چکیده مقاله
از دلایل مهم تصادفات جاده ای، میتوان به خواب آلودگی در هنگام رانندگی اشاره کرد به همین دلیل تشخیص باز یا بسته بودن چشم راننده یکی از عوامل مهم در کاهش آمار مرگ و میر جاده ای می باشد یکی از راه های تشخیص باز یا بسته بودن چشم استفاده از سیگنال های EEG میباشد سیگنالهای EEG از ثبت فعالیت های الکتریکی مغز انسان به دست می آید در این مقاله با استفاده از شبکه عصبی که بر روی سیگنال های EEG راننده پیاده سازی شده است باز یا بسته بودن چشم تشخیص داده می شود داده های سیگنال های EEG استفاده شده در این مقاله از 14 ویژگی تشکیل شده که بر روی جامعه آماری 600 نفر تشکیل شده است الگوریتم های مختلف شبکه عصبی جهت کلاسبندی این داده ها در دو کلاس باز یا بسته بودن چشم پیاده سازی شده اند که در این مقاله به بیان آنها پرداخته شده است شبکه عصبی پرسپترون و شبکه عصبی توابع پایه شعاعی RBF دو نوع شبکه استفاده شده در این مقاله می باشد همچنین جهت بهبود سرعت اجرایی و کاهش فضای اشغالی میکروکنترلر از روش الگوریتم ژنتیک جهت بهینه سازی تابع برازندگی نرخ تفکیک پذیری فیشر استفاده شده است که تابع بهینه سازی شده نتایج مطلوبی را در زمان و فضای اشغال شده کمتر ارایه میدهد
کلیدواژهها
نویسندگان
سپهر سرابی
گروه مهندسی پزشکی، دانشکده فنی و مهندسی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
میلاد اسدنژاد
گروه مهندسی پزشکی، دانشکده فنی و مهندسی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
سامان راجبی
گروه مهندسی پزشکی، دانشکده فنی و مهندسی، موسسه آموزش عالی سراج، تبریز، ایران
شیوه ارجاع
�رابی، سپهر و اسدنژاد، میلاد و راجبی، سامان،1399،به کارگیری شبکه عصبی در تشخیص خواب آلودگی با استفاده از سیگنالهای EEG و بهینه سازی در انتخاب ویژگی های آن به وسیله الگوریتم ژنتیک،هفتمین کنگره ملی تازه یافته های مهندسی برق ایران،تهران
ارائهشده در
مجموعه مقالات هفتمین کنگره ملی تازه یافته های مهندسی برق ایران20 خرداد 1399 · تهران