ترجمه فارسی مقاله ضبط فعالیت مغز هنگام گوش دادن به موسیقی با استفاده از دستگاه‌های EEG پوشیدنی همراه با شبکه‌های حافظه کوتاه‌مدت دو طرفه

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 Recording Brain Activity While Listening to Music Using Wearable EEG Devices Combined with Bidirectional Long Short-Term Memory Networks
عنوان مقاله به فارسی ضبط فعالیت مغز هنگام گوش دادن به موسیقی با استفاده از دستگاه‌های EEG پوشیدنی همراه با شبکه‌های حافظه کوتاه‌مدت دو طرفه
نویسندگان Jingyi Wang, Zhiqun Wang, Guiran Liu
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Human-Computer Interaction,Signal Processing,یادگیری ماشین , تعامل انسان و رایانه , پردازش سیگنال ,
توضیحات Submitted 22 August, 2024; originally announced August 2024. , Comments: 15 pages
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 15 صفحه
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

Electroencephalography (EEG) signals are crucial for investigating brain function and cognitive processes. This study aims to address the challenges of efficiently recording and analyzing high-dimensional EEG signals while listening to music to recognize emotional states. We propose a method combining Bidirectional Long Short-Term Memory (Bi-LSTM) networks with attention mechanisms for EEG signal processing. Using wearable EEG devices, we collected brain activity data from participants listening to music. The data was preprocessed, segmented, and Differential Entropy (DE) features were extracted. We then constructed and trained a Bi-LSTM model to enhance key feature extraction and improve emotion recognition accuracy. Experiments were conducted on the SEED and DEAP datasets. The Bi-LSTM-AttGW model achieved 98.28% accuracy on the SEED dataset and 92.46% on the DEAP dataset in multi-class emotion recognition tasks, significantly outperforming traditional models such as SVM and EEG-Net. This study demonstrates the effectiveness of combining Bi-LSTM with attention mechanisms, providing robust technical support for applications in brain-computer interfaces (BCI) and affective computing. Future work will focus on improving device design, incorporating multimodal data, and further enhancing emotion recognition accuracy, aiming to achieve practical applications in real-world scenarios.

چکیده به فارسی (ترجمه ماشینی)

سیگنال های الکتروانسفالوگرافی (EEG) برای بررسی عملکرد مغز و فرآیندهای شناختی بسیار مهم هستند.این مطالعه با هدف پرداختن به چالش های ضبط کارآمد و تجزیه و تحلیل سیگنال های EEG با ابعاد بالا هنگام گوش دادن به موسیقی برای تشخیص حالات عاطفی انجام شده است.ما روشی را برای ترکیب شبکه های حافظه کوتاه مدت دو طرفه (BI-LSTM) با مکانیسم های توجه برای پردازش سیگنال EEG پیشنهاد می کنیم.با استفاده از دستگاه های پوشیدنی EEG ، ما داده های فعالیت مغز را از شرکت کنندگان در حال گوش دادن به موسیقی جمع آوری کردیم.داده ها از پیش پردازش شده ، تقسیم بندی شده و آنتروپی دیفرانسیل (DE) استخراج شدند.ما سپس یک مدل BI-LSTM را برای تقویت استخراج ویژگی های کلیدی و بهبود دقت تشخیص احساسات ساختیم و آموزش دادیم.آزمایشات روی مجموعه داده های بذر و deap انجام شد.مدل BI-LSTM-ATTGW به دقت 98.28 ٪ در مجموعه داده بذر و 92.46 ٪ در مجموعه داده های DEAP در کارهای تشخیص احساسات چند طبقه ، به طور قابل توجهی از مدل های سنتی مانند SVM و EEG-NET استفاده کرد.این مطالعه اثربخشی ترکیب BI-LSTM با مکانیسم های توجه ، ارائه پشتیبانی فنی قوی برای کاربردهای در رابط های مغز و رایانه (BCI) و محاسبات عاطفی را نشان می دهد.کار آینده بر بهبود طراحی دستگاه ، ترکیب داده های چند حالته و افزایش بیشتر دقت تشخیص احساسات ، با هدف دستیابی به برنامه های عملی در سناریوهای دنیای واقعی متمرکز خواهد 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.