EUVIMEDEUVIMED entdecken
Crossref

Efektywność klasyfikacji mrugnięcia z wykorzystaniem wybranych sieci neuronowych

Krzysztof Galas

Studia i Materiały Informatyki Stosowanej · 10.07.2023

DOI: 10.34767/simis.2021.01.02 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Studia i Materiały Informatyki Stosowanej, erschienen am 10.07.2023. Verfasst von Krzysztof Galas.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Głównym celem badania było porównanie i wykazanie, która z przedstawionych typów sieci neuronowych najlepiej sklasyfikuje pobierany sygnał EEG mierzony przez headset Emotiv EPOC. Przedstawione sieci neuronowe są stosowane w szerokim zakresie przetwarzania danych. Została wybrana sieć splotowa oraz sieć Kohonena. Parametry sieci, takie jak ilość przejść danych uczących w jednej sesji uczącej zostały modyfikowane. Badanie uwzględnia stopień błędu klasyfikacji sygnału przez sieć oraz ilość czasu potrzebna do trening modelu. Wartością porównywalną jest stosunek czasu treningu do stopnia dokładności klasyfikacji. Otrzymane wyniki zostały przedstawione jako wykresy zależności w/w wartości do parametrów dotyczących uczenia modelu sieci.

Schlagwörter

EEG signalsartificial neural networksconvolutional neural networksKohonen neural networkEmotiv EPOC headsettraining durationclassification accuracy

Zitieren

APA

Galas, K. (2023). Efektywność klasyfikacji mrugnięcia z wykorzystaniem wybranych sieci neuronowych. Studia i Materiały Informatyki Stosowanej. https://doi.org/10.34767/simis.2021.01.02

Vancouver

Galas K. Efektywność klasyfikacji mrugnięcia z wykorzystaniem wybranych sieci neuronowych. Studia i Materiały Informatyki Stosowanej. 2023. doi:10.34767/simis.2021.01.02

BibTeX
@article{Galas2023,
  author = {Galas, Krzysztof},
  title = {Efektywność klasyfikacji mrugnięcia z wykorzystaniem wybranych sieci neuronowych},
  journal = {Studia i Materiały Informatyki Stosowanej},
  year = {2023},
  doi = {10.34767/simis.2021.01.02}
}
Kostenlos starten →