Dissertação

Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia

The complexity of mental fatigue signals in healthy people is due to the absence of specific perturbations in the electroencephalographic activity, and by the singularity and variability of the cognitive profile of each individual. Identifying this mental state requires the analysis of several facto...

ver descrição completa

Autor principal: FERREIRA, Mylena Nazaré Medeiros dos Reis
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Pará 2019
Assuntos:
Redes neurais auto-associativas
Classificacao de fadiga mental
Sinais EEG
Pre-processamento de Sinal
Estruturas competitivas
Eletroencefalografia
Associative neural network
Classification of mental fatigue
Cognitive perfomance
Electroencephalography
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
Acesso em linha: http://repositorio.ufpa.br/jspui/handle/2011/10648
id ir-2011-10648
recordtype dspace
spelling ir-2011-106482025-02-24T14:28:43Z Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia Competitive structure of self-learning neural networks to classify mental fatigue through electroencephalography signals FERREIRA, Mylena Nazaré Medeiros dos Reis CASTRO, Adriana Rosa Garcez http://lattes.cnpq.br/5273686389382860 Redes neurais auto-associativas Classificacao de fadiga mental Sinais EEG Pre-processamento de Sinal Estruturas competitivas Eletroencefalografia Associative neural network Classification of mental fatigue Cognitive perfomance Electroencephalography CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA INTELIGÊNCIA COMPUTACIONAL COMPUTAÇÃO APLICADA The complexity of mental fatigue signals in healthy people is due to the absence of specific perturbations in the electroencephalographic activity, and by the singularity and variability of the cognitive profile of each individual. Identifying this mental state requires the analysis of several factors that involve the brain behavior in its regions in various frequency bands. In concern to the industry, mental fatigue compromises the efficiency of the production chain by affecting the perception (concentration and attention) of people, which increases the risk of accidents and production costs. Thus, monitoring the cognitive condition is necessary for the maintenance of the productive and cognitive performance of the evaluated subject. This work proposes the classification of fatigue using a competitive structure of Associative Neural Networks. This type of neural network allows to find the association between the input data and the reconstructed data from a compact architecture, being indicated for real-time applications. The characteristics vector used for classification is composed of the normalized information of three frequency bands (theta, beta and alpha) and four metrics that, according to the literature, differentiate mental states from electroencephalographic data in terms of Power Spectral Density. The results show the capacity and usability of autoassociative neural networks in patterns classification. A complexidade da analise da fadiga mental em pessoas saudaveis e evidenciada pela ausencia de perturbacoes especificas no sinal eletroencefalografico e pela singularidade e variabilidade do perfil cognitivo de cada individuo. Identificar esse tipo de estado mental requer a analise de diversos fatores que envolvem o comportamento das regioes cerebrais em diversas faixas de frequencia. No contexto da industria, a fadiga mental compromete a eficiencia da cadeia produtiva ao afetar a percepcao (concentracao e atencao) dos individuos, o que aumenta o risco de acidentes e os custos de producao. Desta forma, o monitoramento da condicao cognitiva faz-se necessario para a manutencao do desempenho produtivo e cognitivo do individuo avaliado. Dentro deste contexto, este trabalho propoe um sistema para classificacao da fadiga mental baseado em uma estrutura competitiva de Redes Neurais Autoassociativas e em sinais obtidos atraves de um eletroencefalografo. O vetor de caracteristicas usado como entrada para o sistema e composto pelas informacoes normalizadas de tres faixas de frequencias (teta, beta e alfa) e quatro metricas que, de acordo com a literatura, diferenciam estados mentais a partir dos dados eletroencefalograficos, em termos de densidade de energia espectral. Os resultados obtidos mostram a eficiencia do sistema proposto e a aplicabilidade das redes neurais autoassociativas para problemas de classificacao de padroes. 2019-02-19T14:00:35Z 2019-02-19T14:00:35Z 2018-12-21 Dissertação FERREIRA, Mylena Nazaré Medeiros dos Reis Ferreira. Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia. Orientadora: Adriana Rosa Garcez Castro. 2018. 53 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2018. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10648>. Acesso em:. http://repositorio.ufpa.br/jspui/handle/2011/10648 por Acesso Aberto application/pdf Universidade Federal do Pará Brasil Instituto de Tecnologia UFPA Programa de Pós-Graduação em Engenharia Elétrica 1 CD-ROM
institution Repositório Institucional - Universidade Federal do Pará
collection RI-UFPA
language por
topic Redes neurais auto-associativas
Classificacao de fadiga mental
Sinais EEG
Pre-processamento de Sinal
Estruturas competitivas
Eletroencefalografia
Associative neural network
Classification of mental fatigue
Cognitive perfomance
Electroencephalography
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
spellingShingle Redes neurais auto-associativas
Classificacao de fadiga mental
Sinais EEG
Pre-processamento de Sinal
Estruturas competitivas
Eletroencefalografia
Associative neural network
Classification of mental fatigue
Cognitive perfomance
Electroencephalography
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
FERREIRA, Mylena Nazaré Medeiros dos Reis
Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
topic_facet Redes neurais auto-associativas
Classificacao de fadiga mental
Sinais EEG
Pre-processamento de Sinal
Estruturas competitivas
Eletroencefalografia
Associative neural network
Classification of mental fatigue
Cognitive perfomance
Electroencephalography
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
description The complexity of mental fatigue signals in healthy people is due to the absence of specific perturbations in the electroencephalographic activity, and by the singularity and variability of the cognitive profile of each individual. Identifying this mental state requires the analysis of several factors that involve the brain behavior in its regions in various frequency bands. In concern to the industry, mental fatigue compromises the efficiency of the production chain by affecting the perception (concentration and attention) of people, which increases the risk of accidents and production costs. Thus, monitoring the cognitive condition is necessary for the maintenance of the productive and cognitive performance of the evaluated subject. This work proposes the classification of fatigue using a competitive structure of Associative Neural Networks. This type of neural network allows to find the association between the input data and the reconstructed data from a compact architecture, being indicated for real-time applications. The characteristics vector used for classification is composed of the normalized information of three frequency bands (theta, beta and alpha) and four metrics that, according to the literature, differentiate mental states from electroencephalographic data in terms of Power Spectral Density. The results show the capacity and usability of autoassociative neural networks in patterns classification.
author_additional CASTRO, Adriana Rosa Garcez
author_additionalStr CASTRO, Adriana Rosa Garcez
format Dissertação
author FERREIRA, Mylena Nazaré Medeiros dos Reis
title Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
title_short Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
title_full Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
title_fullStr Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
title_full_unstemmed Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
title_sort estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia
publisher Universidade Federal do Pará
publishDate 2019
url http://repositorio.ufpa.br/jspui/handle/2011/10648
_version_ 1832602579228426240
score 11.755432

Registros relacionados