Spelling suggestions: "subject:"aprediction study"" "subject:"iprediction study""
1 |
Finite element prediction of creep crack growth in three-dimensional components under mode 1 loadingSmith, S. D. January 1986 (has links)
No description available.
|
2 |
Paveikslų įvertinimo prognozavimo tyrimas naudojant Neurosky Mindwave įrenginį / Prediction of subject preferences using Neurosky Mindwave deviceŽiemys, Tadas 20 June 2012 (has links)
Darbo pradžioje apžvelgiamos vartotojo sąsajos, kokios yra ateities perspektyvos smegenų-kompiuterio sąsajoms, kokie tyrimai atliekami šioje srityje. Aprašoma, kas yra elektroencefalografija (EEG), kaip atsiranda elektriniai impulsai smegenyse ir ką nagrinėja neuroestetikos mokslas. Magistrinio darbo tikslas buvo ištirti, kokiu tikslumu galima prognozuoti, ar subjektui patiks paveikslas. Prognozės yra atliekamos iš subjekto EEG signalų, kurie yra gaunami naudojant Neurosky MindWave įrenginį. Duomenų klasifikavimui yra naudojamas vienasluoksnis neuroninis tinklas sukurtas su MATLAB programine įranga. Darbo metu buvo sukurta iPad kompiuteriui skirta programa, kuri vaizduoja stimulus ir įrašinėja EEG duomenis iš Neurosky MindWave įrenginio. Stimulams yra naudojami įvairių laikotarpių, skirtingų autorių tapybos darbai. Tyrimas parodė, kad įmanoma prognozuoti vartotojo pasirikimą tiksliau negu atsitiktinumas. Klasifikatoriaus tikslumas daugiausia duomenų turinčiam subjektui siekia iki 74%. Tuo tarpu apmokant dirbtinį neuroninį tinklą visų subjektų duomenimis, klasifikatoriaus tikslumas yra labai panašus į atsitiktinumą – 55%. / The aim of this thesis is to study the accuracy of prediction of subject’s preferences when observing various paintings. Prediction is caried out using subject’s EEG signals which are produced using Neurosky MindWave device. To clasify data one layer artificial neuron network is used. The network is a MATLAB application. For this study application for iPad is created. This application represents and records EEG data from Neurosky MindWave device. In order to produce stimuli subjects are presented with paintings by various artists from different epoches. The study showed that it is posible to predict the preference with accuracy greater than a mere chance. The classifier’s accuracy for the subject with most data is up to 74% (average 64.58%). For other subjects’ the accuracy of prediction of 58% is reached.
|
Page generated in 0.0724 seconds