С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: Разработка алгоритмов машинного обучения для проектирования нейроинтерфейсов: выпускная квалификационная работа магистра: 09.04.01 - Информатика и вычислительная техника ; 09.04.01_17 - Интеллектуальные системы (международная образовательная программа на иностранном языке)
Авторы: Топчу Мухаммед Энес
Научный руководитель: Потехин Вячеслав Витальевич
Другие авторы: Киселева Людмила Анатольевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Нейронные сети; Интерфейсы; Искусственный интеллект; нейро-компьютерные интерфейсы; методы искусственного интеллекта; машинное обучение; метод глубокого обучения свёрточной нейронной сети
УДК: 004.382.032.26:004.5(043.3); 004.85(043.3)
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.04.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-1075
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Нейро-компьютерные интерфейсы и их приложения становятся все более популярными с годами. Исследования по этой теме обширны, и они связаны с методами искусственного интеллекта, что способствует повышению точности и надежности работы этих интерфейсов. Данная работа исследует проблемы классификации, связанной с нейро-компьютерными интерфейсами. Цель работы состоит в том, чтобы правильно классифицировать движения конечностей человека, а затем контролировать нужные устройства с помощью указанной классификации. Методы машинного обучения, такие как машины опорных векторов, линейная и логистическая регрессия и нейронные сети с прямой связью, сначала воспринимаются сигналам мозга из доступных онлайновых баз данных, а затем проверяются на программно-аппаратных реализациях. Наконец, метод глубокого обучения сверточной нейронной сети используется и сравнивается с традиционными упомянутыми методами машинного обучения. В целом, согласно полученным результатам в данной работе указывается, что методы машинного обучения все еще актуальны по сравнению с методами глубокого обучения в отношении нейро-компьютерных интерфейсов.

Brain computer interfaces and its applications are becoming more popular as the passing years. The research on the topic is vast and it is being entangled with artificial intelligence methods to improve accuracy and reliability of these interfaces. This thesis explores the classification problems related to the brain computer interfaces. The idea is to correctly classify limb movements of a human and then control the desired devices with said classification. The machine learning methods such as support vector machines, linear and logistic regression, and feed forward neural networks are first trained on brain signals from available online databases then secondly tested on software and hardware implementations. Finally, a deep learning method of convolutional neural network is used and compared against traditional said machine learning methods. Overall, the thesis proposes from results that machine learning methods are still viable versus deep learning methods in regards to brain computer interfaces.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • first_4_pages_2.pdf (p.1-4)
  • master_thesis_spb_final.pdf (p.5-100)

Статистика использования документа

stat Количество обращений: 63
За последние 30 дней: 0
Подробная статистика