logo-ri

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Use este identificador para citar ou linkar para este item: https://www.repositorio.mar.mil.br/handle/ripcmb/845951
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorManhães, Aline Gesualdipt_BR
dc.contributor.advisorCalvano, José Vicentept_BR
dc.contributor.authorIssmael Junior, Ali Kamel-
dc.date.accessioned2023-03-06T16:11:25Z-
dc.date.available2023-03-06T16:11:25Z-
dc.date.issued2017-
dc.identifier.urihttps://www.repositorio.mar.mil.br/handle/ripcmb/845951-
dc.descriptionA técnica de “Event-Related Potentials” (ERP) consiste na medida de sinais biológicos cerebrais, de natureza elétrica, obtidos por meio de Eletroencefalografia (EEG), que sejam resultados diretos de estímulos a eventos sensoriais, cognitivos ou motores. Desta forma, a técnica ERP permite a análise não invasiva do funcionamento do cérebro. A partir dos resultados obtidos com o experimento de estímulos de computação linguística para palavras e sentenças, proposto por Soto (2014), do tratamento destes dados e a extração de parâmetros ERP, por meio das ferramentas EEGLAB® e ERPLAB®, baseadas no programa de simulações Matlab® (“matrix laboratory”), o resultado da pesquisa foi a obtenção de cenários de classificação supervisionados e não supervisionados, das classes propostas para o experimento mencionado e o estudo comparativo e discussão dos resultados de classificação encontrados, utlilizando a metodologia proposta por Webb (2002). Este trabalho se revelou inovador na área de Linguística, por não terem sido encontrados, ao menos até o presente momento, trabalhos similares em bases de dados de pesquisa como IEEExplorer, Web of Science, Elesevier e Spring. Foram alcançados excelentes resultados para classificação supervisionada, sendo o classificador “Random Forest” o que atingiu uma acurácia total de 100%, sendo seguido pelos classificadores “Multiclass Support Vector Machine” (MSVM) e “Naïve Bayes”, com ambos os métodos atingindo precisões totais superiores a 96%. Os resultados indicam que as abordagens não-lineares foram mais adequadas para classificar os dados da configuração da experiência ERP de Soto (2014) e que os resultados também abrem a possibilidade de se analisar sinais de indivíduos com essa metodologia ERP associada à Reconhecimento de Padrões, com possível aplicação desse tipo de análise em ferramentas diagnósticas, de avaliação de aprendizagem linguística, entre outras.pt_BR
dc.description.abstractThe "Event-Related Potentials" (ERP) technique consists of the measurement of electrical biological signals obtained by electroencephalography (EEG), which are direct results of stimuli to sensory, cognitive or motor events. In this way, the ERP technique allows the non-invasive analysis of brain functioning. Based on the results obtained with Soto (2014), the treatment of these data and the extraction of ERP parameters, using the EEGLAB® and ERPLAB® tools based on the simulation program Matlab® (“matrix laboratory”). The result of the research was the obtaining of supervised and unsupervised classification scenarios for the classes proposed in the mentioned experiment and the comparative study and discussion of the classification results found, using the methodology proposed by Webb (2002). This work proved to be innovative in the area of Linguistics, since, at least until now, no similar work has been found in research databases such as IEEExplorer, Web of Science, Elesevier and Spring. Excellent results for supervised classification, with the "Random Forest" classifier reaching a total accuracy of 100%, followed by the "Multiclass Support Vector Machine" (MSVM) and "Naïve Bayes" classifiers, with both methods reaching precisions rreater than 96% were obtained. The results indicate that non-linear approaches were more adequate to classify Soto (2014) ERP configuration data and the results also open the possibility of analyzing signals from individuals with this ERP methodology associated to Pattern Recognition, with the possible application of this type of analysis in diagnostic tools, assessment of language learning, among others.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherCentro Federal de Educação Tecnológica (CEFET-RJ)pt_BR
dc.rightsopenAccesspt_BR
dc.subjectPotenciais relacionados a eventos (ERP)pt_BR
dc.subjectEletroencefalógrafos (EEG)pt_BR
dc.subjectReconhecimento de padrõespt_BR
dc.subjectComputação linguísticapt_BR
dc.titleAplicação de reconhecimento de padrões em um experimento linguísticopt_BR
dc.typemasterThesispt_BR
dc.subject.dgpmEngenharia elétricapt_BR
Aparece nas coleções:Engenharia Naval: Coleção de Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
16 - Dissertacao Ali Kamel_v10_Final - Mestrado CEFET-RJ - 2017.pdf6,19 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.