ترجمه فارسی مقاله صفحه کلید واسط مجازی مغز-رایانه مبتنی بر حرکت داوطلبانه دست راست و چپ EEG با یادگیری ماشین و یک مدل هیبریدی دو جهته LSTM-GRU

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی EEG Right & Left Voluntary Hand Movement-based Virtual Brain-Computer Interfacing Keyboard with Machine Learning and a Hybrid Bi-Directional LSTM-GRU Model
عنوان مقاله به فارسی صفحه کلید واسط مجازی مغز-رایانه مبتنی بر حرکت داوطلبانه دست راست و چپ EEG با یادگیری ماشین و یک مدل هیبریدی دو جهته LSTM-GRU
نویسندگان Biplov Paneru, Bishwash Paneru, Sanjog Chhetri Sapkota
فرمت مقاله انگلیسی PDF
تعداد صفحات 42
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Human-Computer Interaction,Machine Learning,Neural and Evolutionary Computing,Neurons and Cognition,پردازش سیگنال , تعامل انسان و رایانه , یادگیری ماشین , محاسبات عصبی و تکاملی , نورون ها و شناخت ,
توضیحات Submitted 17 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 17 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This study focuses on EEG-based BMI for detecting voluntary keystrokes, aiming to develop a reliable brain-computer interface (BCI) to simulate and anticipate keystrokes, especially for individuals with motor impairments. The methodology includes extensive segmentation, event alignment, ERP plot analysis, and signal analysis. Different deep learning models are trained to classify EEG data into three categories -- `resting state' (0), `d' key press (1), and `l' key press (2). Real-time keypress simulation based on neural activity is enabled through integration with a tkinter-based graphical user interface. Feature engineering utilized ERP windows, and the SVC model achieved 90.42% accuracy in event classification. Additionally, deep learning models -- MLP (89% accuracy), Catboost (87.39% accuracy), KNN (72.59%), Gaussian Naive Bayes (79.21%), Logistic Regression (90.81% accuracy), and a novel Bi-Directional LSTM-GRU hybrid model (89% accuracy) -- were developed for BCI keyboard simulation. Finally, a GUI was created to predict and simulate keystrokes using the trained MLP model.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه بر BMI مبتنی بر EEG برای تشخیص کلیدهای داوطلبانه ، با هدف ایجاد یک رابط قابل اعتماد مغز-کامپیوتر (BCI) برای شبیه سازی و پیش بینی کلیدهای کلیدی ، به ویژه برای افراد دارای اختلال حرکتی متمرکز شده است.این روش شامل تقسیم بندی گسترده ، تراز رویداد ، تجزیه و تحلیل نقشه ERP و تجزیه و تحلیل سیگنال است.مدلهای مختلف یادگیری عمیق برای طبقه بندی داده های EEG به سه دسته - "حالت استراحت" (0) ، "D" مطبوعات کلید (1) و مطبوعات کلید "L" (2) آموزش داده می شوند.شبیه سازی KeyPress در زمان واقعی بر اساس فعالیت عصبی از طریق ادغام با یک رابط کاربری گرافیکی مبتنی بر Tkinter فعال می شود.مهندسی ویژگی از ویندوز ERP استفاده کرد و مدل SVC در طبقه بندی رویداد به دقت 90.42 ٪ رسید.علاوه بر این ، مدل های یادگیری عمیق-MLP (دقت 89 ٪) ، CatBoost (87.39 ٪ دقت) ، KNN (72.59 ٪) ، Bayes ساده لوح گاوسی (79.21 ٪) ، رگرسیون لجستیک (90.81 ٪ صحت) و یک LSTM رمان رمان رمانمدل ترکیبی -GRU (دقت 89 ٪) -برای شبیه سازی صفحه کلید BCI تهیه شده است.سرانجام ، یک رابط کاربری گرافیکی برای پیش بینی و شبیه سازی کلیدها با استفاده از مدل MLP آموزش دیده ایجاد شد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.