Atena Editora

Este artigo apresenta a classificação

de sinais eletroencefalográficos (EEG) utilizando

redes neurais artificiais (RNA). Serão avaliados

os resultados obtidos nos testes de classificação

dos sinais de dois grupos de pacientes, um

grupo saudável e outro grupo com epilepsia. A

avaliação tem o intuito de auxiliar em diagnóstico

médico para a detecção de epilepsia e analisar

o desempenho dos classificadores neurais.

Para tal propósito foram implementados

dois algoritmos, máquina de aprendizado

extremo (ELM, Extreme Learning Machine) e

retropropagação (BP, Back-Propagation) para

o treinamento da RNA. Os sinais de entrada

são apresentados à rede com e sem a extração

prévia de características. O algoritmo ELM

mostrou um melhor desempenho em relação ao BP, alcançando 94,90% de acurácia no teste

em 0,0079 segundos de treinamento

Ler mais

DOI: 10.22533/at.ed.38419160117
Palavras-chave: redes neurais artificiais, máquina de aprendizado extremo, rede neural sem realimentação, retropropagação
Keywords: artificial neural networks, extreme learning machine, feedforward neural networks, back-propagation
Abstract:
This article presents the

classification of electroencephalographic signals

(EEG) using artificial neural networks (ANN).

They will be evaluated the results in grading

tests the signs of two groups of patients, a

healthy group and another group with epilepsy.

The evaluation is intended to assist in medical

diagnosis for epilepsy detection and analyze

the performance of neural classifiers. For this

purpose were implemented two algorithms,

extreme learning machine (ELM, extreme

learning machine) and back propagation (BP,

backpropagation) for training of RNA. The input

signals are presented to the network with or

without prior extraction characteristics. The ELM

algorithm showed better performance in relation

to BP, reaching 94.90% accuracy in test 0.0079

seconds training
Número de páginas: 15

Download

Artigo