[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
مدیریت دانشکده::
درباره دانشکده::
معرفی افراد::
امور آموزش ::
امور پژوهش::
اخبار دانشکده::
فضاهای آموزشی و تحقیقاتی::
تسهیلات پایگاه::
ارتباط با صنعت::
لینک های مفید::
تماس با ما::
گروه های دانشجویی::
::
مصاحبه تخصصی دکترای برق 98
98
..
مراکز تحقیقاتی و پزوهشی
مرکز تست و پایش ماشین های الکتریکی

مرکز تحقیقات نانوپترونیکس 

پژوهشکده سبز  

پژوهشکده الکترونیک 

آزمایشگاه تحقیقاتی الکترونیک قدرت 

قطب علمی اتوماسیون و بهره برداری از سیستمهای قدرت 

مجله مهندسی برق و الکترونیک 

پژوهشکده مهندسی و فناوری عصبی ایران  

آزمایشگاه تحقیقاتی آنتن 

مرکز مطالعات راهبردی وبین الملل فاوا

..
پیوند با سیستم های دانشگاه

AWT IMAGE
AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

AWT IMAGE

..
گواهینامه HSE
..
جستجو در پایگاه

جستجوی پیشرفته
..
نظرسنجی
کدام بخش از سایت دانشکده مهندسی برق بیشتر مورد استفاده شما قرار می گیرد؟
آموزش و اطلاعیه های آموزشی
پژوهش و اطلاعیه های پژوهشی
اطلاعات دانشکده و اساتید
اخبار
اکثر موارد موجود در سایت
   
..
نظرسنجی
ارزیابی شما از سایت دانشکده مهندسی برق چیست؟
اطلاعات ارائه شده در حد کفایت است.
اطلاعات ارائه شده مطلوب است ولی نیاز به اطلاعات بیشتر می باشد.
اطلاعات ارائه شده کافی نیست.
   
..
درج نظر
به نظر شما کمبودهای سایت دانشکده برق چیست و برای رفع آن ها چه اقداماتی باید انجام شود؟ برای درج نظر کلیک نمایید.
..
:: دفاعیه خانم متین اصغرپور ::
 | تاریخ ارسال: ۱۳۹۸/۷/۳ | 
چکیده واسط‌ های مغز کامپیوتر (BCIs) به دنبال ایجاد یک ارتباط مستقیم از مغز به کامپیوتر هستند، تا برای کاربردهایی مانند کنترل پروتز حرکتی، کنترل یک نشانگر بر روی مانیتور و ... استفاده شوند. از این رو، دقت رمزگشایی پارامترهای حرکتی از روی سیگنال‌های مغزی در BCI‌ها بسیار حیاتی است. فیلتر کالمن به‌طور معمول در سیستم‌های BCI برای رمزگشایی فعالیت‌های عصبی و تخمین پارامترهای سینتیکی و سینماتیکی استفاده می‌شود. برای استفاده از فیلتر کالمن، ماتریس‌های انتقال حالت، مشاهدات و همچنین کوواریانس‌های نویز فرآیند و اندازه‌گیری باید از پیش شناخته شده‌باشند. با این حال، در بسیاری از کاربردها این ماتریس‌ها از پیش تعیین شده نیستند. به‌طور معمول برای تخمین این پارامترها از روش‌های حداقل مربعات (OLS) و تخمین‌زننده‌ی کوواریانس ساده (SCM) استفاده می‌کنند. هدف ما این است که با تخمین بهتر پارامترهای ذکر شده، عملکرد رمزگشایی فیلتر کالمن در سیستم‌های BCI را بهبود بخشیم. در نتیجه یک فیلتر کالمن رگوله‌شده (RKF) را پیشنهاد می‌دهیم که با بهبود تخمین ماتریس انتقال حالت با استفاده از رگوله‌سازی معادله‌ی حالت و همچنین بهبود تخمین ماتریس ناشناخته‌ی کواریانس نویز اندازه‌گیری با استفاده از روش انقباض، دقت رمزگشایی را بهبود بخشیده است. عملکرد روش پیشنهادی بر روی دو مجموعهداده از پتانسیل میدان محلی قشر حرکتی میمون (با هدف تخمین پارامترهای سینتیکی در حین حرکت دست) و موش صحرایی (با هدف تخمین میزان نیروی وارد شده توسط دست به عنوان پارامتر سینماتیکی) بررسی شده‌است. نتایج رمزگشایی نشان می‌دهد که تغییرات اعمال‌شده منجر به بهبود رمزگشایی ( ۰.۲۵±۰.۰۰۵ برای مجموعه‌داده‌ی مربوط به نیرو و ۰.۰۰۵±۰.۰۹ برای مجموعه‌داده‌ی مربوط به حرکت؛ میانگین CC ± خطای استاندارد) و کاهش خطا (۰.۰۴۹±۱.۳۲ برای مجموعه‌داده‌ی مربوط به نیرو و ۰.۱۲±۰.۷۵ برای مجموعه‌داده‌ی مربوط به حرکت؛ میانگین NMSE ± خطای استاندارد) شده‌است. همچنین عملکرد روش پیشنهادی نسبت به روش‌های فیلتر کالمن استاندارد، فیلتر کالمن همراه با انتخاب ویژگی، روش رگرسیون حداقل مربعات جزئی (PLS) و رگرسیون ریج‌ از لحاظ آماری بهتر بوده‌است.
دفعات مشاهده: 135 بار   |   دفعات چاپ: 11 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر

کلیه حقوق مادی و معنوی این سایت متعلق به دانشکده مهندسی برق دانشگاه علم و صنعت ایران می باشد . نقل هرگونه مطلب با ذکر منبع بلامانع می باشد .
Persian site map - English site map - Created in 0.22 seconds with 54 queries by YEKTAWEB 4054