دانلود مقاله ترجمه شده انتخاب فعال دیتا جهت طبقه بندی نوار مغزی تصویرسازی حرکتی – IEEE 2015

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

انتخاب فعال دیتا جهت طبقه بندی نوار مغزی تصویرسازی حرکتی

عنوان انگلیسی مقاله:

Active Data Selection for Motor Imagery EEG Classification

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار  ۲۰۱۵
تعداد صفحات مقاله انگلیسی  ۱۰صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی پزشکی
گرایش های مرتبط با این مقاله پردازش تصاویر پزشکی، بیوالکتریک
مجله یافته های در حوزه مهندسی پزشکی – Transactions on Biomedical Engineering
دانشگاه گروه مهندسی ارتباطات و کامپیوتر، موسسه فناوری توکیو، ژاپن
کلمات کلیدی رابط های مغز و ماشین، پردازش سیگنال با پراکندگی معلوم، تصویرسازی حرکتی، الکترانسفالوگرافی (نوار مغزی (EEG))
شناسه شاپا یا ISSN ISSN ۱۵۵۸-۲۵۳۱
رفرنس دارد
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۲۲صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
ترجمه ضمیمه ترجمه شده است
ترجمه پاورقی ترجمه شده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

چکیده

مقدمه

الگوی فضایی مشترک با توجه به قطری سازی مشترک

انتخاب آزمون با وزن های پراکنده برای ماتریس های کواریانس

پراکندگی ترقی تابع هزینه

کیفیت آزمون برآمده از قطری سازی مشترک تقریبی

روش بهینه سازی تسلسلی

نتایج تجربی

توصیف داده های EEG

تأیید پراکندگی در موقعیت مصنوعی

دسته بندی EEG دو کلاسه

بحث و نتیجه گیری


  • بخشی از ترجمه:

 

۵- بحث و نتیجه گیری

مهمترین کار این مقاله برقراری روش های جدید برای انتخاب یا رد آزمون ها است. یک ضریب وزنی به هر ماتریس کواریانس درون آزمونی برای اندازه گیری کیفیت آزمون تخصیص داده شد و یک مجموعه پراکنده از وزن ها با استفاده از مسأله بهینه سازی ℓ۱تعیین شد. آزمایش های تجربی جهت تأیید پراکندگی در یک موقعیت ساختگی نشان داد که آزمون ها، که در آنها باقیمانده ها به دست آمده توسط قطری سازی مشترک بزرگ بودند، متناظر به آزمون های کم کیفیت هستند. مطابق انتظار، تنها آزمون های غیر ایستا (که بنا به فرض آزمونهای کم کیفیت بودند) با مقدار (تقریبا) صفر وزن دهی شدند و دیگر آزمون ها به طور یکنواخت وزن دهی شدن که در جدول یک قابل مشاهده است.

 


  • بخشی از مقاله انگلیسی:

 

V. DISCUSSION AND CONCLUSION

The main contribution of this paper was to establish new methods for selecting or rejecting trials. A weight coefficient was assigned to each within-trial covariance matrix to measure the quality of the trial, and a sparse set of weights was determined by the ℓ۱ optimization problem. The experiments to confirm sparsity in an artificial situation have shown that the trials, where the residues yielded by joint diagonalization were large, correspond to the low-quality trials. As expected, only non-stationary trials (assumed to be low-quality trials) were weighted with (almost) zero, and the others were quite uniquely weighted, as shown in Table. I.

 


 

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

انتخاب فعال دیتا جهت طبقه بندی نوار مغزی تصویرسازی حرکتی

عنوان انگلیسی مقاله:

Active Data Selection for Motor Imagery EEG Classification

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

 

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا