Reyhane

10- تشخيص نوزادان داراي درد توسط شبكه عصبي خودسازمان يافته (som) با بيشينه سازي اطلاعات دوطرفه

خلاصه مقاله:
در اين مقاله با بهبود الگوريتم som استاندارد توسط بيشينه سازي اطلاعات دوطرفه، نوزادان سالم از نوزادان داراي احساس درد با استخراج ويژگيهاي صوتي از سيگنالهاي گريه نوزاد، تفكيك مي شوند. شبكه هاي som استاندارد از معيار «برنده همه را مي گيرد» استفاده مي نمايد. اما در som بهبود يافته رقابت توسط بيشينه سازي اطلاعات دوطرفه بين الگوهاي ورودي و واحدهاي رقابتي تحقق مي يابد. خروجي واحدهاي رقابتي توسط تابع گوسي فاصلۀ بين الگوهاي ورودي و واحدهاي رقابتي محاسبه مي شود. ويژگي اين تابع گوسي اين است كه وقتي فاصله كوچكتر مي شود يك نرون به فعال شدن شديد گرايش مي يابد. مشاركت نيز توسط شمارش نرخ آتش نرونهاي همسايه تحقق مي يابد گريه نوزاد يك رفتار چندوجهي و پويا است كه برخلاف ظاهر بي نظم خود داراي اطلاعات زيادي در سيگنال صوتي خود مي باشد ضرايب كپسترال فركانسي مل (mfcc) بعنوان بردار ويژگي صوتي مربوط به نوزاد سالم و نوزاد داراي درد از روي سيگنال صوتي گريه نوزاد استخراج مي شود. با طبقه بندي گريه نوزادان داراي درد و نوزادان سالم، نشان مي دهيم كه بيشينه سازي اطلاعات دوطرفه مي تواند بهمراه فرايند مشاركت، somهاي واضحتري ايجاد كند، چون بطور متوسط واحدهاي رقابتي مجبور به استفاده به ميزان مساوي مي شوند.

كلمات كليدي:
نگاشت خودسازمان يافته(som) ، اطلاعات دوطرفه، گريه نوزاد، ضرايب كپسترال فركانسي مل (mfcc).

فايل ضميمه

ICBME16_034_315114.pdf (169.4 كيلو بايت, 352 نمايش)

__________________