مشخصات پژوهش

عنوان	طبقه بندی محرک های دیداری با بهره گیری از سیگنال های الکتروانسفالوگرافی و روش های یادگیری عمیق
نوع پژوهش	پایان نامه
کلیدواژه‌ها	یادگیری خودنظارتی، یادگیری عمیق، شناسایی تصویر، سیگنال الکتروانسفالوگرافی، رابط مغز و رایانه، طبقه بندی تصویر
چکیده	بازشناسی و بازسازی بازنمایی های دیداری از سیگنال های مغزی، به ویژه سیگنال های الکتروانسفالوگرافی، نه تنها یک مسئله علمی جذاب، بلکه ضرورتی کاربردی در حوزه هایی نظیر توان بخشی عصبی، واسط های مغز-رایانه، علوم اعصاب شناختی، و هوش مصنوعی انسان محور به شمار می رود [1]،[3]،[19]. تحلیل سیگنال های الکتروانسفالوگرافی به عنوان ابزار غیرتهاجمی و قابل حمل برای ثبت فعالیت های مغزی، امکان رمزگشایی محتوای ذهنی را در شرایط بلادرنگ فراهم می کند؛ با این حال، چالش هایی چون نویز بالا، ناهمگنی آزمودنی ها، و رزولوشن مکانی پایین، کار با آن را پیچیده ساخته است [2]،[4]،[11]. در سال های اخیر، پژوهش های متعددی نشان داده اند که می توان از سیگنال های الکتروانسفالوگرافی برای طبقه بندی یا بازسازی محتوای دیداری ذهنی بهره گرفت؛ چه در سطح بازشناسی طبقه بندی شده [5]،[6]،[22] و چه در سطح بازسازی تصویری با استفاده از مولدهای یادگیرنده [8]،[10]،[12]. با این حال، وابستگی اغلب مدل های موجود به محرک های خاص، ضعف تعمیم پذیری بین آزمودنی، و عملکرد ضعیف در شرایط واقعی، سبب شده اند این حوزه همچنان در مرحله پژوهشی باقی بماند. پژوهش حاضر با تمرکز بر رفع این چالش ها، و طراحی چارچوبی سبک، خودنظارتی و چندوظیفه ای، گامی در جهت تبدیل این توانمندی به ابزار علمی و کاربردی برمی دارد. پیشرفت در حوزه مدل های مولد مانند مدل های انتشار و شبکه های تولیدی مبتنی بر مکانیزم توجه، امکان بازسازی تصاویر باکیفیت از بازنمایی های کم اطلاع را فراهم کرده اند [9]،[10]،[11]. بهره گیری از این مدل ها در بازسازی تصویر از سیگنال های الکتروانسفالوگرافی، مستلزم استخراج بازنمایی های دقیق از سیگنال خام است؛ امری که بدون رمزگذارهای کارآمد و یادگیری خودنظارتی، به دشواری حاصل می شود. پژوهش هایی چون [13]،[14]،[19]،[29] نشان داده اند که استفاده از وظایف پیش متنی نظیر بازسازی سیگنال، پیش بینی بخش زمانی یا هم ترازی بین وجهی، در بهبود کیفیت بازنمایی های سیگنال های الکتروانسفالوگرافی نقش بسزایی دارد. علاوه بر این، رمزگشایی تصویر از سیگنال های الکتروانسفالوگرافی پاسخی عینی به این پرسش بنیادی در علوم اعصاب است که ذهن چگونه تصاویر را کد می کند. این فرآیند، فراتر از یک مسئله مهندسی، تلاشی برای مدل سازی شناخت دیداری انسان در قالب های محاسباتی است [3]،[25]. به
پژوهشگران	علی قاسمیان (دانشجو)، جلیل قویدل نیچران (استاد راهنمای اول)، اسماعیل نورانی (استاد مشاور)