

خلاصہ

ذہنی بوجھ کی جانچ کے لئے فزیولوجیکل پیمائشوں، خاص طور پر EEG (الیکٹرو اینسیفالوگرافی) سگنلز کا استعمال ایک فعال میدان ہے۔ حال ہی میں، EEG اور دیگر فزیولوجیکل سگنلز کی پیمائش کرنے کے لئے کئی وائرلیس حاصل کرنے کے نظام دستیاب ہوئے ہیں۔ کچھ مطالعات نے علمی بوجھ کا اندازہ لگانے اور ان کی کارکردگی کا جائزہ لینے کے لئے ایسے وائرلیس نظام کا اطلاق کیا ہے۔ یہ مقالہ ایک شہرت یافتہ وائرلیس نظام (EMOTIV EPOC ہیڈسیٹ) کا مطالعہ کرنے کا ابتدائی قدم پیش کرتا ہے تاکہ ایک معروف این-بیک کام میں میموری بوجھ کی سطحوں کا اندازہ لگایا جا سکے۔ ہم نے ایک سگنل پراسیسنگ اور درجہ بندی کا فریم ورک تیار کیا، جس نے ایک خودکار آرٹیفیکٹ ہٹانے کا الگوردم، وسیع فیچر استخراجی تکنیکیں، ایک ذاتی ماپنے کا طریقہ، معلومات نظریہ پر مبنی فیچر انتخاب کی حامل طریقہ، اور قربت کی حمایت کرنے والی مشین کے درجہ بندی کے ماڈل کو شامل کیا۔ تجرباتی نتائج نے ظاہر کیا کہ وائرلیس طور پر جمع کیے گئے EEG سگنلز کو نو شراکت داروں کے لئے مختلف میموری بوجھ کی سطحوں کی درجہ بندی کے لئے استعمال کیا جا سکتا ہے۔ سب سے نچلی بوجھ کی سطح (0-بیک) اور فعالی بوجھ کی سطحوں (1-، 2-، 3-بیک) کے درمیان درجہ بندی کی درستگی تقریباً 100% کے قریب تھی۔ 1- بمقابلہ 2-بیک کے لئے بہترین درجہ بندی کی درستگی 80% تھی، اور 1- بمقابلہ 3-بیک 84% تھی۔ یہ مطالعہ اشارہ کرتا ہے کہ وائرلیس حاصل کرنے کا نظام اور جدید ڈیٹا تجزیات اور پیٹرن کی شناخت کی تکنیکیں واقعی وقت کی نگرانی اور جدید سماج میں انسانی ذہنی بوجھ کی سطحوں کی شناخت کے لئے امید افزا ہیں۔پوری رپورٹ پڑھنے کے لئے یہاں کلک کریں

انسانی-مشین نظام، آئی ای ای ای، 2015

خلاصہ

ذہنی بوجھ کی جانچ کے لئے فزیولوجیکل پیمائشوں، خاص طور پر EEG (الیکٹرو اینسیفالوگرافی) سگنلز کا استعمال ایک فعال میدان ہے۔ حال ہی میں، EEG اور دیگر فزیولوجیکل سگنلز کی پیمائش کرنے کے لئے کئی وائرلیس حاصل کرنے کے نظام دستیاب ہوئے ہیں۔ کچھ مطالعات نے علمی بوجھ کا اندازہ لگانے اور ان کی کارکردگی کا جائزہ لینے کے لئے ایسے وائرلیس نظام کا اطلاق کیا ہے۔ یہ مقالہ ایک شہرت یافتہ وائرلیس نظام (EMOTIV EPOC ہیڈسیٹ) کا مطالعہ کرنے کا ابتدائی قدم پیش کرتا ہے تاکہ ایک معروف این-بیک کام میں میموری بوجھ کی سطحوں کا اندازہ لگایا جا سکے۔ ہم نے ایک سگنل پراسیسنگ اور درجہ بندی کا فریم ورک تیار کیا، جس نے ایک خودکار آرٹیفیکٹ ہٹانے کا الگوردم، وسیع فیچر استخراجی تکنیکیں، ایک ذاتی ماپنے کا طریقہ، معلومات نظریہ پر مبنی فیچر انتخاب کی حامل طریقہ، اور قربت کی حمایت کرنے والی مشین کے درجہ بندی کے ماڈل کو شامل کیا۔ تجرباتی نتائج نے ظاہر کیا کہ وائرلیس طور پر جمع کیے گئے EEG سگنلز کو نو شراکت داروں کے لئے مختلف میموری بوجھ کی سطحوں کی درجہ بندی کے لئے استعمال کیا جا سکتا ہے۔ سب سے نچلی بوجھ کی سطح (0-بیک) اور فعالی بوجھ کی سطحوں (1-، 2-، 3-بیک) کے درمیان درجہ بندی کی درستگی تقریباً 100% کے قریب تھی۔ 1- بمقابلہ 2-بیک کے لئے بہترین درجہ بندی کی درستگی 80% تھی، اور 1- بمقابلہ 3-بیک 84% تھی۔ یہ مطالعہ اشارہ کرتا ہے کہ وائرلیس حاصل کرنے کا نظام اور جدید ڈیٹا تجزیات اور پیٹرن کی شناخت کی تکنیکیں واقعی وقت کی نگرانی اور جدید سماج میں انسانی ذہنی بوجھ کی سطحوں کی شناخت کے لئے امید افزا ہیں۔پوری رپورٹ پڑھنے کے لئے یہاں کلک کریں