Wyniki wyszukiwania - BazTech

1

A comparative analysis of signal processing and classification methods for different applications based on EEG signals

Khosla Ashima, Khandnor Padmavati, Chand Trilok

Biocybernetics and Biomedical Engineering

|

2020

|

Vol. 40, no. 2

649--690

EN

Electroencephalogram (EEG) measures the neuronal activities in the form of electric currents that are generated due to the synchronized activity by a group of specialized pyramidal cells inside the brain. The study presents a brief comparison of various functional neuroimaging techniques, revealing the excellent neuroimaging capabilities of EEG signals such as high temporal resolution, inexpensiveness, portability, and non-invasiveness as compared to the other techniques such as positron emission tomography, magnetoencephalogram, func-tional magnetic resonance imaging, and transcranial magnetic stimulation. Different types of frequency bands associated with the brain signals are also being summarized. The main purpose of this literature survey is to cover the maximum possible applications of EEG signals based on computer-aided technologies, ranging from the diagnosis of various neurological disorders such as epilepsy, major depressive disorder, alcohol use disorder, and dementia to the monitoring of other applications such as motor imagery, identity authentication, emotion recognition, sleep stage classification, eye state detection, and drowsiness monitoring. After reviewing them, the comparative analysis of the publicly available EEG datasets and other local data acquisition methods, preprocessing techniques, feature extraction methods, and the result analysis through the classification models and statistical tests has been presented. Then the research gaps and future directions in the present studies have been summarized with the aim to inspire the readers to explore more opportunities on the current topic. Finally, the survey has been completed with the brief description about the studies exploring the fusion of brain signals from multiple modalities.

2

Wspomaganie decyzji wykonawcy o udziale w przetargu z wykorzystaniem liniowej analizy dyskryminacyjnej

Leśniak A.

Materiały Budowlane

|

2016

|

nr 6

97--98, 101

PL

Odpowiednia selekcja przetargów, do których startuje przedsiębiorstwo budowlane, jest ważna w aspekcie jego wyników finansowych oraz kreowania jego pozycji na rynku. Aby pomóc wykonawcy, opracowuje się modele wspomagające podejmowanie przez niego decyzji. W artykule zaproponowano model klasyfikacyjny, który generuje odpowiedź w formie zalecenia przystąpienia do przetargu bądź rezygnacji z udziału. Do budowy modelu wykorzystano liniową analizę dyskryminacyjną oraz bazę danych z 88 przetargów, w których brali udział wykonawcy uczestniczący w badaniach. Model osiągnął dobrą jakość działania i prawidłowo sklasyfikował 86,36% przypadków, a pole pod krzywą ROC (współczynnik AUC) wyniosło 0,92057. Świadczy to o możliwości wykorzystania go w praktyce.

EN

An appropriate selection of tenders in which a company wishes to participate is vital for the business’s market position. To enhance the decision making process and increase its effectiveness, models facilitating the process have been developed. The present paper proposes a bidding model based on a linear discriminant analysis. The proposed classifying model generates the answer in the form of a recommendation for joininga tender or resigning from it. The construction of the model involved a database consisting of 88 evaluated tenders that the contractors taking part in the study participated in. The model was successful in correctly classifying 86,36% of cases, and the area below the ROC curve (the AUC index) amounted to 0,92057. The results obtained prove that the model can be implemented in practice.

3

Wspomaganie decyzji wykonawcy budowlanego z zastosowaniem sztucznej inteligencji

Leśniak A.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

|

2016

|

z. 63, nr 1/I

189--196

PL

Odpowiednia selekcja przetargów, do których startuje przedsiębiorstwo budowlane jest ważna w aspekcie kreowania jego pozycji na rynku. By wspomóc proces myślowy decydenta i zwiększyć skuteczności decyzji opracowuje się modele wspomagające podejmowanie decyzji. W pracy zaproponowano sztuczne sieci neuronowe do budowy modelu wspomagającego decyzje przetargową wykonawcy. Zaproponowany model klasyfikacyjny generuje odpowiedź w formie zalecenia przystąpienia do przetargu bądź rezygnacji z udziału. Model w postaci sieci dwuwarstwowej jednokierunkowej o strukturze MLP 15-2-2 z dwoma neuronami w warstwie ukrytej, osiągnął dobrą jakość działania i prawidłowo sklasyfikował 88,64% przypadków, a pole pod krzywą ROC (współczynnik AUC) wyniosło 0,92578.

EN

An appropriate selection of tenders in which the company wishes to participate plays an important part in establishing its position in the market and contributes to the contractor’s success. Efficiency of bidding decisions can be improved by applying decision support models. The paper presents a model based on an artificial neural network designed to support contractors’ bidding decisions. The network solved the problem of classification. The best network proved to be the MLP 15-2-2 one which generated the most efficient classification, namely the 88,64% of correctly identified cases that did not participate in the training process. The area under the ROC curve (the coefficient AUC) reached the value 0,92578.