saite uz studijām
Progress neironu tīklos - ISNN 2016
Sērijas 9719 sējums Lekciju piezīmes datorzinātnē pp 66-73
Datums: 02 jūlijs 2016
- Veņijs Li
- , Ling Zou
- , Tiantong Džou
- , Changming Wang
- , Jiongru Džou
Anotācija
Pilnīgu galvas ādas elektroencefalogrāfijas (EEG) ierakstu parasti izmanto smadzeņu datoru saskarnes (BCI) lietojumos ar daudzkanālu elektrodu vāciņu. Dati ne tikai sniedz visaptverošu informāciju par lietojumprogrammu, bet arī ir neatbilstoša informācija un troksnis, kas apgrūtina šo modeļu atklāšanu. Šajā rakstā ir sniegts mūsu sākotnējais pētījums, lai izvēlētos optimālos kanālus interneta atkarības izpētei ar vizuālo „Oddball” paradigmu. Tika izmantots divpakāpju modelis, lai izvēlētos visatbilstošākos kanālus par uzdevumu no pilniem 64 kanālu kopumiem. Pirmkārt, katram objektam kanāli tika sakārtoti pēc jaudas spektra blīvuma (PSD) un Fisher koeficienta. Otrkārt, tika aprēķināts katra kanāla biežums starp dažādiem objektiem. Kanāli, kuru notikumi bija vairāk nekā divas reizes, bija optimāla kombinācija. Optimālie kanāli un citas kanālu salīdzināšanas kombinācijas (ieskaitot visus kanālus) tika izmantotas, lai nošķirtu mērķa stimulus un mērķa stimulus ar Fisher lineārās diskriminācijas analīzes metodi. Klasifikācijas rezultāti parādīja, ka kanālu izvēles metode ievērojami samazināja bagātīgos kanālus un garantēja klasifikācijas precizitāti, specifiskumu un jutīgumu. No rezultātiem var secināt, ka interneta atkarīgajiem trūkst uzmanības.
Atslēgvārdi
Kanālu izvēle Elektroencefalogramma (EEG) Interneta atkarība Oddball Jaudas spektra blīvuma Fisher lineārā diskriminācijas analīze
;
