Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/26648| Назва: | Розробка нейроінтерфейсу між мозком людини і зовнішніми системами |
| Інші назви: | Development of the neural interface between the human brain and external systems |
| Автори: | Доскоч, Віталій Степанович Пастух, Олег Анатолійович |
| Приналежність: | Тернопільський національний технічний університет імені Івана Пулюя |
| Бібліографічний опис: | Доскоч В.С. Назва : автореферат дипломної роботи магістра за спеціальністю „121 — інженерія програмного забезпечення“/ В.С. Доскоч. — Тернопіль: ТНТУ, 2018 РІК. — 7 с. |
| Дата публікації: | 16-гру-2018 |
| Дата подання: | 15-гру-2018 |
| Дата внесення: | 24-гру-2018 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопільський національний технічний університет імені Івана Пулюя |
| Шифр та назва спеціальності: | 121 - Інженерія програмного забезпечення |
| Науковий керівник: | Пастух, Олег Анатолійович |
| УДК: | 004.4 |
| Теми: | 121 інженерія програмного забезпечення |
| Діапазон сторінок: | 7 |
| Короткий огляд (реферат): | Розробка нейроінтерфейсу між мозком людини і зовнішніми системами // Магістерська робота // Доскоч Віталій Степанович // Тернопільський національний технічний університет імені Івана Пулюя, факультет комп'ютерно-інформаційних систем та програмної інженерії, кафедра програмної інженерії, група СПм-61 // Тернопіль 2018 // Сторінок − 108, рис. − 26, табл. − 4, бібліографічних джерел − 16, додатків − 6. Метою дипломної роботи є розробка нейроінтерфейсу між мозком людини і зовнішніми системами на основі класифікації станів людини методами машинного навчання за даними з її електроенцефалограми, а також визначення оптимального класифікатора для вирішення цієї задачі серед таких класифікаторів бібліотеки scikit-learn: MLPClassifier, GradientBoostingClassifier, RandomForestClassifier, AdaBoostClassifier. Об'єктом дослідження є використання методів машинного навчання для класифікації станів людини на основі даних з електроенцефалограми людини. Методи та програмні засоби, використані при виконанні роботи: мова програмування Python, середовище розробки PyCharm, платформа Anaconda. Результатом роботи є натренована модель на основі багатошарового перцептрона, яка під час тестування змогла розпізнати стани людини із точністю 92%. Ключові слова: НЕЙРОІНТЕРФЕЙС, ЕЛЕКТРОЕНЦЕФАЛОГРАМА, ANACONDA, SCIKIT-LEARN, DATASET, DATAFRAME, F-СТАТИСТИКА, МАТРИЦЯ НЕТОЧНОСТЕЙ, КЛАСИФІКАТОР, MULTILAYER PERCEPTRON, GRADIENT BOOSTING, RANDOM FOREST, ADABOOST. |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/26648 |
| Власник авторського права: | @Доскоч В.С. @Пастух О.А. |
| Тип вмісту: | Thesis Abstract |
| Розташовується у зібраннях: | 121 — інженерія програмного забезпечення |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Автореферат.odt | 24,05 kB | OpenDocument Text | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора