M ngăN ron
Bngă7.4: Kết qu huấn luyệ nm ng khi có 2 lớp ẩn
Số nơron
lớp ẩn
Đ chính xác
Mở mắt Chớp mắt Liếc trái Liếc ph i
5 60% 72% 55% 57% 10 73% 98% 70% 80% 20 70% 87% 69% 80% 30 97% 80% 80% 85% 40 80% 97% 75% 60% 60 90% 97% 70% 60%
Với thử nghiệm sử d ng cấu trúc m ng có 2 lớp ẩn là làm sigmoid, ngõ ra là hàm tuyến tính. Trong thử nghiệm này, số l ng nơron lớp ẩn th nhất đ c chọn là 15, số l ng nơron lớp ẩn th 2 sẽ đ c thay đổi. T ơng tự nh tr ờng thử nghiệm trên, khi tăng số nơron lớp ẩn th 2, đ chính xác tăng lên. Từ b ng 7.4 ta thấy rằng với 25 nơron ở lớp ẩn th 2 đ chính xác trung bình cao nhất 93%.
B ngă7.4:Kết qu huấn luyện m ng khi có 2 lớp ẩnSố nơron Số nơron
lớp ẩn
Đ chính xác
Mở mắt Chớp mắt Liếc trái Liếc ph i
15*10 95% 95% 78% 85%
15*20 95% 90% 90% 85%
15*25 90% 97% 92% 95%
57 Kết luận: Với m ng truyền thẳng nhiều lớp có 1 lớp ẩn, khi số nơron lớp ẩn bằng 30 đ chính xác c a mở mắt, chớp mắt, liếc trái, liếc ph i t ơng ng là: 97%, 80%, 80% và 85%. Trong tr ờng h p m ng có 2 lớp ẩn (số nơron lớp ẩn 1 là 15, lớp ẩn 2 là 25) đ chính xác c a mở mắt, chớp mắt, liếc trái, liếc ph i t ơng ng là: 90%, 97%, 92% và 95%. Do đó m ng nơron truyền thẳng nhiều lớp gồm 2 lớp ẩn đ c sử d ng đ xác định các ho t đ ng c a mắt: chớp mắt, mở mắt, liếc trái và liếc ph i.
58
Ch ngă8
K TăLU NăVÀăH NGăPHỄTăTRI NăC AăĐ ăTÀI
8.1ăK tăLu n
Luận văn sử d ng thuật toán ng ỡng và m ng nơron truyền thẳng nhiều lớp đ nhận d ng các ho t đ ng c a mắt. Tín hiệu EEG thu thập đ c sẽ đ c đ a qua b lọc thông d i Hamming đ lo i bỏ nhi u và lọc lấy tín hiệu delta. Các đặc tính c a tín hiệu đ c trích xuất bởi các hệ số mô hình AR. M ng nơron truyền thẳng đ c sử d ng với ngõ vào là các hệ số AR có kh năng phân lo i đ t đ chính xác 94%. Bên c nh đó thuật toán ng ỡng cũng đ c sử d ng đ xác định các ho t đ ng c a mắt với đ chính xác đ t 87%. Với kết qu đ t đ c, chúng ta có th xác định tr ng thái c a mắt và số lần chớp mắt.
Kết qu đ t đ c:
- Tiến hành thu dữ liệu EEG sử d ng máy Active Two: mở mắt, chớp mắt, liếc trái và liếc ph i.
- Lo ibỏ nhi u và lọc lấy tín hiệu delta bằng b lọc thông d i Hamming - Tìm đ c giá trị ng ỡng đ xác định các ho t đ ng c a mắt.
- Xây dựng đ c m ng nơron đ nhận d ng các ho t đ ng c a mắt.
- ng d ng thuật toán ng ỡng đ xây dựng ng d ng mô phỏng điều khi n đèn, và xe lăn điện.
8.2ăH ngăPhátăTri năC aăĐ ăTƠi
Đề tài sử d ng ph ơng pháp xử lý dữ liệu offline nên h ớng nghiên c u tiếp theo c a đề tài là xây dựng hệ thống xử lý dữ liệu online. Bên c nh đó, các kết qu đ t đ c là cở sở đ nghiên c u h ớng điều khi n thiết bị theo suy nghĩ.
59
TÀIăLI UăTHAMăKH O
[1] Huỳnh Hoàng Thái, Hệ Thống Điều Khi n Thông Minh, NXB Đ i Học Quốc Gia TPHCM, 2006.
[2] Nguy n Thanh Nghĩa, “ ng D ng Wavelet Trong Xử Lý Tín Hiệu Nưo”, 2012 [3]. Georg E. Fabiani, Dennis J. McFarland, Jonathan R. Wolpaw, and Gert Pfurtscheller, Conversion of EEG Activity into cursor movement by a Brain-
computer interface, IEEE, transactions on neural systems and rehabilitation (adsbygoogle = window.adsbygoogle || []).push({});
engineering, vol. 12, no. 3, september 2004.
[4]. Christoph Guger, Werner Harkam, Carin Hertnaes, Gert Pfurtscheller,
Prosthetic Control by an EEG-based Brain-Computer Interface (BCI), Institute of
Biomedical Engineering, Department of Medical Informatics Ludwig-Boltzmann Institute for Medical Informatics and Neuroinformatics University of Technology Graz Inffeldgasse 16a, 8010 Graz, Austria.
[5]. R. Rojas, “Neural Networks”, Springer-Verlag, Berlin, 1996
[6]. Gelareh Mohammadi, Parisa Shoushtari, Behnam Molaee Ardekani and Mohammad B. Shamsollahi, “Person Identification by Using AR Model for EEG Signals”, World Academy of Science, Engineering and Technology 11 2005.
[7] Steve Winder, Analog And Digital Filter Design, second Edition, 2002.
[8] Kay, S.M., Marple, “Spectrum Analysis - A Modern Perspective", Proceeding IEEE. Vol. 69, No. 11, Nov. pp 1380 – 1417.
[9]. Alan V.Oppenheim, Ronald W.Schafer, John R.Buck, “Discrete – time Signal processing”, Prentice Hall Upper Saddle River Jersey 07458
[10]. ActiveTwo Operating Guidelines, Rev. 6, Printed: January 31, 2007
[11]. Abdulhamit Subasi, M. Kemal Kiymik, Ahmet Alkan, Etem Koklukaya, “NEURAL NETWORK CLASSIFICATION OF EEG SIGNALS BY USING AR
60 WITH MLE PREPROCESSING FOR EPILEPTIC SEIZURE DETECTION”,
Mathematical and Computational Applications, Vol. 10, No. 1, pp. 57-70, 2005.
[12] Robert Leeb, Hesam Sagha, Ricardo Chavarriaga and Jose del. R. Millan,
Multimodal Fusion of Muscle and Brain Signals for a Hybrid-BCI, 32nd Annual
International Conference of the IEEE EMBS Buenos Aires, Argentina, August 31 - September 4, 2010.
[13]. D. K. Ravish, S. Shenbaga Devi, “Automated Seizure Detection and Spectral Analysis of EEG Seizure Time Series”, European Journal of Scientific Research ISSN 1450-216X Vol.68 No.1 (2012), pp. 72-82.
[14]. Kazuo Tanaka, Kazuyuki Matsunaga, and Hua O. Wang,
Electroencephalogram-Based Control of an Electric Wheelchair, IEEE
TRANSACTIONS ON ROBOTICS, VOL. 21, NO. 4, AUGUST 2005
[15]. Jonathan R. Wolpaw, Dennis J. McFarland, Theresa M. Vaughan, and Gerwin Schalk, The Wadsworth Center Brain–Computer Interface (BCI) Research and
Development Program, IEEE TRANSACTIONS ON NEURAL SYSTEMS AND
REHABILITATION ENGINEERING, VOL. 11, NO. 2, JUNE 2003.
[16]. Dennis J. McFarland and Jonathan R. Wolpaw, EEG-Based Communication
and Control:Speed–Accuracy Relationships, Applied Psychophysiology and
Biofeedback, Vol. 28, No. 3, September 2003.
[17]. Yunyong Punsawad, Student Member, IEEE, Yodchanan Wongsawat,
Member, IEEE, and Manukid Parnichkun, Member, IEEE, Hybrid EEG-EOG
Brain-Computer Interface System for Practical Machine Control, 32nd Annual
International Conference of the IEEE EMBS Buenos Aires, Argentina, August 31 - September 4, 2010 (adsbygoogle = window.adsbygoogle || []).push({});
[18]. Tamura, H., M. Fuchigami, and A. Okada, "Neuro-NIRS: Analysis of Neural
61 [19]. Khoa, T. and M. Nakagawa, "Recognizing brain activities by functional near
infrared spectroscope signal analysis,". Nonlinear Biomedical Physics, 2008.
[20]. J.N. Mak and J.R. Wolpaw, “Clinical Applications of Brain Computer Interfaces: Current State and Future Prospects”, IEEE reviews in biomedical engineering, vol. 2, 2009, pp. 187-199.
[21]. H. G. Tan, K. H. Kong, C. Y. Shee, C. C. Wang, C. T. Guan and W. T. Ang, Post-Acute Stroke Patients Use Brain-Computer Interface to Activate Electrical Stimulation, 32nd Annual International Conference of the IEEE EMBS Buenos Aires, Argentina, August 31 - September 4, 2010.
[22]. H. G. Tan, K. H. Kong, C. Y. Shee, C. C. Wang, C. T. Guan and W. T. Ang,
“Post-Acute Stroke Patients Use Brain-Computer Interface to Activate Electrical
Stimulation”, 32nd Annual International Conference of the IEEE EMBS Buenos
Aires, Argentina, August 31 - September 4, 2010.
[23]. Carlos Escolano, Ander Ramos Murguialday, Tamara Matuz, Niels Birbaumer, and Javier Minguez, A Telepresence Robotic System operated with a P300-based Brain-Computer Interface: Initial Tests with ALS patients, 32nd Annual International Conference of the IEEE EMBS Buenos Aires, Argentina, August 31 - September 4, 2010.
[24] Zheng Yang Chin, Kai Keng Ang, Chuanchu Wang, Cuntai Guan, Online Performance Evaluation of Motor Imagery BCI with Augmented-Reality Virtual
Hand Feedback, 32nd Annual International Conference of the IEEE EMBS Buenos