14091

بررسي مدل هاي هوش مصنوعي در طبقه بندي داده هاي تصوير سازي حركتي

1401

دكتر محمدضا جاهد مطلق

استفاده از مدل‌هاي هوش مصنوعي براي طبقه‌بندي داده‌هاي تصويرسازي حركتي نشانگر پيشرفت چشمگيري در فناوري‌هاي رابط مغز و كامپيوتر است. اين گزارش، كارايي انواع مدل‌هاي هوش مصنوعي در تفسير تصويرسازي حركتي را بررسي مي‌كند، كه شامل شبيه‌سازي شناختي حركت بدون اجراي فيزيكي است. چنين فناوري‌هايي در بهبود كاربردهايي از درمان‌هاي توانبخشي تا تعاملات پيچيده انسان و كامپيوتر نقش اساسي دارند. مرور جامع ما طيف وسيعي از رويكردهاي هوش مصنوعي را در بر مي‌گيرد، از مدل‌هاي آماري سنتي تا شبكه‌هاي عصبي پيشرفته مانند شبكه‌هاي عصبي كانولوشني و شبكه‌هاي عصبي بازگشتي، همراه با رويكردهاي نوين مانند يادگيري چندنمونه‌اي و يادگيري انتقالي. ما اين مدل‌ها را بر اساس معيارهاي عملكردي مختلفي مانند دقت، كارايي محاسباتي، نيازهاي داده و انعطاف‌پذيري پارامترهاي تنظيم ارزيابي مي‌كنيم. توجه ويژه‌اي به تكنيك‌هاي نوآورانه‌اي مانند تجزيه بسته‌هاي موجك و بهينه‌سازي گرگ خاكستري دودويي اصلاح‌شده شده است، كه قدرت بيشتري در طبقه‌بندي سيگنال نشان داده‌اند. همچنين اين گزارش به تبعات عملي اين پيشرفت‌ها در مدل‌هاي هوش مصنوعي، به‌ويژه تأثير آن‌ها بر كنترل پروتز، تقويت شناختي و سرگرمي مي‌پردازد و چشم‌اندازي به كاربردهاي بالقوه آن‌ها در سناريوهاي واقعي جهان ارائه مي‌دهد. علاوه بر اين، اين مطالعه با تأكيد بر توسعه مدل‌هاي سازگار و با كمترين نياز به كاليبراسيون كه با ويژگي‌هاي نوروفيزيولوژيكي فردي متناسب باشند مسيرهاي بالقوه براي تحقيقات آينده را ترسيم مي‌كند ، بنابراين مرزهاي پزشكي شخصي‌سازي‌شده و رابط مغز و كامپيوتر را گسترش مي‌دهد.

5/9/2024 12:00:00 AM

84769

1403/08/29

Investigating artificial intelligence models in motor imagery data classification

هوش مصنوعي , تصوير سازي حركتي , رابط مغز و كامپيوتر , يادگيري عميق , طبقه بندي سيگنال , تكنولوژي توانبخشي , شبكه‌هاي عصبي , مدل‌هاي يادگيري ماشين , علوم اعصاب محاسباتي , سيستم‌هاي سازگار

Artificial Intelligence , Motor Imagery , Brain-Computer Interface , Deep Learning , Signal Classification , Rehabilitation Technology , Neural Networks , Machine Learning Models , Computational Neuroscience , Adaptive Systems