بررسی تاثیر پارامترهای شبکه های پیچیده بر دقت شناسایی انگشت نگاری مغزی با استفاده از PCA و الگوریتم ژنتیک

بررسی تاثیر پارامترهای شبکه های پیچیده بر دقت شناسایی انگشت نگاری مغزی با استفاده از PCA و الگوریتم ژنتیک

حمید آقاجان زاده1 سیده نفیسه ال محمد2 احسان خدنگی3 فاطمه کشاورز کوهجردی4

1) کارشناسی ارشد هوش مصنوعی دانشکده علوم پایه دانشگاه شاهد، تهران، ایران
2) استادیار گروه علوم کامپیوتر، دانشکده علوم پایه دانشگاه شاهد، تهران، ایران-
3) استادیار گروه علوم کامپیوتر، دانشکده فنی و مهندسی دانشگاه شاهد، تهران، ایران-
4) دانشیار گروه علوم کامپیوتر، دانشکده علوم پایه دانشگاه شاهد، تهران، ایران

کد IOI مقاله : XKBA-AZHZAZ
محل انتشار : سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
    این مقاله به بررسی تأثیر پارامترهای شبکه‌های پیچیده بر دقت شناسایی اثرانگشت مغزی با استفاده از داده های (EEG) الکتروانسفالوگرام با استفاده از تحلیل مؤلفه‌های اصلی (PCA) می‌پردازد. با توجه به اهمیت داده‌های EEG در تشخیص و تحلیل فعالیت‌های مغزی، هدف اصلی این مطالعه شناسایی و تحلیل تأثیرات مختلف پارامترهای شبکه، نظیر درجه و چگالی، بر دقت مدل‌های شناسایی است. ابتدا ویژگی‌های مرتبط با داده‌های EEG استخراج و با استفاده از PCA، ابعاد داده‌ها کاهش می‌یابد. سپس تأثیر پارامترهای مختلف شبکه‌های پیچیده و تاثیر این موارد برای تشخیص وسرعت بخشی در تایید یا عدم تایید انگشت نگاری مغزی مورد بررسی قرار میگیرد. نتایج حاصل نشان می‌دهد که تغییرات در پارامترهای شبکه به‌طور معناداری بر دقت شناسایی اثرانگشت مغزی تأثیرگذار است. این مطالعه می‌تواند راهکار های مناسبی برای بهره بری بیشتر در حوزه عملی سازی تکنولوژی های روز و استفاده از منحصر بودن داده ها و فرکانس های مغزی باشد.

کلمات کلیدی : اثرانگشت مغزی هوش مصنوعی شبکه های پیچیده eeg brain fingerprinting pca