در سال‌های اخیر، روش‌های زیادی تلاش به بررسی میزان خستگی ذهنی با معیارهای متفاوتی کرده‌اند. این روش‌ها مقیاس‌های متفاوتی را برای این کار از جمله عملکرد و اندازه گیری‌های مبتنی بر الکتروفیزیولوژیک به کار گرفته‌اند. در میان این ابزار‌ها به نظر می رسد که الکتروانسفالوگرام (EEG) بهتر و دقیق تر از دیگر ابزارها عمل می کند. با این حال، بیشتر یافته های تحقیقاتی انجام شده در مورد تغییرات EEG در رابطه با خستگی دارای محدودیت‌های متفاوت و همچنین گاهی اوقات نتایج متناقض هستند. در نتیجه برای تشخیص بهتر خستگی از روی سیگنال EEG نیاز به به بررسی بیشتر آن می باشد. بیشتر این روش‌ها دارای بعد ویژگی استخراج شده بالا هستند و در نتیجه برای کاهش این بعد و همچنین افزایش دقت نیاز به روش‌های کاهش بعد دارند. همچنین صحت این روش‌ها به روش کاهش بعد استفاده شده و تعداد ویژگی‌های استفاده شده در آن‌ها بستگی دارد. علاوه بر این، این روش‌ها بیشتر به بررسی خستگی ذهنی در چند حالت محدود پرداخته‌اند. در نتیجه ما برای افزایش سرعت و دقت بررسی خستگی ذهنی در اینجا به بررسی اثر خستگی بر قدرت و مکان منابع مغزی پرداخته‌ایم. با کمک این روش سعی در کاهش پیچیدگی محاسباتی روش‌های پیشین شده است. همچنین ما به بررسی پیوسته خستگی ذهنی نیز پرداخته‌ایم. علاوه بر این، در این پایان نامه هم از سیگنال های واقعی ثبت شده از افراد مختلف و هم از سیگنال شبیه سازی شده برای نشان دادن درستی روش پیشنهادی استفاده شده است و ما نشان دادیم که این روش بهتر از روش‌های قبلی عمل می کند.

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر گرایش هوش مصنوعی با عنوان : استخراج ویژگی مناسب برای تشخیص سیگنال­های حرکات ارادی EEG

دانلود متن کامل پایان نامه با فرمت ورد پایان نامه مقطع کارشناسی ارشد رشته کامپیوتر

متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق با عنوان : آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته زمین شناسی  گرایش : اقتصادی عنوان : استفاده از داده­ های استر در تحلیل ارتباط