Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Maron, Guilherme
Orientador(a): Barone, Dante Augusto Couto
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
MLP
Link de acesso: http://hdl.handle.net/10183/88901
Resumo: O principal objetivo do presente trabalho é propor, desenvolver, testar e apresentar um método para a classificação do grau de desenvolvimento da capacidade cognitiva espacial de diferentes indivíduos. 37 alunos de graduação tiveram seus eletroencefalogramas (EEGs) capturados enquanto estavam engajados em tarefas de rotação mental de imagens tridimensionais. Seu grau de desenvolvimento da capacidade cognitiva espacial foi avaliado utilizando-se um teste psicológico BPR-5. O maior expoente de Lyapunov (LLE) foi calculado a partir de cada um dos 8 canais dos EEGs capturados. OS LLEs foram então utilizados como tuplas de entrada para 5 diferentes classificadores: i) perceptron de múltiplas camadas, ii) rede neural artificial de funções de base radial, iii) perceptron votado, iv) máquinas de vetor de suporte, e v) k-vizinhos. O melhor resultado foi obtido utilizando-se uma RBF com 4 clusters e a função de kernel Puk. Também foi realizada uma análise estatística das diferenças de atividade cerebral, baseando-se nos LLEs calculados, entre os dois grupos de interesse: SI+ (indivíduos com um suposto maior grau de desenvolvimento da sua capacidade cognitiva espacial) e SI- (grupo de controle) durante a realização de tarefas de rotação mental de imagens tridimensionais. Uma diferença média de 16% foi encontrada entre os dois grupos. O método de classificação proposto pode vir a contribuir e a interagir com outros processos na analise e no estudo da capacidade cognitiva espacial humana, assim como no entendimento da inteligência humana como um todo. Um melhor entendimento e avaliação das capacidades cognitivas de um indivíduo podem sugerir a este elementos de motivação, facilidade ou de inclinações naturais suas, podendo, provavelmente, afetar as decisões da sua vida e carreira de uma forma positiva.
id URGS_91100e95e95454ea0ec0d4041e4af6cc
oai_identifier_str oai:www.lume.ufrgs.br:10183/88901
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Maron, GuilhermeBarone, Dante Augusto Couto2014-03-25T01:50:21Z2014http://hdl.handle.net/10183/88901000914125O principal objetivo do presente trabalho é propor, desenvolver, testar e apresentar um método para a classificação do grau de desenvolvimento da capacidade cognitiva espacial de diferentes indivíduos. 37 alunos de graduação tiveram seus eletroencefalogramas (EEGs) capturados enquanto estavam engajados em tarefas de rotação mental de imagens tridimensionais. Seu grau de desenvolvimento da capacidade cognitiva espacial foi avaliado utilizando-se um teste psicológico BPR-5. O maior expoente de Lyapunov (LLE) foi calculado a partir de cada um dos 8 canais dos EEGs capturados. OS LLEs foram então utilizados como tuplas de entrada para 5 diferentes classificadores: i) perceptron de múltiplas camadas, ii) rede neural artificial de funções de base radial, iii) perceptron votado, iv) máquinas de vetor de suporte, e v) k-vizinhos. O melhor resultado foi obtido utilizando-se uma RBF com 4 clusters e a função de kernel Puk. Também foi realizada uma análise estatística das diferenças de atividade cerebral, baseando-se nos LLEs calculados, entre os dois grupos de interesse: SI+ (indivíduos com um suposto maior grau de desenvolvimento da sua capacidade cognitiva espacial) e SI- (grupo de controle) durante a realização de tarefas de rotação mental de imagens tridimensionais. Uma diferença média de 16% foi encontrada entre os dois grupos. O método de classificação proposto pode vir a contribuir e a interagir com outros processos na analise e no estudo da capacidade cognitiva espacial humana, assim como no entendimento da inteligência humana como um todo. Um melhor entendimento e avaliação das capacidades cognitivas de um indivíduo podem sugerir a este elementos de motivação, facilidade ou de inclinações naturais suas, podendo, provavelmente, afetar as decisões da sua vida e carreira de uma forma positiva.The main objective of the present work is to propose, develop, test, and show a method for classifying the spatial cognition degree of development on different individuals. Thirty-Seven undergraduate students had their electroencephalogram (EEG) recorded while engaged in 3-D images mental rotation tasks. Their spatial cognition degree of development was evaluated using a BPR-5 psychological test. The Largest Lyapunov Exponent (LLE) was calculated from each of the 8 electrodes recorded in each EEG. The LLEs were used as input for five different classifiers: i) multi-layer perceptron artificial neural network, ii) radial base functions artificial neural network, iii) voted perceptron artificial neural network, iv) support vector machines, and v) K-Nearest Neighbors. The best result was achieved by using a RBF with 4 clusters and Puk kernel function. Also a statistical analysis of the brain activity, based in the calculated LLEs, differences between two interest groups: SI+ (participants with an alleged higher degree of development of their spatial cognition) and SI- (control group) during the performing of mental rotation of tridimensional images tasks was done.. An average difference of 16% was found between both groups. The proposed classification method can contribute and interact with other processes in the analysis and study of human spatial cognition, as in the understanding of the human intelligence at all. A better understanding and evaluation of the cognitive capabilities of an individual could suggest him elements of motivation, ease or natural inclinations, possibly affecting the decisions of his life and carrier positively.application/pdfengInteligência artificialRedes neuraisNon-linear analysisLyapunov exponentsSignal processingBiological signal processingEEG analysisCognitive profilesSpatial cognitionClassification algorithmsArtificial neural networksMLPAnalysis and classification of spatial cognition using non-linear analysis and artificial neural networksAnálise e classificação da capacidade cognitiva espacial utilizando técnicas de análise não-linear e redes neurais artificiais info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2014mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000914125.pdf000914125.pdfTexto completoapplication/pdf2617396http://www.lume.ufrgs.br/bitstream/10183/88901/1/000914125.pdf913bca91df603141b957bf7c42e83181MD51TEXT000914125.pdf.txt000914125.pdf.txtExtracted Texttext/plain163935http://www.lume.ufrgs.br/bitstream/10183/88901/2/000914125.pdf.txt2b1c89542ce275f997c70f879bb4d02cMD52THUMBNAIL000914125.pdf.jpg000914125.pdf.jpgGenerated Thumbnailimage/jpeg1024http://www.lume.ufrgs.br/bitstream/10183/88901/3/000914125.pdf.jpg130c5828a49b6c70c860c74c439ddf32MD5310183/889012018-10-18 08:56:04.261oai:www.lume.ufrgs.br:10183/88901Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-18T11:56:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
dc.title.alternative.pt_BR.fl_str_mv Análise e classificação da capacidade cognitiva espacial utilizando técnicas de análise não-linear e redes neurais artificiais
title Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
spellingShingle Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
Maron, Guilherme
Inteligência artificial
Redes neurais
Non-linear analysis
Lyapunov exponents
Signal processing
Biological signal processing
EEG analysis
Cognitive profiles
Spatial cognition
Classification algorithms
Artificial neural networks
MLP
title_short Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
title_full Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
title_fullStr Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
title_full_unstemmed Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
title_sort Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
author Maron, Guilherme
author_facet Maron, Guilherme
author_role author
dc.contributor.author.fl_str_mv Maron, Guilherme
dc.contributor.advisor1.fl_str_mv Barone, Dante Augusto Couto
contributor_str_mv Barone, Dante Augusto Couto
dc.subject.por.fl_str_mv Inteligência artificial
Redes neurais
topic Inteligência artificial
Redes neurais
Non-linear analysis
Lyapunov exponents
Signal processing
Biological signal processing
EEG analysis
Cognitive profiles
Spatial cognition
Classification algorithms
Artificial neural networks
MLP
dc.subject.eng.fl_str_mv Non-linear analysis
Lyapunov exponents
Signal processing
Biological signal processing
EEG analysis
Cognitive profiles
Spatial cognition
Classification algorithms
Artificial neural networks
MLP
description O principal objetivo do presente trabalho é propor, desenvolver, testar e apresentar um método para a classificação do grau de desenvolvimento da capacidade cognitiva espacial de diferentes indivíduos. 37 alunos de graduação tiveram seus eletroencefalogramas (EEGs) capturados enquanto estavam engajados em tarefas de rotação mental de imagens tridimensionais. Seu grau de desenvolvimento da capacidade cognitiva espacial foi avaliado utilizando-se um teste psicológico BPR-5. O maior expoente de Lyapunov (LLE) foi calculado a partir de cada um dos 8 canais dos EEGs capturados. OS LLEs foram então utilizados como tuplas de entrada para 5 diferentes classificadores: i) perceptron de múltiplas camadas, ii) rede neural artificial de funções de base radial, iii) perceptron votado, iv) máquinas de vetor de suporte, e v) k-vizinhos. O melhor resultado foi obtido utilizando-se uma RBF com 4 clusters e a função de kernel Puk. Também foi realizada uma análise estatística das diferenças de atividade cerebral, baseando-se nos LLEs calculados, entre os dois grupos de interesse: SI+ (indivíduos com um suposto maior grau de desenvolvimento da sua capacidade cognitiva espacial) e SI- (grupo de controle) durante a realização de tarefas de rotação mental de imagens tridimensionais. Uma diferença média de 16% foi encontrada entre os dois grupos. O método de classificação proposto pode vir a contribuir e a interagir com outros processos na analise e no estudo da capacidade cognitiva espacial humana, assim como no entendimento da inteligência humana como um todo. Um melhor entendimento e avaliação das capacidades cognitivas de um indivíduo podem sugerir a este elementos de motivação, facilidade ou de inclinações naturais suas, podendo, provavelmente, afetar as decisões da sua vida e carreira de uma forma positiva.
publishDate 2014
dc.date.accessioned.fl_str_mv 2014-03-25T01:50:21Z
dc.date.issued.fl_str_mv 2014
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/88901
dc.identifier.nrb.pt_BR.fl_str_mv 000914125
url http://hdl.handle.net/10183/88901
identifier_str_mv 000914125
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/88901/1/000914125.pdf
http://www.lume.ufrgs.br/bitstream/10183/88901/2/000914125.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/88901/3/000914125.pdf.jpg
bitstream.checksum.fl_str_mv 913bca91df603141b957bf7c42e83181
2b1c89542ce275f997c70f879bb4d02c
130c5828a49b6c70c860c74c439ddf32
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831315942813990912