MIND MONITOR

هذا العمل يمثل تطوير وتحسين نظام ذكي للتعرف على الهوية باستخدام إشارات الدماغ (EEG) لفتح قفل إلكتروني بشكل آمن.

فكرة النظام:

يعتمد المشروع على قراءة إشارات EEG باستخدام جهاز Muse 2، وتحليلها لتحديد هوية المستخدم عبر نماذج تعلم عميق.

تم استخدام ثلاث نماذج:

* RNN

* LSTM

* GRU

المشكلة:

النظام كان يعاني من Overfitting واضح، مما أدى إلى ضعف التعميم على بيانات جديدة وانخفاض موثوقية التنبؤ.

تحليل البيانات:

تم إجراء تحليل إحصائي شامل للبيانات، يشمل:

* تحليل التوزيع (Histogram)

* كشف القيم الشاذة (Outliers)

* تحليل الارتباط بين الميزات (Correlation Matrix)

الحلول الهندسية:

1. معالجة البيانات:

* إزالة القيم الشاذة باستخدام IQR

* تطبيق Normalization

* استخدام تقنيات إعادة التوزيع لمعالجة عدم توازن البيانات

2. معالجة مشكلة Overfitting:

* استخدام تقنيات Oversampling (SMOTE) لزيادة تمثيل الفئات

3. تحسين دقة التنبؤ:

تم تصميم نظام تصويت جماعي (System Voting Ensemble) يجمع بين نتائج النماذج الثلاثة بدلاً من الاعتماد على نموذج واحد.

آلية العمل:

* تنفيذ التنبؤ باستخدام كل نموذج على حدة

* مقارنة النتائج

* اتخاذ القرار النهائي بناءً على التصويت بالإجماع

في حال عدم اتفاق النماذج، يتم رفض العملية وعدم فتح القفل

النتيجة:

* تقليل تأثير الأخطاء الفردية لكل نموذج

* تحسين دقة التنبؤ بشكل ملحوظ

* رفع مستوى الأمان للنظام

القيمة التقنية:

هذا العمل يوضح القدرة على:

* تحليل مشاكل ML (مثل Overfitting)

* تحسين جودة البيانات

* تصميم أنظمة Ensemble لرفع الدقة

* ربط الذكاء الاصطناعي مع أنظمة Hardware حقيقية

النظام النهائي أصبح أكثر استقرارًا ودقة، وقابل للاستخدام العملي.