| 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 |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 10صفحه 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 1558-2531 |
| 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 14 B Nazanin | 22صفحه |
| 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:
5- 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 ℓ1تعیین 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 ℓ1 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 |
|
|
خرید ترجمه فارسی مقاله با فرمت ورد