روش یادگیری گروهی چند‌‌وجهی برای کدگشایی اشیاء دیداری از دادگان fMRI مغزی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 روش یادگیری گروهی چند‌‌وجهی برای کدگشایی اشیاء دیداری از دادگان fMRI مغزی دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد روش یادگیری گروهی چند‌‌وجهی برای کدگشایی اشیاء دیداری از دادگان fMRI مغزی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی روش یادگیری گروهی چند‌‌وجهی برای کدگشایی اشیاء دیداری از دادگان fMRI مغزی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن روش یادگیری گروهی چند‌‌وجهی برای کدگشایی اشیاء دیداری از دادگان fMRI مغزی :

با توجه به گسترش روزافزون پژوهش‌های علوم شناختی، کدگشایی مغز انسان یک موضوع داغ در حوزه علوم عصب‎شناسی محاسباتی است. در این راستا پژوهش‌های متعددی جهت ارائه روشی کارا و مؤثر برای کدگشایی فعالیت مغز انسان با پردازش دادگان fMRI در حال انجام است. خروجی این روش‎ها به‌طورعمومی معطوف به ارائه یک مدل محاسباتی تعمیم‎یافته است که امکان تشخیص سیگنال مغزی و تعلق آن به عامل محرک (شیء دیداری) را ارائه می‎دهد. دادگان مغزی دارای ابعاد زمانی و فضایی زیادی هستند که سبب افزایش تعداد ویژگی‌ها نیز می‌شود. همچنین استخراج ویژگی‎های مفید از تصاویر مغزی مانند fMRI کاری پیچیده است. این امر سبب طولانی‌شدن عمل هم‌گرایی در الگوریتم‎های یادگیری برای ایجاد مدل مناسب می‌شود؛ با توجه به چالش‌های یادشده، روش‌های یادگیری گروهی چندوجهی یک پیشنهاد مناسب برای حل مسأله کدگشایی مغز محسوب می‌شود که تلفیقی مناسب بین ویژگی‎های عملکردی متفاوت در دادگان مغزی ایجاد می‌کند. در روش پیشنهادی داده‌های آموزشی بر اساس اطلاعات متقابل در فضای ویژگی خوشه‌بندی می‌شوند، به‌صورتی که فضای ویژگی به چند وجه تفکیک می‌شود؛ سپس روی هر وجهِ ویژگی یک مدل ماشین بردار پشتیبان به‌صورت موازی آموزش داده می‌شود. در مرحله آزمون، فضای ویژگی دادگان آزمون نیز به‌صورت مشابه دادگان آموزش تقسیم می‌شود؛ و هر بردار ویژگی به مدل مربوطه تخصیص داده خواهد شد. از هر مدل یک بردار احتمالاتی تولید می‌شود و با هم‌جوشی این بردارها ماتریس پروفایل تصمیم‌گیری ساخته خواهد شد؛ درنهایت عملگرهای وزن‌دار مرتب‌شده اعمال می‌‌شود. جهت بررسی کارایی رویکرد پیشنهادی از رویکرد اعتبار سنجی متقابل با سناریوی درون فردی استفاده ‌شده است. معیارهایی مانند صحت و ماتریسِ درهم‌ریختگی برای ارزیابی مدل، به‌کار برده شده است. با بررسی عملکرد مدل بر روی هر وجه ویژگی، می‌توان دقت دسته‎بندی با میانگین بیش از ۵۰% را به‌دست آورد؛ اما در مدل گروهی نظارتی متوسط صحت تشخیص به بیش از ۹۰ درصد می‌رسد.