نتایج جستجو برای: طبقه بندی سیگنال

تعداد نتایج: 75874  

پایان نامه :دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده برق 1391

صرع، علامت کلینیکی فعالیت بیش از حد و بسیار همزمان نورون ها در قشر مغزی است که با تخلیه الکتریکی غیر طبیعی در بخشی از مغز همراه است. این بیماری به عنوان دومین اختلال مهم مغزی پس از سکته شناخته شده است. 1 تا 3 درصد مردم دنیا دچار این ضایعه مغزی هستند که بیماری 25% این افراد از طریق روش های موجود قابل درمان نیست. سیگنال eeg در اثر تخلیه همزمان نورون های مغز ایجاد شده و به هنگام حمله صرع دچار تغیی...

هدف این مقاله طبقه بندی سیگنال های الکتروانسفالوگرام به دو دسته صرعی و سالم می باشد. برای دستیابی به بالاترین دقت، از تکنیک های مختلف استفاده شده است. روش های تبدیل موجک و تجزیه حالت تجربی برای استخراج ویژگی های مورد نظر از این سیگنال ها به کار رفته است. این دو روش از لحاظ تاثیر در فرآیند طبقه بندی با یکدیگر مقایسه شده اند. جهت کاهش ابعاد فضای ویژگی، روش های تحلیل اجزای مستقل و اصلی مورد استفاد...

هدف این مقاله طبقه بندی سیگنال های الکتروانسفالوگرام به دو دسته صرعی و سالم می باشد. برای دستیابی به بالاترین دقت، از تکنیک های مختلف استفاده شده است. روش های تبدیل موجک و تجزیه حالت تجربی برای استخراج ویژگی های مورد نظر از این سیگنال ها به کار رفته است. این دو روش از لحاظ تاثیر در فرآیند طبقه بندی با یکدیگر مقایسه شده اند. جهت کاهش ابعاد فضای ویژگی، روش های تحلیل اجزای مستقل و اصلی مورد استفاد...

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

چکیده: EEGیکی از مهمترین و رایجترین مراجع برای مطالعه عملکرد مغز واختلالات نورولوژیک است. به همین دلیل، تشخیص تغییرات EEG توسط سیستم‌های خودکار، موضوعی است که برای سال‌های متوالی تحت مطالعه است.از آنجا که در هر سیستم دسته بندی، صحت تصمیم گیری از اهمیت ویژه ای برخوردار است، لذا نیازمند وجود روش های طبقه بندی بهتر برای سیگنال مغزی هستیم. در این تحقیق، به دنبال ارائه یک سیستم هوشمند مرکب برای بهبو...

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخر...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی کامپیوتر 1385

مغز از پیچیده ترین ارگان های موجود در طبیعت است. مطالعه و بررسی عملکرد مغز یکی از موضوعات مهم و مورد علاقه محققان بوده و می باشد. در این میان کنترل فضای پیرامون با استفاده از سیگنال های الکتروانسفالوگرام (eeg)، یکی از موضوعات جدید مورد بررسی گروه های تحقیقاتی است که تحت عنوان واسط مغز-کامپیوتر (brain computer interface) شناخته شده است. در این سیستم ها هدف، کنترل محیط اطراف افراد بدون استفاده از...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده برق و الکترونیک 1392

در جامعه ی مدرن امروزی که تمایل به داشتن عمر طولانی بیشتر شده است، مونیتورینگ علایم حیاتی نقشی بسیار مهم ایفا می کند. شخصی سازی مونیتورینگ علایم حیاتی برای هر فرد باعث می شود تا تغییرات فیزیولوژیکی ناشی از تفاوت های فردی و تغییرات محیطی نیز در نظر گرفته شود. بنابراین نیازمند آن هستیم که بتوانیم ویژگی های سیستم مونیتورینگ را متناسب با تفاوت های فردی و تغییرات محیط، تنظیم کنیم. در این پژوهش از شب...

ژورنال: :فصل نامه علمی پژوهشی مهندسی پزشکی زیستی 2007
کیانوش نظر پور احمدرضا شرافت سید محمد فیروزآبادی

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخر...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مکانیک 1393

در این پژوهش تشخیص نوع سوخت مصرفی موتور به وسیله هوشمند شبکه فازی عصبی(شبکه انفیس)با استفاده از سیگنال های ارتعاشی موتور وهمچنین آلاینده گیهای خروجی موتور بررسی شده است.این روش خیلی سریع بوده و نیاز به آزمایش های شیمیایی زمانبر وپیچیده نمی باشد.

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید