Analysis and classification of spatial cognition using non-linear analysis and artificial neural networks
| Ano de defesa: | 2014 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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: | |
| 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 |