Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Není k dispozici

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F05%3A03112660" target="_blank" >RIV/68407700:21230/05:03112660 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Dyslexia Detection from Eye Movements Using Artificial Neural Networks

  • Popis výsledku v původním jazyce

    The main goal of the study was to propose and implement a neural network based classifier for dyslexia detection from eye movement signal. Eye movements of 76 school children were measured using videooculographic (VOG) technique during one reading and four non-reading tasks. Time and frequency domain features were extracted and various feature selection methods were performed to select subsets of significant features. Finally a feed-forward neural network using back-propagation algorithm was used for asupervised learning. A suitable topology was chose and learning parameters were set experimentally. The final classifier reached about 90% correct identification of the presence of dyslexia and about 90.5% correct identification of the absence of dyslexia.

  • Název v anglickém jazyce

    Dyslexia Detection from Eye Movements Using Artificial Neural Networks

  • Popis výsledku anglicky

    The main goal of the study was to propose and implement a neural network based classifier for dyslexia detection from eye movement signal. Eye movements of 76 school children were measured using videooculographic (VOG) technique during one reading and four non-reading tasks. Time and frequency domain features were extracted and various feature selection methods were performed to select subsets of significant features. Finally a feed-forward neural network using back-propagation algorithm was used for asupervised learning. A suitable topology was chose and learning parameters were set experimentally. The final classifier reached about 90% correct identification of the presence of dyslexia and about 90.5% correct identification of the absence of dyslexia.

Klasifikace

  • Druh

    A - Audiovizuální tvorba

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2005

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • ISBN

  • Místo vydání

    Praha

  • Název nakladatele resp. objednatele

  • Verze

  • Identifikační číslo nosiče

    neuvedeno