Notícias

Banca de DEFESA: MYLENA N MEDEIROS DOS REIS FERREIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MYLENA N MEDEIROS DOS REIS FERREIRA
DATA: 21/12/2018
HORA: 09:00
LOCAL: Auditório do Instituto de Tecnologia - ITEC
TÍTULO:

ESTRUTURA COMPETITIVA DE REDES NEURAIS AUTO-ASSOCIATIVAS PARA CLASSIFICAÇÃO DE FADIGA MENTAL ATRAVÉS DE SINAIS DE ELETROENCEFALOGRAFIA


PALAVRAS-CHAVES:

Redes Neurais Auto-associativas, Classificação de fadiga mental, desempenho cognitivo


PÁGINAS: 80
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A complexidade da análise da fadiga mental em pessoas saudáveis é evidenciada pela ausência de perturbações específicas no sinal eletroencefalográfico e pela singularidade e variabilidade do perfil cognitivo de cada indivíduo. Identificar esse tipo de estado mental requer a análise de diversos fatores que envolvem o comportamento das regiões cerebrais em diversas faixas de frequência. No contexto da indústria, a fadiga mental compromete a eficiência da cadeia produtiva ao afetar a percepção (concentração e atenção) dos indivíduos, o que aumenta o risco de acidentes e os custos de produção. Desta forma, o monitoramento da condição cognitiva faz-se necessário para a manutenção do desempenho produtivo e cognitivo do sujeito avaliado. Este trabalho propõe a classificação da fadiga empregando uma estrutura competitiva de Redes Neurais auto associativas. Esse tipo de rede neural permite encontrar a associação entre os dados de entrada e os dados reconstruídos a partir de uma arquitetura compacta, sendo indicada para aplicações em tempo real. O vetor de características usado para a classificação é composto pelas informações em três faixas de frequências (teta, beta e alfa) e quatro métricas que, de acordo com a literatura, diferenciam estados mentais a partir dos dados eletroencefalográficos em termos de densidade de energia espectral. A avaliação da qualidade da reconstrução dos dados é baseada no erro quadrático médio e no teste estatístico de Wilcoxon entre as amostras, ao longo dos atributos do vetor de características. Os resultados mostram a capacidade da proposta em classificar o estado de fadiga empregando sinais cerebrais.


MEMBROS DA BANCA:
Interno - 2170855 - ADRIANA ROSA GARCEZ CASTRO
Externo ao Programa - 1258512 - AGOSTINHO LUIZ DA SILVA CASTRO
Interno - 2522772 - JASMINE PRISCYLA LEITE DE ARAUJO
Externo ao Programa - 327128 - VALQUIRIA GUSMAO MACEDO
Notícia cadastrada em: 11/12/2018 14:21
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - castanha.ufpa.br.castanha2