سامانه همایش ها

English

صفحه اصلی / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Dual-View Data Representation and Contrastive Learning for Robust EEG-Based Person Identification

نویسندگان :

Mahdi Tabatabaei¹ Mohammad Bagher Shamsollahi²

1- Sharif University of Technology 2- ُSharif University of Technology

کلمات کلیدی :

Person identification،EEG signal،Dual-view representation،Contrastive learning

چکیده :

Person identification using EEG signals has emerged as a promising biometric modality due to the uniqueness and internal nature of brain signals. However, EEG signals are often noisy, task-dependent, and limited in quantity, posing challenges for reliable and generalizable identification. In this paper, we propose a novel dual-view learning framework that integrates both scalp-level spatial features and source-informed neural topology using convolutional and graph neural networks (CNN and GCN). The scalp view captures spatial-spectral representations through a CNN applied to differential entropy (DE) maps, while the neural view models inter-channel relationships via a GCN built on source-localized graphs. To improve generalization across tasks and sessions, we incorporate supervised contrastive learning, encouraging the model to cluster embeddings of the same individual regardless of task conditions. The proposed method is evaluated on the EEG Motor Movement/Imagery Dataset and achieves high accuracy across within-task and cross-task scenarios. Furthermore, it remains effective with reduced training data and benefits significantly from feature normalization. Experimental results and ablation studies confirm the contribution of each component and demonstrate the reliability of the approach for EEG-based biometric identification.

لیست مقالات

لیست مقالات بایگانی شده

بررسی ارتباط بین توانایی مدیریت و محدودیت مالی با تاکید بر نقش دانش مالی هیئت مدیره در شرکت‌های دانش بنیان پذیرفته شده در بورس اوراق بهادار تهران

آروین نیک نام - قادر بابائی

Using Advanced Ensemble Machine Learning Models to Predict Traffic in SDN-Based Networks: A Comparative Study of Bagging, Boosting, and Stacking Approaches

Raha Pakzad - Sasan GharaPasha - Nasrin Firouz - Ramin Habibzadehsharif

سامانه هوشمند پشتیبان تصمیم‌گیری راهبردی در تدارکات عمومی

حسن ضیافت

مطالعه کامپوزیت‌های سرامیکی هیدروکسی‌آپاتیت جهت استفاده در کاشتنی‌های استخوانی

میلاد بدر - مهدیه سلطانعلی‌پور - جعفر خلیل‌علافی

سواد مالی و رونق گردشگریT مطالعه موردی گردشگران شهر یزد

محمدعلی فیض پور - مهدیه پیروی - ریحانه بابائی - جمال برزگری خانقاه

تأثیر حسابداری منابع انسانی بر عملکرد مالی بانک قرض الحسنه مهر ایران

بهروز امیدی

پیش‌بینی وضعیت ترافیک با استفاده از الگوریتم KNN یک مطالعه موردی‌بر اساس داده‌های دوماهه ترافیک

متین نهاوندی

تهیه نانوحامل ژلاتین گالاکتوزیله شده با هدف کاربرد در دارورسانی هدفمند به بافت کبد سرطانی

مائده بخشی پور رشته رودی - امیرحسین شریفی - مریم رجب زاده - علی برادر خوش فطرت

Implementation of advanced machine learning on synthetic data for estimation of SOH and degradation of lithium ion batteries.

Abolfazl Moghaddam - Shadi Habibi - Behnam Ghalami Choobar

تاثیر قابلیت مقایسه صورت‌های مالی بر مربوط بودن اطلاعات حسابداری

محمد فرجی بنائی - نیما تمجیدی فر - امیرحسین قوچی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2