دانلود مقاله انگلیسی رایگان:شناسایی فرد با استفاده از پتانسیل نام-آشنا شنوایی الکترودهای EEG جلو برانگیخته - 2021
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی بیومتریک رایگان
  • Person-identification using familiar-name auditory evoked potentials from frontal EEG electrodes Person-identification using familiar-name auditory evoked potentials from frontal EEG electrodes
    Person-identification using familiar-name auditory evoked potentials from frontal EEG electrodes

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    Person-identification using familiar-name auditory evoked potentials from frontal EEG electrodes


    ترجمه فارسی عنوان مقاله:

    شناسایی فرد با استفاده از پتانسیل نام-آشنا شنوایی الکترودهای EEG جلو برانگیخته


    منبع:

    Sciencedirect - Elsevier - Biomedical Signal Processing and Control, 68 (2021) 102739: doi:10:1016/j:bspc:2021:102739


    نویسنده:

    C.M. Jijomon


    چکیده انگلیسی:

    Electroencephalograph (EEG) based biometric identification has recently gained increased attention of re- searchers. However, state-of-the-art EEG-based biometric identification techniques use large number of EEG electrodes, which poses user inconvenience and consumes longer preparation time for practical applications. This work proposes a novel EEG-based biometric identification technique using auditory evoked potentials (AEPs) acquired from two EEG electrodes. The proposed method employs single-trial familiar-name AEPs extracted from the frontal electrodes Fp1 and F7, which facilitates faster and user-convenient data acquisition. The EEG signals recorded from twenty healthy individuals during four experiment trials are used in this study. Different com- binations of well-known neural network architectures are used for feature extraction and classification. The cascaded combinations of 1D-convolutional neural networks (1D-CNN) with long short-term memory (LSTM) and with gated recurrent unit (GRU) networks gave the person identification accuracies above 99 %. 1D-convolutional, LSTM network achieves the highest person identification accuracy of 99.53 % and a half total error rate (HTER) of 0.24 % using AEP signals from the two frontal electrodes. With the AEP signals from the single electrode Fp1, the same network achieves a person identification accuracy of 96.93 %. The use of familiar-name AEPs from frontal EEG electrodes that facilitates user convenient data acquisition with shorter preparation time is the novelty of this work.
    Keywords: Auditory evoked potential | Biometrics | Deep learning | Electroencephalogram | Familiar-name | Person identification


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 3798 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi