جمعه 31 فروردین 1403
| English
دوره 23، شماره 1 - ( بهار 1400 )
جلد 23 شماره 1 صفحات 84-73 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Jalalkamali H, Tajik A, Nezamabadi-Pour H. Classification of auditory event-related potentials in a time discrimination task based on the oddball paradigm. Advances in Cognitive Sciences 2021; 23 (1) :73-84
URL: http://icssjournal.ir/article-1-1179-fa.html
URL: http://icssjournal.ir/article-1-1179-fa.html
جلال کمالی هدی، تاجیک امیرحسین، نظام آبادی پور حسین. طبقه‌بندی پتانسیل‌های وابسته به رویداد شنیداری در یک تکلیف افتراق زمانی مبتنی بر پارادایم ادبال. تازه های علوم شناختی. 1400; 23 (1) :73-84
1- استادیار علوم اعصاب شناختی، گروه مهندسی کامپیوتر، مجتمع آموزش عالی زرند، زرند، ایران
2- دانشجوی کارشناسی ارشد مهندسی الکترونیک، دانشگاه شهید باهنر کرمان، کرمان، ایران
3- استاد مهندسی برق، بخش مهندسی برق، دانشگاه شهید باهنر کرمان، کرمان، ایران
2- دانشجوی کارشناسی ارشد مهندسی الکترونیک، دانشگاه شهید باهنر کرمان، کرمان، ایران
3- استاد مهندسی برق، بخش مهندسی برق، دانشگاه شهید باهنر کرمان، کرمان، ایران
چکیده: (3742 مشاهده)
مقدمه: با وجود بیش از یک سده مطالعات در زمینه چگونگی ادراک زمان توسط مغز انسان، پژوهش در مورد تشخیص الگوهای مربوط به ادراک زمان در سیگنال الکتروآنسفالوگرافی افراد نادر بوده است. هدف از این مطالعه تشخیص کوتاه یا بلند بودن بازه مورد قضاوت توسط یک فرد، بر اساس سیگنال الکتروآنسفالوگرافی وی بود.
روش کار: در یک تکلیف ادبال شنیداری، از آزمودنی‌‌‌ها خواسته شد که مدت زمانی محرک ادبال کوتاه (ms400) یا بلند (ms600) را با مدت ارائه محرک‌‌های استاندارد (ms500) پیش از آن مقایسه کنند. همزمان با ارائه تکلیف، الکتروآنسفالوگرافی افراد ثبت میشد. سپس نمونه‌های هدف (پتانسیل‌های مغزی برانگیخته شده توسط محرک ادبال ms400 یا ms600) و نمونه‌های غیر هدف (پتانسیل‌های مغزی برانگیخته شده توسط محرک استاندارد) به الگوریتم‌های طبقه‌بندی داده شد.
یافته‌ها: طبقه‌بند SVM با کرنل RBF توانست با بالاترین صحت طبقه بندی 25/94 درصد از میان طبقه‌بندهای درخت تصمیم‌گیری و شبکه عصبی پرسپترون چند لایه (MLP)، نمونه‌های مورد آزمایش هدف (بازه ms400) را از نمونه‌های غیر هدف (بازههای ms500 و ms600) تشخیص دهد. همچنین، این الگوریتم با صحت 98/93 درصد نمونه‌های هدف ms600 را از نمونه‌های غیر هدف (بازههای ms500 و ms400) تشخیص داد و در نهایت با صحت 95/87 درصد توانست نمونه‌های مربوط به بازههای ms400 را از ms600 و ms500 تشخیص دهد.
نتیجه‌گیری: یافته‌های این مطالعه نشان می‌دهد که یادگیری ماشین میتواند الگوهای مربوط به ادراک بازه کوتاه و بلند را بر اساس سیگنال الکتروانسفالوگرافی افراد، با دقت بالایی تشخیص دهد.
واژههای کلیدی:
روش کار: در یک تکلیف ادبال شنیداری، از آزمودنی‌‌‌ها خواسته شد که مدت زمانی محرک ادبال کوتاه (ms400) یا بلند (ms600) را با مدت ارائه محرک‌‌های استاندارد (ms500) پیش از آن مقایسه کنند. همزمان با ارائه تکلیف، الکتروآنسفالوگرافی افراد ثبت میشد. سپس نمونه‌های هدف (پتانسیل‌های مغزی برانگیخته شده توسط محرک ادبال ms400 یا ms600) و نمونه‌های غیر هدف (پتانسیل‌های مغزی برانگیخته شده توسط محرک استاندارد) به الگوریتم‌های طبقه‌بندی داده شد.
یافته‌ها: طبقه‌بند SVM با کرنل RBF توانست با بالاترین صحت طبقه بندی 25/94 درصد از میان طبقه‌بندهای درخت تصمیم‌گیری و شبکه عصبی پرسپترون چند لایه (MLP)، نمونه‌های مورد آزمایش هدف (بازه ms400) را از نمونه‌های غیر هدف (بازههای ms500 و ms600) تشخیص دهد. همچنین، این الگوریتم با صحت 98/93 درصد نمونه‌های هدف ms600 را از نمونه‌های غیر هدف (بازههای ms500 و ms400) تشخیص داد و در نهایت با صحت 95/87 درصد توانست نمونه‌های مربوط به بازههای ms400 را از ms600 و ms500 تشخیص دهد.
نتیجه‌گیری: یافته‌های این مطالعه نشان می‌دهد که یادگیری ماشین میتواند الگوهای مربوط به ادراک بازه کوتاه و بلند را بر اساس سیگنال الکتروانسفالوگرافی افراد، با دقت بالایی تشخیص دهد.
واژههای کلیدی:
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
علوم اعصاب شناختی
دریافت: 1399/6/15 | پذیرش: 1399/9/20 | انتشار: 1399/12/24
دریافت: 1399/6/15 | پذیرش: 1399/9/20 | انتشار: 1399/12/24
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
