بهينه سازي جانمايي حسگر هاي ثبت سيگنال با استفاده از الگوريتم ژنتيك مبتني بر شبكه عصبي كانولوشني در فناوري هجي كننده مؤلفه P300

Optimization of Position of signal recording Sensors Using the Genetic Algorithm Based on the Convolutional Neural Network in P300 speller paradigm

يك چالش مهم در سيستم هاي هجي كننده مولفه P300، طبقه بندي نادرست كاراكترها مي باشد كه به علت تغيير پذيري سيگنال هاي مغزي و تشابه پاسخ هاي به دست آمده از يك كاراكتر، رخ مي دهد. اين محدوديت، اهميت هر چه بيشتر مرحله استخراج ويژگي را در كاربرد فوق، نشان مي دهد و اين در حالي است كه استخراج ويژگي هاي مناسب از سيگنال فوق، كار آساني نيست. از طرفي تمام نقاط مغز حامل اطلاعات مفيد از سيگنال P300 نمي باشند و با حذف الكترودهاي ضعيف تر مي توان دقت به دست آمده را به طرز قابل توجهي افزايش داد. در اين مقاله روشي جديد براي ارتقاي عملكرد سامانه هجي كننده، مبتني بر بهينه سازي انتخاب كانال هاي ثبت P300 پيشنهاد مي شود. در روش پيشنهادي، الگوريتم ژنتيك به منظور بهينه سازي كانال ها ارايه مي گردد كه به عنوان تابع هزينه از شبكه عصبي كانولوشني به عنوان يك روش يادگيري عميق كه در ورودي خود از داده خام تغذيه مي كند، استفاده مي نمايد. روش پيشنهادي بر روي مجموعه اي از دادگان EEG مربوط به سامانه هجي كننده P300 كه شامل 64 كانال مختلف از پاسخ به 29 كاراكتر متفاوت بوده اند، آزموده شده و عملكرد آن با عملكرد شبكه عصبي كانولوشني بدون بهينه سازي مقايسه مي گردد. مقايسه ها حاكي از آن هستند كه روش پيشنهادي اين مقاله قادر است با حصول 24 كانال بهينه از ميان 64 كانال موجود، دقت به دست آمده را به ميزان9/11 درصد نسبت به حالت بدون بهينه سازي ارتقا بخشد.