دانلود مقاله ISI انگلیسی شماره 46616
عنوان فارسی مقاله

پیش بینی پتانسیل الکتریکی برانگیخته در پروتز بصری عصبی نوری با استفاده از پشتیبانی رگرسیون بردار و پیش بینی مبتنی بر مورد

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46616 2015 15 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Predicting electrical evoked potential in optic nerve visual prostheses by using support vector regression and case-based prediction
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Information Sciences, Volume 290, 1 January 2015, Pages 7–21

کلمات کلیدی
پتانسیل برانگیخته الکتریکی ؛ پیش بینی سری های زمانی - ادغام ویژگی؛ پیش بینی مبتنی بر مورد ؛ رگرسیون بردار پشتیبان
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی پتانسیل الکتریکی برانگیخته در پروتز بصری عصبی نوری با استفاده از پشتیبانی رگرسیون بردار و پیش بینی مبتنی بر مورد

چکیده انگلیسی

Electrical evoked potential (EEP) forecasting is an intelligent time series prediction (TSP) activity to explore the temporal properties of electrically elicited responses of the visual cortex triggered by various electrical stimulations. Our previous studies used support vector regression (SVR) as a TSP predictor to forecast temporal EEP values. SVR shows high prediction performance but with high computation time for multivariable stimulation inputs in EEP prediction. To reduce the computational burden of SVR and further improve the performance, this paper utilizes technique of case-based prediction (CBP) to integrate the initial stimulation variables into an integrated stimulation value (ISV), and total four independent CBPs are used to achieve the stimulation feature integration. Then the temporal samples are extracted from transformed data to construct a new SVR regression model to perform the prediction activity. The new hybridizing system is named as CBSVR, which was also empirically tested with data collected from actual EEP electrophysiological experiments. Both 30-fold cross-validation method and adapted point predictive accuracy (PPA) index were used to compare the predictive performances between CBSVR, classical CBP approaches, single SVR model and other common TSP methods. Empirical comparison results show that CBSVR is feasible and validated for EEP prediction in visual prostheses research.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.