طبقه بندی سیگنال های Eeg در تصور حرکتی به کمک شبکه های خودرمزنگار انباشته

تصور حرکتی (mi) بخشی از فعالیت مغز است که در آن انجام یک عمل یا یک حرکت شبیه سازی و طرح ریزی می شود. سیگنال هایی که از این بخش منتشر می شود امروزه قابل دریافت است و به کمک رابط های مغز و کامپیوتر (bci) کاربردهای متنوعی ظهور یافته اند. از جمله ساختن دست های مصنوعی، ویلچرهای هوشمند و بازی های رایانه ای کنترل شونده با ذهن. یکی از اصلی ترین مراحل mi و bci طبقه بندی سیگنال های دریافتی از مغز است که غالباً از نوع eeg می باشند. تاکنون روش های متعددی برای طبقه بندی این سیگنال ها معرفی شده، اما تاکنون از شبکه های خودرمزنگار انباشته (sae) برای این منظور استفاده نشده است. از این رو در این مقاله از شبکه های sae برای طبقه بندی سیگنال های eeg در mi استفاده شده است. نتایج به خوبی نشان می دهد که این روش در مقایسه با بسیاری از روش های گذشته دقت بالاتری در طبقه بندی سیگنال ها دارد