NOTICE: Select all, right click by mouse, and press "right to left reading order" 

نام: احسان     نام خانوادگي: اربابی     شماره دانشجويي: 82202005

چکيده:
BCI یا رابط مغز-رایانه راهی را برای ارتباط مغزی فرد با دنیای خارج ارائه می‌دهد. در اصل در BCI با داشتن سیگنالهای مغزی یک فرد، که می‌تواند بصورتهای گوناگونی همچون EEG، ECoG یا MEG ثبت شده باشد، به تفسیر حالات و یا مقاصد ذهنی فرد مورد نظر پرداخته می‌شود. در این راه قسمت بزرگی از کار به پردازش سیگنالهای مغزی بر‌می‌گردد که در بسیاری از موارد می‌توان آن را به سه بخش 1) استخراج ویژگی، 2) کاهش ویژگی و 3) جداسازی و طبقه‌بندی سیگنالها بر پایه‌ی ویژگیهای مؤثر انتخاب شده دسته بندی کرد. در این پروژه هدف اصلی آن بوده است که با بررسی روشهای متفاوت و پر کاربرد در کاهش ویژگی برای رسیدن به ویژگیهای مؤثر از میان ویژگیهایی که معمولاً در BCI بکار می‌روند و نیز بررسی روشهای مختلف طبقه‌بندی و جداسازی سیگنال های مغزی به کشف میزان وابستگی و یا عدم وابستگی میان ویژگیهای مؤثر بکار رفته در روش‌های مختلف طبقه‌بندی سیگنالهای مغزی در BCI پرداخته شود. همچنین در این پروژه علاقه‌مند به یافتن طبقه‌بندی کننده‌ها و ویژگیهایی بوده‌ایم که عموماً در جداسازی سیگنالهای مغزی خود را مؤثرتر از دیگر طبقه‌بندی کننده‌ها و ویژگیها نشان داده‌اند. در پایان با انجام پردازش بر روی 10 سری داده‌ی مغزی به نتیجه‌‌هایی گوناگون در زمینه‌ی رابطه‌ی میان ویژگیهای مؤثر و طبقه‌بندی کننده‌ها در رابط مغز-رایانه رسیدیم. از جمله نتیجه‌های بدست آمده این است که بطور کلی یک هماهنگی و شباهت میان دسته ویژگیهای مؤثر یافته شده برای همه‌ی طبقه‌بندی کننده‌ها و برای مسائل مختلف BCI که مورد بررسی قرار گرفتند، دیده می‌شود. البته این شباهتهای کلی میان دسته ویژگیهای مؤثر؛ الزاماً برای تک تک ویژگیهای این دسته برقرار نیست، بدین معنی که هرچند ممکن است دسته ویژگیهای مؤثر یافته شده در همه‌ی آزمایشها ماهیت یکسانی داشته باشند ولی از نظر جزییات می‌توانند باهم کاملاً متفاوت باشند. در جای دیگر نیز به وابستگی داده‌ها به طبقه‌بندی کننده‌ها رسیدیم، بشکلی که جداسازی میان کارهایی که دو نفر متفاوت آنها را به شکلی یکسان انجام داده‌اند ممکن است با یک طبقه‌بندی کننده‌ی خاص برای یک نفر نتیجه‌ای خوب و برای دیگری نتیجه‌ای کاملا نامطلوب را بدهد. همچنین دیده شد که طبقه‌بندی کننده‌های ساده‌ای مانند طبقه‌بندی کننده‌ی بیز با فرض چگالی احتمال گوسی و ویژگیهای کلاسیک مانند انرژی باندهای مختلف فرکانسی و یا ویژگیهای آماری عموماً پاسخهای مناسب‌تری نسبت به دیگر ویژگیها و یا طبقه‌بندی کننده‌هایی که ظاهری پیچیده‌تر دارند، می‌دهند. در نهایت نیز یک الگوریتم خودکار و سیستماتیک برای طبقه‌بندی کردن ارائه و ارزیابی شد که نتیجه‌ی ارزیابی، کارایی بالای الگوریتم ارائه شده را نشان داد.

کلمات کلیدی:
رابط مغز-رایانه(BCI)، سیگنالهای مغزی، طبقه‌بندی کننده، ویژگیهای مؤثر، گزینش ویژگی