I
AE
S
I
nte
rna
t
io
na
l J
o
urna
l o
f
Art
if
icia
l In
t
ellig
ence
(
I
J
-
AI
)
Vo
l.
8
,
No
.
4
,
Dece
m
b
er
201
9
,
p
p
.
4
36
~
442
I
SS
N:
2252
-
8938
,
DOI
: 1
0
.
1
1
5
9
1
/i
j
ai.
v
8
.i
4
.
p
p
4
36
-
4
4
2
436
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//
ija
i
.
ia
es
co
r
e
.
co
m
IQ
lev
el
predic
tion a
nd cros
s
-
rela
ti
o
na
l ana
ly
sis
w
ith
perce
p
tual
a
bility us
ing
EEG
-
ba
sed SVM
cla
ss
ificatio
n
m
o
del
No
o
r
H
ida
y
a
h Ro
s
Aza
m
i
n
1
,
M
o
hd
Na
s
ir
T
a
ib
1
,
Ais
y
a
h
H
a
rt
ini
J
a
hid
in
2
,
Dy
g
Su
za
na
Aw
a
ng
3
,
M
eg
a
t
Sy
a
hirul
A
m
i
n M
eg
a
t
Ali
4
1
F
a
c
u
lt
y
o
f
El
e
c
tri
c
a
l
En
g
in
e
e
rin
g
,
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
RA
,
S
h
a
h
A
la
m
,
M
a
la
y
sia
2
Ce
n
tre f
o
r
F
o
u
n
d
a
ti
o
n
S
t
u
d
ies
i
n
S
c
ien
c
e
,
Un
iv
e
rsity
o
f
M
a
la
y
a
,
K
u
a
la L
u
m
p
u
r,
M
a
lay
sia
3
S
tu
d
e
n
t
A
ff
a
irs
Di
v
isio
n
,
Un
iv
e
r
siti
T
e
k
n
o
lo
g
i
M
A
R
A
,
S
h
a
h
A
lam
,
M
a
la
y
sia
4
M
icro
w
a
v
e
Re
se
a
r
c
h
In
stit
u
te,
U
n
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
R
A
,
S
h
a
h
A
la
m
,
M
a
la
y
sia
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
S
ep
t 1
,
2
0
1
9
R
ev
i
s
ed
N
o
v
2
0
,
2
0
1
9
A
cc
ep
ted
N
ov
2
6
,
2
0
1
9
T
h
is
p
a
p
e
r
p
re
se
n
ts
IQ
lev
e
l
p
r
e
d
ictio
n
a
n
d
c
ro
ss
-
re
latio
n
a
l
a
n
a
ly
sis
w
it
h
p
e
rc
e
p
tu
a
l
a
b
il
i
ty
u
sin
g
EE
G
-
b
a
se
d
S
V
M
c
las
sif
ica
ti
o
n
m
o
d
e
l.
T
h
e
stu
d
y
h
y
p
o
th
e
siz
e
d
th
a
t
m
e
a
su
re
o
f
p
e
rc
e
p
tu
a
l
a
b
il
it
y
a
n
d
in
telli
g
e
n
c
e
is
stro
n
g
ly
c
o
n
n
e
c
ted
th
r
o
u
g
h
t
h
e
b
ra
in
’s
a
tt
e
n
ti
o
n
re
g
u
lato
ry
m
e
c
h
a
n
is
m
.
T
h
e
re
f
o
re
,
a
n
in
telli
g
e
n
t
c
las
sif
ica
ti
o
n
m
o
d
e
l
s
h
o
u
ld
b
e
a
b
le
t
o
p
re
d
ict
a
n
d
m
a
p
IQ
lev
e
ls
f
ro
m
a
d
a
tas
e
t
a
s
so
c
iate
d
w
it
h
v
a
r
y
in
g
lev
e
ls
o
f
p
e
rc
e
p
ti
o
n
.
1
1
5
sa
m
p
les
o
f
re
stin
g
EE
G
is
a
c
q
u
ired
f
ro
m
th
e
lef
t
p
re
f
ro
n
tal
c
o
rtex
.
S
ix
ty
-
f
iv
e
is
u
se
d
f
o
r
p
e
r
c
e
p
tu
a
l
a
b
il
it
y
a
n
a
l
y
sis
v
ia
CT
M
T
,
w
h
il
e
a
n
o
th
e
r
f
i
f
t
y
is
u
se
d
in
th
e
d
e
v
e
lo
p
m
e
n
t
o
f
IQ
lev
e
l
c
las
sif
ica
ti
o
n
m
o
d
e
l
u
sin
g
S
VM.
T
h
e
m
e
a
n
p
a
tt
e
rn
o
f
th
e
ta,
a
lp
h
a
a
n
d
b
e
ta
b
a
n
d
s
sh
o
w
p
o
siti
v
e
c
o
rre
latio
n
b
e
tw
e
e
n
p
e
rc
e
p
tu
a
l
a
b
il
it
y
a
n
d
IQ
lev
e
l
d
a
tas
e
ts.
M
e
a
n
w
h
il
e
,
t
h
e
d
e
v
e
lo
p
e
d
S
V
M
m
o
d
e
l
o
u
t
p
e
rf
o
rm
s
th
e
p
re
v
io
u
s
A
NN
m
e
th
o
d
;
y
ield
in
g
1
0
0
%
a
c
c
u
ra
c
y
f
o
r
train
in
g
a
n
d
tes
ti
n
g
.
S
u
b
se
q
u
e
n
t
ly
,
th
e
c
l
a
ss
if
i
c
a
ti
o
n
m
o
d
e
l
s
u
c
c
e
ss
f
u
ll
y
p
re
d
icts
a
n
d
m
a
p
p
e
d
sa
m
p
les
f
ro
m
th
e
p
e
rc
e
p
tu
a
l
a
b
il
it
y
d
a
tas
e
t
to
it
s
c
o
rre
sp
o
n
d
in
g
IQ
l
e
v
e
ls
w
it
h
9
8
.
5
%
a
c
c
u
ra
c
y
.
T
h
e
re
f
o
re
,
v
a
li
d
it
y
o
f
th
e
stu
d
y
is
c
o
n
f
irme
d
th
ro
u
g
h
p
o
sit
iv
e
c
o
rre
latio
n
d
e
m
o
n
stra
ted
b
y
b
o
th
traits
o
f
c
o
g
n
it
io
n
u
sin
g
t
h
e
p
a
tt
e
rn
o
f
m
e
a
n
p
o
w
e
r
ra
ti
o
f
e
a
tu
re
s,
a
n
d
s
u
c
c
e
ss
f
u
l
p
re
d
ictio
n
o
f
IQ l
e
v
e
l
f
o
r
p
e
rc
e
p
tu
a
l
a
b
il
it
y
d
a
ta
se
t
v
ia S
V
M
c
las
sif
ica
ti
o
n
m
o
d
e
l.
K
ey
w
o
r
d
s
:
EEG
IQ
P
er
ce
p
tu
al
ab
ilit
y
P
o
w
er
r
atio
Su
p
p
o
r
t v
ec
to
r
m
ac
h
i
n
e
Co
p
y
rig
h
t
©
2
0
1
9
In
stit
u
te o
f
A
d
v
a
n
c
e
d
E
n
g
i
n
e
e
rin
g
a
n
d
S
c
ien
c
e
.
Al
l
rig
h
ts re
se
rv
e
d
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Me
g
at
S
y
ah
ir
u
l
Am
i
n
Me
g
a
t A
li,
Mic
r
o
w
a
v
e
R
esear
c
h
I
n
s
tit
u
te,
Un
i
v
er
s
iti T
ek
n
o
lo
g
i M
A
R
A
,
4
0
4
5
0
Sh
ah
A
la
m
,
Ma
la
y
s
ia.
E
m
ail:
m
e
g
ats
y
ah
ir
u
l
@
u
it
m
.
e
d
u
.
m
y
1.
I
NT
RO
D
UCT
I
O
N
T
h
e
m
ea
s
u
r
e
o
f
p
er
ce
p
tio
n
[
1
]
an
d
in
tell
ig
e
n
ce
[
2
]
ar
e
am
o
n
g
th
e
e
s
tab
lis
h
ed
m
e
n
tal
co
n
s
t
r
u
cts
i
n
th
e
d
o
m
ai
n
o
f
p
s
y
c
h
o
lo
g
y
.
Gen
er
a
ll
y
,
p
er
ce
p
tio
n
is
d
ef
in
ed
t
h
e
a
s
th
e
ab
ilit
y
o
f
in
d
i
v
id
u
al
s
to
i
n
ter
p
r
et
an
d
p
r
o
ce
s
s
s
en
s
o
r
y
i
n
f
o
r
m
atio
n
f
r
o
m
t
h
e
s
u
r
r
o
u
n
d
in
g
e
n
v
ir
o
n
m
e
n
t
[
3
]
.
T
h
is
ca
n
b
e
a
s
s
e
s
s
ed
u
s
i
n
g
C
o
m
p
r
e
h
e
n
s
i
v
e
T
r
ail
-
Ma
k
i
n
g
T
est (
C
T
MT
)
[
4
]
.
T
h
e
ab
ilit
y
i
s
s
tr
o
n
g
l
y
a
s
s
o
ciate
d
w
it
h
at
ten
t
io
n
al
s
tate
[
5
]
an
d
it
s
s
i
g
n
a
tu
r
es
ca
n
b
e
o
b
s
er
v
ed
th
r
o
u
g
h
t
h
e
alp
h
a
b
an
d
[
6
]
.
Hen
ce
,
th
e
s
tr
en
g
t
h
o
f
n
e
u
r
al
s
y
n
c
h
r
o
n
izat
io
n
co
m
m
o
n
l
y
o
b
s
er
v
ed
i
n
r
esti
n
g
s
tate
ca
n
b
e
u
s
ed
to
p
r
ed
ict
th
e
lev
el
o
f
p
er
ce
p
tio
n
[
7
]
.
C
o
n
v
er
s
el
y
,
t
h
e
m
ea
s
u
r
e
o
f
in
telli
g
e
n
ce
i
s
ass
o
ciate
d
w
i
th
e
f
f
icien
c
y
o
f
th
e
b
r
ain
to
p
r
o
ce
s
s
in
f
o
r
m
at
i
o
n
[
8
]
.
I
n
tellig
e
n
ce
q
u
o
tie
n
t
(
I
Q)
;
an
estab
lis
h
ed
p
ar
am
eter
t
o
ass
e
s
s
t
h
i
s
m
e
n
t
al
co
n
s
tr
u
ct
ar
e
as
s
es
s
ab
le
th
r
o
u
g
h
R
a
v
en
’
s
P
r
o
g
r
ess
i
v
e
M
atr
ices
(
R
P
M)
[
9
]
.
E
v
id
en
ce
s
h
a
v
e
s
h
o
w
n
t
h
at
p
er
ce
p
tio
n
an
d
in
telli
g
en
ce
a
r
e
s
tr
o
n
g
l
y
ass
o
ciate
d
t
h
r
o
u
g
h
m
ec
h
a
n
is
m
t
h
at
r
eg
u
late
s
atte
n
tio
n
[
1
0
]
.
Stu
d
ies
h
a
v
e
also
estab
lis
h
ed
th
at
in
telli
g
e
n
t
in
d
i
v
id
u
al
s
ex
h
ib
i
t
w
ell
-
f
u
n
ct
io
n
i
n
g
n
eu
r
o
tr
an
s
m
itter
s
w
h
ich
r
esu
lt
in
s
m
aller
d
ev
iatio
n
o
f
r
h
y
th
m
ic
E
E
G
[
1
1
]
.
T
h
e
l
o
w
er
ce
r
eb
r
al
ar
o
u
s
ab
ilit
y
i
s
attr
ib
u
ted
b
y
in
h
ib
itio
n
o
f
b
r
ain
s
te
m
to
ex
ter
n
al
e
x
citatio
n
[
1
2
]
.
T
h
ese
r
ed
u
ce
co
r
tical
n
o
is
e
an
d
s
u
b
s
eq
u
en
t
l
y
,
Evaluation Warning : The document was created with Spire.PDF for Python.
IJ
-
AI
I
SS
N:
2252
-
8938
I
Q
leve
l p
r
ed
ictio
n
a
n
d
cro
s
s
-
r
ela
tio
n
a
l a
n
a
lysi
s
w
it
h
p
ercep
tu
a
l a
b
ilit
y
u
s
in
g
...
(
N
o
o
r
Hid
a
ya
h
R
o
s
A
z
a
min
)
437
en
h
a
n
ce
atte
n
tio
n
al
s
ta
te
[
1
3
]
an
d
r
esp
o
n
s
e
ti
m
e
[
1
4
]
.
T
h
e
in
cr
ea
s
ed
alp
h
a
p
o
w
er
,
ap
p
r
o
x
im
atel
y
ar
o
u
n
d
1
0
Hz
en
ab
les
th
e
b
r
ain
s
te
m
to
b
lo
ck
task
-
ir
r
ele
v
an
t
co
r
tical
ac
tiv
ities
an
d
th
u
s
,
m
ai
n
tai
n
i
n
g
atten
tio
n
al
s
tate
[
1
5
]
.
T
h
ese
f
u
r
t
h
er
tr
an
s
late
in
to
in
cr
ea
s
ed
p
er
ce
p
tu
al
lim
its
an
d
en
h
an
c
e
t
h
e
lev
el
o
f
p
er
ce
p
tio
n
[
1
6
]
.
A
lp
h
a
b
an
d
s
h
ar
es
a
r
ec
ip
r
o
ca
l
w
i
th
o
s
c
illatio
n
s
i
n
b
o
th
t
h
eta
[
1
7
]
an
d
b
eta
r
eg
io
n
s
[
1
8
]
.
Hen
ce
,
in
cr
ea
s
ed
s
y
n
ch
r
o
n
izatio
n
i
n
th
e
alp
h
a
r
eg
io
n
d
es
y
n
c
h
r
o
n
ize
s
th
eta
a
n
d
b
eta
o
s
cillatio
n
s
.
B
y
a
s
s
o
cia
tin
g
b
o
th
co
g
n
i
tiv
e
tr
aits
th
r
o
u
g
h
th
e
atte
n
tio
n
a
l
s
tate,
a
p
o
s
itiv
e
co
r
r
elatio
n
ca
n
b
e
o
b
s
er
v
ed
.
T
h
er
ef
o
r
e,
h
ig
h
lev
el
o
f
p
er
ce
p
tio
n
is
ex
p
ec
ted
in
in
d
i
v
id
u
a
ls
w
it
h
h
ig
h
I
Q,
an
d
v
ice
v
er
s
a.
T
h
es
e
h
o
w
e
v
er
,
h
av
e
y
et
to
b
e
co
n
f
ir
m
ed
th
r
o
u
g
h
v
alid
ex
p
er
i
m
e
n
tal
p
r
o
to
co
ls
.
B
r
ain
b
eh
av
io
r
ca
n
b
e
o
b
s
er
v
ed
th
r
o
u
g
h
th
e
elec
tr
o
en
ce
p
h
a
lo
g
r
a
m
(
E
E
G)
.
P
ast
s
tu
d
ies
h
a
v
e
s
t
u
d
ies
h
av
e
d
e
m
o
n
s
tr
ated
th
at
t
h
e
r
e
s
tin
g
E
E
G
f
r
o
m
le
f
t
p
r
ef
r
o
n
ta
l
co
r
tex
is
ca
p
ab
le
o
f
p
r
ed
ictin
g
v
ar
io
u
s
tr
aits
o
f
co
g
n
itio
n
s
u
ch
as
i
n
telli
g
e
n
ce
[
1
9
-
2
0
]
,
lear
n
in
g
s
t
y
les
[
2
1
-
2
2
]
an
d
p
er
ce
p
tu
al
ab
ilit
y
[
4
]
.
A
n
in
telli
g
en
t
I
Q
lev
el
class
i
f
icatio
n
m
o
d
el
h
as
b
ee
n
p
r
ev
io
u
s
l
y
e
s
tab
lis
h
ed
u
s
i
n
g
ar
tif
icial
n
e
u
r
al
n
et
w
o
r
k
(
A
NN)
.
A
lt
h
o
u
g
h
y
ield
in
g
ex
ce
lle
n
t
tr
ain
i
n
g
ac
cu
r
ac
y
,
i
ts
p
er
f
o
r
m
an
ce
d
u
r
in
g
test
in
g
h
as
i
n
d
icate
d
o
v
er
-
f
itti
n
g
p
r
o
b
lem
s
.
T
h
ese
ar
e
attr
ib
u
ted
b
y
th
e
ab
s
e
n
ce
o
f
e
ar
l
y
-
s
to
p
p
in
g
cr
iter
io
n
th
at
e
n
s
u
r
es
o
p
ti
m
u
m
g
en
er
aliza
t
io
n
ab
ilit
y
o
f
t
h
e
A
NN
[
1
9
]
.
T
h
e
class
i
f
icatio
n
m
o
d
el
h
o
w
ev
er
,
ca
n
s
t
ill
b
e
i
m
p
r
o
v
ed
u
s
i
n
g
s
u
p
er
io
r
tech
n
iq
u
e
s
s
u
c
h
as
s
u
p
p
o
r
t
v
ec
to
r
m
ac
h
in
e
(
SVM)
.
Am
o
n
g
t
h
e
m
ai
n
ad
v
a
n
ta
g
es
o
f
s
u
c
h
m
et
h
o
d
is
its
ab
il
it
y
to
attai
n
g
o
o
d
g
en
er
aliza
tio
n
ab
ilit
y
,
ev
en
w
i
th
s
m
a
ll
s
a
m
p
le
s
ize
[
2
3
]
.
T
h
e
f
o
llo
w
in
g
ar
e
is
s
u
e
s
th
at
s
h
all
b
e
t
h
e
f
o
c
u
s
o
f
t
h
is
s
tu
d
y
.
First,
t
h
e
r
elatio
n
s
h
ip
b
et
w
ee
n
p
er
ce
p
tu
al
ab
ilit
y
an
d
in
telli
g
en
ce
h
as
y
e
t
to
b
e
ad
d
r
ess
ed
th
r
o
u
g
h
E
E
G
o
b
s
er
v
atio
n
s
.
Seco
n
d
,
th
e
e
s
tab
lis
h
ed
I
Q
le
v
el
cla
s
s
i
f
icatio
n
m
o
d
el
h
as
d
e
m
o
n
s
tr
ated
li
m
itatio
n
s
t
h
at
c
o
u
ld
b
e
o
v
er
co
m
e
u
s
i
n
g
SVM.
T
h
ir
d
,
a
cr
o
s
s
-
r
elatio
n
al
m
ap
p
i
n
g
b
et
w
ee
n
b
o
th
t
r
aits
o
f
co
g
n
itio
n
h
as
y
et
to
b
e
estab
lis
h
ed
th
r
o
u
g
h
a
co
m
p
u
tatio
n
a
l
m
o
d
el.
C
o
n
s
eq
u
en
tl
y
,
th
e
f
o
llo
w
i
n
g
o
b
j
ec
tiv
es
h
av
e
b
ee
n
o
u
tli
n
ed
;
1
)
to
ch
ar
ac
ter
ize
m
ea
n
p
atter
n
o
f
th
eta,
alp
h
a
a
n
d
b
eta
r
atio
f
ea
t
u
r
es
f
o
r
d
if
f
er
e
n
t
le
v
els
o
f
p
er
ce
p
tu
al
ab
ilit
y
,
2
)
to
d
ev
elo
p
an
I
Q
lev
el
class
i
f
icatio
n
m
o
d
el
u
s
i
n
g
SVM,
an
d
3
)
to
im
p
le
m
e
n
t
th
e
es
tab
lis
h
ed
m
o
d
el
f
o
r
p
r
ed
ictin
g
I
Q
lev
els
f
r
o
m
th
e
p
er
ce
p
tu
al
ab
ilit
y
d
ataset.
T
h
e
o
u
tco
m
es
ar
e
ex
p
ec
ted
to
v
alid
ate
p
r
io
r
ass
u
m
p
tio
n
s
th
at
b
o
th
tr
aits
o
f
co
g
n
itio
n
ar
e
p
o
s
itiv
el
y
co
r
r
elate
d
.
2.
RE
S
E
ARCH
M
E
T
H
O
D
T
h
e
s
tu
d
y
co
m
p
r
i
s
es o
f
d
ata
a
cq
u
is
itio
n
,
s
ig
n
al
p
r
e
-
p
r
o
ce
s
s
i
n
g
an
d
f
ea
t
u
r
e
ex
tr
ac
tio
n
,
an
d
an
al
y
s
is
o
f
m
ea
n
p
o
w
er
r
atio
p
atter
n
f
o
r
t
h
e
r
esp
ec
tiv
e
lev
el
s
o
f
p
er
ce
p
t
u
al
ab
ilit
y
.
T
h
ese
ar
e
f
o
llo
w
ed
b
y
th
e
d
ev
elo
p
m
e
n
t
o
f
I
Q
lev
el
cla
s
s
i
f
icat
io
n
m
o
d
e
l
u
s
i
n
g
SVM,
a
n
d
I
Q
lev
el
p
r
ed
ictio
n
f
r
o
m
p
er
ce
p
tu
al
ab
ilit
y
d
ataset.
T
h
e
g
en
er
a
l
f
r
a
m
e
w
o
r
k
o
f
r
esear
ch
m
et
h
o
d
s
is
s
h
o
w
n
i
n
Fi
g
u
r
e
1
.
Fig
u
r
e
1
.
Gen
er
al
r
esear
ch
f
r
a
m
e
w
o
r
k
A
cq
u
is
it
io
n
o
f
p
er
ce
p
tu
al
ab
ili
t
y
d
ataset
(
N=
6
5
)
E
E
G
p
r
e
-
p
r
o
ce
s
s
in
g
a
n
d
ex
tr
ac
tio
n
o
f
p
o
w
er
r
atio
f
ea
t
u
r
es
An
al
y
s
i
s
o
f
m
ea
n
p
o
w
er
r
atio
f
ea
t
u
r
es
C
o
r
r
elatio
n
w
it
h
m
ec
h
a
n
is
m
t
o
r
eg
u
late
at
ten
tio
n
A
cq
u
is
it
io
n
o
f
I
Q
le
v
el
d
ataset
(
N=
5
0
)
E
E
G
p
r
e
-
p
r
o
ce
s
s
in
g
a
n
d
e
x
tr
a
c
ti
o
n
o
f
p
o
w
e
r
r
a
ti
o
f
e
a
t
u
r
e
s
E
n
h
a
n
ce
m
en
t o
f
d
ataset
w
it
h
s
y
n
t
h
etic
E
E
G
(
N=
1
2
0
)
Op
ti
m
izatio
n
o
f
R
B
F
k
er
n
el
th
r
o
u
g
h
γ
an
d
C
Dev
elo
p
m
e
n
t o
f
I
Q
le
v
el
class
i
f
icatio
n
m
o
d
el
u
s
i
n
g
S
V
M
P
r
ed
ictio
n
o
f
I
Q
lev
els f
r
o
m
p
er
ce
p
tu
al
ab
ilit
y
d
ataset
u
s
i
n
g
th
e
n
e
w
l
y
estab
lis
h
ed
m
o
d
el
b
ased
o
n
SVM
Ma
p
p
in
g
o
f
p
r
ed
icted
I
Q
lev
el
f
o
r
each
p
er
cep
tu
al ab
il
it
y
g
r
o
u
p
C
o
r
r
elatio
n
b
et
w
ee
n
p
er
ce
p
tu
a
l
ab
ilit
y
an
d
I
Q
le
v
el
Ob
j
ec
tiv
e
1
Ob
j
ec
tiv
e
2
Ob
j
ec
tiv
e
3
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
IJ
-
AI
Vo
l.
8
,
No
.
4
,
Dec
em
b
er
20
1
9
:
4
3
6
–
442
438
2
.
1
.
Da
t
a
a
cquis
it
io
n,
E
E
G
pre
-
pro
ce
s
s
ing
a
nd
f
ea
t
ure
ex
t
ra
ct
io
n
A
to
tal
o
f
6
5
h
ea
lth
y
s
u
b
j
ec
ts
h
av
e
p
ar
ticip
ated
in
th
e
s
t
u
d
y
(
r
ig
h
t
-
h
an
d
ed
,
ag
e
r
an
g
e
=
2
0
–
4
0
y
ea
r
s
,
m
ea
n
ag
e
=
2
7
.
1
y
ea
r
s
,
s
tan
d
a
r
d
d
ev
iatio
n
=
±
4
.
4
y
ea
r
s
)
.
W
r
itten
co
n
s
e
n
t
i
s
o
b
tain
ed
p
r
io
r
to
d
ata
co
llectio
n
.
A
ll
p
r
o
to
co
l
h
as
r
ec
eiv
ed
ap
p
r
o
v
al
f
r
o
m
t
h
e
u
n
iv
er
s
it
y
’
s
R
esear
ch
E
th
ic
s
C
o
m
m
ittee
(
6
0
0
-
I
R
MI
(
5
/1
/6
)
)
.
Su
b
j
ec
ts
ar
e
r
eq
u
ir
ed
to
co
m
p
l
ete
f
iv
e
tr
ail
s
o
f
th
e
C
T
MT
.
Su
b
s
eq
u
en
tl
y
,
r
esti
n
g
E
E
G
is
ac
q
u
ir
ed
f
r
o
m
th
e
le
f
t
p
r
ef
r
o
n
tal
co
r
tex
u
s
in
g
Neu
r
o
Sk
y
Mi
n
d
w
a
v
e
Mo
b
ile
d
u
r
in
g
w
h
ic
h
,
p
ar
ticip
an
ts
ar
e
r
eq
u
ir
e
d
to
r
elax
w
ith
b
o
th
e
y
es
clo
s
ed
.
T
h
e
r
ec
o
r
d
in
g
s
p
an
s
ap
p
r
o
x
i
m
atel
y
3
m
i
n
u
te
s
.
T
h
e
T
-
s
co
r
e
f
r
o
m
C
T
M
T
is
u
s
ed
to
estab
lis
h
th
e
h
ig
h
,
m
ed
i
u
m
a
n
d
lo
w
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
s
[
4
]
.
T
h
e
E
E
G
is
p
r
e
-
p
r
o
ce
s
s
ed
f
o
r
n
o
is
e
r
e
m
o
v
a
l
an
d
elec
tr
o
o
cu
lo
g
r
a
m
r
ej
ec
tio
n
.
1
5
0
s
ec
o
n
d
s
s
eg
m
en
t
is
r
etain
ed
an
d
f
ilter
ed
in
to
th
e
ta,
alp
h
a
an
d
b
eta
w
av
e
s
[
2
4
]
.
P
o
w
er
s
p
ec
tr
al
d
en
s
it
y
(
P
SD)
is
d
eter
m
i
n
ed
u
s
in
g
Fa
s
t
Fo
u
r
ier
T
r
an
s
f
o
r
m
a
n
d
W
elch
m
et
h
o
d
[
1
9
]
.
E
n
er
g
y
s
p
ec
tr
al
d
en
s
it
y
(
E
SD)
is
t
h
en
ex
tr
ac
ted
as th
e
ar
ea
u
n
d
er
P
SD c
u
r
v
e
p
er
u
n
it
f
r
eq
u
en
c
y
[
2
4
]
.
T
h
e
in
f
o
r
m
a
tio
n
is
f
u
r
th
er
n
o
r
m
alize
d
v
ia
(
1
)
,
(
2
)
an
d
(
3
)
w
h
er
e
θ
,
α
an
d
β
ea
ch
r
ep
r
esen
ts
t
h
e
E
SD
i
n
th
eta,
alp
h
a
an
d
b
eta
b
an
d
s
.
T
h
e
task
s
ar
e
p
er
f
o
r
m
e
d
in
MA
T
L
A
B
e
n
v
ir
o
n
m
e
n
t.
R
a
t
i
o
T
h
et
a
(
1
)
R
a
t
i
o
A
l
p
h
a
(
2
)
R
a
t
i
o
B
e
t
a
(
3
)
2
.
2
.
Dev
el
o
p
m
ent
o
f
I
Q
lev
el
cla
s
s
if
ica
t
io
n
m
o
del us
ing
s
up
po
rt
v
ec
t
o
r
m
a
chine
SVM
is
i
m
p
le
m
e
n
ted
i
n
t
h
e
I
Q
lev
el
clas
s
if
icatio
n
m
o
d
el.
T
h
e
m
o
d
el
is
d
ev
elo
p
ed
b
ase
d
o
n
f
i
f
t
y
s
a
m
p
les
ac
q
u
ir
ed
f
r
o
m
t
h
e
p
r
ec
ed
in
g
s
tu
d
y
.
A
d
d
itio
n
al
s
e
v
en
t
y
s
a
m
p
le
s
o
f
s
y
n
th
e
tic
E
E
G
w
er
e
also
u
s
ed
to
en
f
o
r
ce
t
h
e
m
o
d
el.
T
h
r
ee
co
n
tr
o
l
g
r
o
u
p
s
w
er
e
p
r
ev
io
u
s
l
y
e
s
tab
lis
h
ed
v
ia
R
P
M;
h
i
g
h
,
m
ed
iu
m
a
n
d
lo
w
I
Q
g
r
o
u
p
s
[
1
9
]
.
Hen
ce
,
er
r
o
r
-
co
r
r
ec
tin
g
o
u
tp
u
t
co
d
es
ar
e
i
m
p
le
m
en
ted
f
o
r
th
e
m
u
lt
i
-
cla
s
s
SV
M
m
o
d
el.
T
h
r
o
u
g
h
n
o
n
-
li
n
ea
r
m
ap
p
in
g
,
d
ata
is
in
itiall
y
m
ap
p
ed
to
h
ig
h
d
i
m
en
s
io
n
al
s
p
ac
e.
Su
b
s
eq
u
e
n
tl
y
,
li
n
ea
r
class
if
icatio
n
is
p
er
f
o
r
m
ed
th
r
o
u
g
h
(
4
)
w
h
er
e
f
(
x
)
is
th
e
class
if
icatio
n
f
u
n
ctio
n
,
w
is
w
ei
g
h
t
v
ec
to
r
o
f
h
y
p
er
-
p
lan
e
co
ef
f
icie
n
ts
,
an
d
b
is
th
e
b
ias.
b
wx
x
f
(
4
)
A
r
ad
ial
b
asi
s
f
u
n
ctio
n
(
R
B
F)
k
er
n
el
is
u
s
ed
d
u
e
to
its
s
tab
ili
t
y
.
R
B
F
o
n
s
a
m
p
les
x
an
d
x
’
a
r
e
f
ea
tu
r
e
v
ec
to
r
s
in
an
in
p
u
t
s
p
ac
e
an
d
is
ex
p
r
ess
ed
b
y
(
5
)
w
h
er
e
γ
is
a
p
ar
am
eter
th
at
d
ef
i
n
es
th
e
in
f
l
u
en
ce
o
f
tr
ain
i
n
g
s
a
m
p
les.
An
o
t
h
er
p
ar
a
m
eter
t
o
co
n
tr
o
l
g
en
er
aliza
t
io
n
ab
ilit
y
o
f
SVM
i
s
th
e
b
o
x
co
n
s
tr
ai
n
t,
C
.
I
t
co
n
tr
o
ls
t
h
e
m
ax
i
m
u
m
p
en
alt
y
i
m
p
o
s
ed
o
n
m
ar
g
i
n
-
v
io
lat
in
g
o
b
s
er
v
atio
n
s
an
d
aid
s
in
p
r
ev
en
tin
g
o
v
er
-
f
i
ttin
g
[
2
3
]
.
2
'
e
x
p
'
,
x
x
x
x
K
(
5
)
T
h
e
th
eta,
alp
h
a
an
d
b
eta
r
ati
o
f
ea
tu
r
es
ar
e
u
s
ed
is
i
n
p
u
t
t
o
tr
ain
an
d
test
th
e
SVM.
5
-
f
o
ld
cr
o
s
s
-
v
alid
atio
n
is
a
ls
o
i
m
p
le
m
en
te
d
in
t
h
e
d
ev
e
lo
p
m
en
t
o
f
th
e
m
o
d
el.
T
h
e
r
a
n
d
o
m
l
y
s
e
g
r
eg
a
ted
f
o
r
tr
ain
i
n
g
a
n
d
test
i
n
g
w
it
h
8
0
:2
0
s
p
lit
r
atio
.
Su
b
s
eq
u
e
n
tl
y
,
th
e
d
ev
elo
p
ed
m
o
d
el
is
u
s
ed
to
p
r
ed
ict
I
Q
le
v
el
g
r
o
u
p
s
f
r
o
m
t
h
e
p
r
ev
io
u
s
l
y
estab
li
s
h
ed
p
er
ce
p
tu
al
ab
ilit
y
d
atase
t.
T
h
e
m
ap
p
i
n
g
o
f
s
a
m
p
le
s
b
et
w
ee
n
t
w
o
d
ata
s
ets
w
il
l
v
alid
ate
th
e
ex
p
ec
ted
r
elatio
n
s
h
ip
b
etw
ee
n
b
o
th
in
telli
g
e
n
ce
an
d
p
er
ce
p
tio
n
.
A
cc
u
r
ac
y
f
o
r
b
o
th
tr
ain
in
g
test
i
n
g
i
s
d
escr
ib
ed
b
y
(
6
)
w
h
er
e
TP
,
TN
,
FP
an
d
FN
ea
ch
r
ep
r
esen
ts
th
e
tr
u
e
p
o
s
itiv
e,
tr
u
e
n
eg
a
tiv
e,
f
alse
p
o
s
itiv
e
a
n
d
f
alse
n
eg
a
tiv
e.
%
100
FN
FP
TN
TP
TN
TP
A
c
c
(
6
)
Evaluation Warning : The document was created with Spire.PDF for Python.
IJ
-
AI
I
SS
N:
2252
-
8938
I
Q
leve
l p
r
ed
ictio
n
a
n
d
cro
s
s
-
r
ela
tio
n
a
l a
n
a
lysi
s
w
it
h
p
ercep
tu
a
l a
b
ilit
y
u
s
in
g
...
(
N
o
o
r
Hid
a
ya
h
R
o
s
A
z
a
min
)
439
3.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
N
3
.
1
.
Ana
ly
s
is
o
f
m
ea
n po
w
er
ra
t
io
f
e
a
t
ures f
o
r
diff
er
ent
l
ev
els o
f
perc
ept
ua
l a
bil
it
y
T
h
r
ee
d
is
tin
ct
lev
el
s
o
f
p
er
c
ep
tu
al
ab
ilit
y
ar
e
d
eter
m
i
n
ed
b
ased
o
n
th
e
T
-
s
co
r
es
o
f
C
T
M
T
.
T
h
e
d
is
tr
ib
u
tio
n
o
f
s
a
m
p
les
is
b
ased
o
n
q
u
alitati
v
e
d
escr
ip
ti
o
n
s
in
t
h
e
m
an
u
al
b
o
o
k
let.
Sev
e
n
s
a
m
p
les
ar
e
ca
teg
o
r
ized
as
lo
w
lev
el,
f
o
r
t
y
-
f
iv
e
s
a
m
p
les
as
m
ed
iu
m
le
v
el
an
d
th
e
r
e
m
ain
in
g
th
ir
tee
n
s
a
m
p
les
as
h
ig
h
lev
el
o
f
p
er
ce
p
tio
n
.
Su
b
s
eq
u
en
tl
y
,
th
e
o
b
tain
ed
th
eta,
alp
h
a
an
d
b
eta
r
atio
f
ea
tu
r
es a
r
e
clu
s
ter
ed
in
to
th
e
th
r
ee
lev
el
s
o
f
p
er
ce
p
tu
al
ab
ilit
y
.
T
ab
le
1
s
h
o
w
s
t
h
e
m
ea
n
p
o
w
er
r
atio
f
ea
tu
r
es
f
o
r
ea
ch
lev
el
o
f
p
er
ce
p
tio
n
.
A
q
u
alitati
v
e
d
escr
ip
tio
n
is
al
s
o
p
r
o
v
id
ed
o
n
its
tr
en
d
i
n
g
p
atter
n
w
it
h
i
n
cr
ea
s
in
g
le
v
el
o
f
p
er
ce
p
tio
n
.
T
h
e
m
ea
n
p
o
w
er
r
atio
f
ea
t
u
r
es
s
h
o
w
co
n
f
o
r
m
it
y
w
i
th
p
r
ev
io
u
s
s
tu
d
y
w
h
er
e
b
o
th
th
e
ta
an
d
b
eta
r
atio
d
e
m
o
n
s
tr
ates
a
d
ec
r
ea
s
in
g
tr
en
d
.
C
o
n
v
er
s
el
y
,
t
h
e
p
atter
n
o
f
alp
h
a
r
atio
in
d
icate
d
an
i
n
cr
ea
s
i
n
g
tr
en
d
.
T
h
e
h
ig
h
est
m
ea
n
th
e
ta
r
atio
attain
ed
b
y
lo
w
p
er
ce
p
tu
al
ab
ili
t
y
g
r
o
u
p
d
e
m
o
n
s
tr
ates
r
elati
v
e
l
y
p
o
o
r
er
ef
f
icien
c
y
i
n
b
lo
ck
in
g
tas
k
-
ir
r
elev
an
t
co
r
tical
ac
tiv
itie
s
,
th
u
s
i
n
cr
ea
s
i
n
g
co
r
tical
n
o
is
e
w
h
ic
h
r
esu
lted
in
r
ed
u
ce
d
atten
tio
n
al
s
tate.
F
u
r
th
er
m
o
r
e,
th
ese
also
r
e
f
lect
s
o
m
e
w
h
at
le
s
s
ef
f
icie
n
t
f
u
n
ctio
n
i
n
g
o
f
n
e
u
r
o
tr
an
s
m
i
tter
s
.
T
h
u
s
,
th
ese
in
cr
ea
s
e
th
e
p
r
o
b
ab
ilit
y
o
f
n
e
u
r
o
n
s
f
ir
in
g
tr
a
n
s
m
is
s
io
n
er
r
o
r
s
[
1
3
]
.
C
o
n
v
er
s
el
y
,
t
h
e
h
ig
h
e
s
t
m
ea
n
alp
h
a
r
atio
is
o
b
tain
ed
b
y
t
h
o
s
e
w
it
h
h
i
g
h
lev
el
o
f
p
er
ce
p
tio
n
;
r
ef
lectin
g
i
n
cr
ea
s
ed
s
y
n
ch
r
o
n
izatio
n
o
f
a
lp
h
a
o
s
cillatio
n
s
.
T
h
ese
d
esy
n
c
h
r
o
n
ize
b
o
th
th
eta
[
2
5
]
an
d
b
eta
[
1
8
]
w
a
v
es;
r
es
u
lti
n
g
in
lo
w
est m
ea
n
f
o
r
th
o
s
e
E
E
G
b
an
d
s
.
T
h
e
in
cr
ea
s
ed
o
s
cillat
i
o
n
ar
o
u
n
d
1
0
Hz
en
ab
les
th
e
b
r
ain
s
te
m
to
b
lo
ck
ta
s
k
-
ir
r
ele
v
a
n
t
co
r
tical
ac
ti
v
itie
s
[
1
5
]
w
h
ich
aid
s
in
s
u
s
tai
n
i
n
g
a
tten
tio
n
[
6
]
.
T
h
e
h
ig
h
le
v
el
o
f
p
er
ce
p
tio
n
is
also
attr
ib
u
ted
to
lo
w
er
co
r
tical
n
o
is
e
f
r
o
m
e
f
f
ic
ien
t f
u
n
ct
io
n
i
n
g
n
eu
r
o
tr
an
s
m
i
tter
s
[
1
6
]
.
Gen
er
all
y
,
a
p
o
s
itiv
e
co
r
r
elatio
n
h
as
b
ee
n
o
b
s
er
v
ed
b
et
w
ee
n
p
er
ce
p
tu
al
ab
ilit
y
a
n
d
atte
n
tio
n
al
s
tate
[
5
-
6
,
1
6
]
.
T
h
e
o
b
s
er
v
ed
p
o
w
er
r
atio
p
atter
n
a
ls
o
i
n
d
icate
d
co
n
f
o
r
m
it
y
w
it
h
t
h
e
Neu
r
al
E
f
f
icie
n
c
y
H
y
p
o
t
h
esi
s
o
f
h
u
m
an
i
n
telli
g
e
n
ce
[
6
,
8
]
.
A
lp
h
a
r
atio
h
as
s
h
o
w
n
in
cr
ea
s
in
g
tr
en
d
f
r
o
m
lo
w
to
h
ig
h
I
Q
lev
el.
C
o
n
v
er
s
el
y
,
t
h
eta
an
d
b
eta
r
atio
h
as
d
e
m
o
n
s
tr
ated
d
ec
r
ea
s
in
g
tr
en
d
to
th
at
o
f
alp
h
a
r
atio
[
2
4
]
.
T
h
e
o
b
s
er
v
ed
p
atter
n
in
t
h
e
th
r
ee
E
E
G
b
an
d
s
i
s
ex
p
lain
ed
t
h
r
o
u
g
h
u
n
d
er
l
y
i
n
g
m
ec
h
an
i
s
m
s
t
h
at
r
eg
u
late
atte
n
tio
n
.
I
t
is
s
tr
o
n
g
l
y
a
s
s
o
ciate
d
w
it
h
th
e
n
e
u
r
al
tr
an
s
m
i
s
s
io
n
er
r
o
r
an
d
alp
h
a
s
u
p
p
r
ess
io
n
th
eo
r
ies
th
at
r
esu
lt
in
i
n
cr
ea
s
ed
lev
el
o
f
atten
tio
n
;
r
esu
ltin
g
i
n
o
p
tim
ized
b
r
ain
ca
p
ac
it
y
[
1
5
]
,
h
e
ig
h
ten
ed
p
er
ce
p
tu
al
li
m
it
s
an
d
r
esp
o
n
s
e
ti
m
e
[
7
]
.
T
h
u
s
as
s
u
m
m
ar
ized
b
y
T
ab
le
2
,
a
p
o
s
itiv
e
co
r
r
elatio
n
b
et
w
ee
n
th
e
t
w
o
tr
ait
s
o
f
co
g
n
itio
n
ca
n
b
e
o
b
s
er
v
ed
.
T
ab
le
1
.
Me
an
p
o
w
er
r
atio
an
d
p
atter
n
d
escr
ip
tio
n
w
it
h
i
n
cr
ea
s
i
n
g
le
v
el
o
f
p
er
ce
p
tio
n
P
o
w
e
r
R
a
t
i
o
L
e
v
e
l
o
f
P
e
r
c
e
p
t
u
a
l
A
b
i
l
i
t
y
P
a
t
t
e
r
n
D
e
scri
p
t
i
o
n
w
i
t
h
I
n
c
r
e
a
si
n
g
L
e
v
e
l
o
f
P
e
r
c
e
p
t
i
o
n
L
o
w
M
e
d
i
u
m
H
i
g
h
T
h
e
t
a
0
.
4
2
4
6
0
.
3
9
4
2
0
.
3
3
4
4
D
e
c
r
e
a
si
n
g
A
l
p
h
a
0
.
4
6
4
5
0
.
5
0
6
0
0
.
5
5
6
7
I
n
c
r
e
a
si
n
g
B
e
t
a
0
.
1
1
2
7
0
.
1
1
0
7
0
.
1
0
9
0
D
e
c
r
e
a
si
n
g
T
ab
le
2
.
P
atter
n
o
f
p
o
w
er
r
atio
f
ea
tu
r
e
s
w
it
h
in
cr
ea
s
i
n
g
le
v
el
s
o
f
p
er
ce
p
tu
al
ab
ilit
y
an
d
I
Q
P
o
w
e
r
R
a
t
i
o
F
e
a
t
u
r
e
s
I
n
c
r
e
a
si
n
g
L
e
v
e
l
o
f
P
e
r
c
e
p
t
i
o
n
I
n
c
r
e
a
si
n
g
L
e
v
e
l
o
f
IQ
T
h
e
t
a
D
e
c
r
e
a
si
n
g
D
e
c
r
e
a
si
n
g
A
l
p
h
a
I
n
c
r
e
a
si
n
g
I
n
c
r
e
a
si
n
g
B
e
t
a
D
e
c
r
e
a
si
n
g
D
e
c
r
e
a
si
n
g
3
.
2
.
Dev
el
o
p
m
ent
o
f
I
Q
lev
el
cla
s
s
if
ica
t
io
n
m
o
del us
ing
S
VM
T
h
e
R
B
F
k
er
n
el
is
i
n
itiall
y
o
p
ti
m
ized
w
it
h
p
ar
a
m
eter
s
γ
an
d
C
is
s
et
at
1
0
0
0
an
d
0
.
0
0
1
,
r
e
s
p
ec
tiv
el
y
.
As
a
r
esu
lt,
th
e
SVM
h
as
s
h
o
w
n
m
ar
k
ed
i
m
p
r
o
v
e
m
e
n
t
f
r
o
m
t
h
e
o
n
e
p
r
ev
io
u
s
l
y
d
e
v
elo
p
ed
u
s
in
g
A
N
N
[
2
6
]
.
T
r
ain
in
g
an
d
test
in
g
o
f
th
e
I
Q
lev
el
class
i
f
ica
tio
n
m
o
d
el
y
ield
ed
1
0
0
%
ac
cu
r
ac
y
.
T
h
u
s
,
th
e
h
y
p
er
-
p
la
n
es
ar
e
ab
le
to
clea
n
l
y
s
ep
ar
ate
th
e
p
o
w
er
r
atio
f
ea
t
u
r
es
a
m
o
n
g
th
e
e
s
tab
lis
h
ed
co
n
tr
o
l
g
r
o
u
p
s
.
I
n
c
o
n
tr
ast,
t
h
e
p
r
ev
io
u
s
A
N
N
m
o
d
el
w
a
s
o
n
l
y
ab
le
to
attain
te
s
ti
n
g
ac
cu
r
ac
y
o
f
8
8
.
9
%.
T
ab
le
3
s
h
o
w
s
th
e
co
m
p
ar
is
o
n
b
et
w
ee
n
b
o
th
ap
p
r
o
ac
h
es.
T
ab
le
3
.
P
er
f
o
r
m
a
n
ce
co
m
p
ar
i
s
o
n
b
et
w
ee
n
t
h
e
p
r
o
p
o
s
ed
SVM
an
d
p
r
ev
io
u
s
A
N
N
m
o
d
el
[
1
9
]
M
e
t
h
o
d
s
A
c
c
(
%)
T
r
a
i
n
i
n
g
T
e
st
i
n
g
S
V
M
1
0
0
.
0
1
0
0
.
0
A
N
N
[
1
9
]
1
0
0
.
0
8
8
.
9
3
.
3
.
I
Q
lev
el
predict
io
n f
ro
m
perc
ept
ua
l a
bil
it
y
da
t
a
s
et
us
ing
t
he
esta
bli
s
hed
m
o
del
T
h
e
n
e
w
l
y
d
ev
elo
p
ed
class
i
f
ic
atio
n
m
o
d
el
is
t
h
e
u
s
ed
to
p
r
ed
ict
I
Q
lev
el
f
r
o
m
th
e
p
er
ce
p
tu
al
ab
ilit
y
d
ataset.
Si
x
t
y
-
f
i
v
e
s
a
m
p
les
o
f
th
eta,
alp
h
a
an
d
b
eta
r
atio
f
ea
t
u
r
es
ar
e
u
s
ed
as
i
n
p
u
t
to
SVM.
Sev
e
n
s
a
m
p
le
s
ar
e
p
r
ed
icted
as l
o
w
I
Q,
f
o
r
t
y
-
f
o
u
r
s
a
m
p
les as
m
ed
i
u
m
I
Q,
an
d
t
h
e
r
e
m
ai
n
in
g
f
o
u
r
teen
s
a
m
p
le
s
as h
i
g
h
I
Q.
Fig
u
r
e
2
s
h
o
w
s
t
h
e
d
is
tr
ib
u
tio
n
o
f
p
r
ed
icted
I
Q
lev
els
f
r
o
m
th
e
p
er
ce
p
tu
al
ab
ilit
y
d
ataset.
Su
b
s
eq
u
e
n
tl
y
,
T
ab
le
4
s
h
o
w
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
IJ
-
AI
Vo
l.
8
,
No
.
4
,
Dec
em
b
er
20
1
9
:
4
3
6
–
442
440
a
m
ap
p
in
g
o
f
p
r
ed
icted
I
Q
lev
el
f
o
r
ea
ch
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
.
A
ll
s
e
v
en
s
a
m
p
le
s
f
r
o
m
lo
w
p
er
ce
p
tu
a
l
ab
ilit
y
g
r
o
u
p
ar
e
p
r
ed
icte
d
as
lo
w
I
Q,
an
d
all
th
ir
teen
s
a
m
p
l
es
f
r
o
m
h
i
g
h
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
as
h
ig
h
I
Q.
Me
an
w
h
ile,
o
u
t
o
f
f
o
r
t
y
-
f
i
v
e
s
a
m
p
les
f
r
o
m
m
ed
iu
m
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
,
f
o
r
t
y
-
f
o
u
r
h
as
b
ee
n
p
r
ed
icted
as
m
ed
iu
m
I
Q.
T
h
e
r
e
m
ai
n
i
n
g
o
n
e
s
a
m
p
le
is
p
r
ed
icted
as
h
i
g
h
I
Q.
T
h
is
h
o
w
e
v
er
,
is
ac
ce
p
t
ab
le
as
th
e
s
a
m
p
le
b
o
r
d
er
s
th
e
h
y
p
er
p
lan
e
s
ep
ar
atin
g
b
et
w
ee
n
t
h
e
lo
w
a
n
d
h
i
g
h
I
Q
g
r
o
u
p
s
.
T
h
e
I
Q
p
r
ed
icti
o
n
b
y
SVM
m
o
d
e
l
co
n
f
ir
m
s
t
h
e
h
y
p
o
th
e
s
is
t
h
at
b
o
th
p
er
ce
p
tu
al
ab
ilit
y
a
n
d
I
Q
lev
els
ar
e
p
o
s
iti
v
el
y
co
r
r
elate
d
.
T
h
ese
h
av
e
b
ee
n
estab
lis
h
ed
in
th
e
p
r
ec
ed
in
g
o
b
s
er
v
atio
n
s
o
n
th
eta,
alp
h
a
an
d
b
eta
r
atio
p
atter
n
,
h
ig
h
li
g
h
t
i
n
g
t
h
e
ass
o
ciatio
n
b
et
w
ee
n
th
ese
t
w
o
tr
aits
o
f
co
g
n
itio
n
t
h
r
o
u
g
h
t
h
e
m
ec
h
an
is
m
w
h
ic
h
r
eg
u
la
tes
atte
n
tio
n
.
F
u
r
t
h
er
m
o
r
e,
th
e
m
o
d
el
w
a
s
i
n
d
ee
d
estab
lis
h
ed
b
ased
o
n
t
h
e
E
E
G
p
atter
n
o
b
s
er
v
ed
in
th
e
I
Q
le
v
el
d
atase
t.
T
h
e
s
i
m
ila
r
p
atter
n
o
f
f
ea
t
u
r
e
d
is
tr
ib
u
tio
n
i
n
p
er
ce
p
tu
al
ab
ilit
y
d
atase
t
en
ab
les
th
e
m
o
d
el
to
id
en
ti
f
y
t
h
e
tr
aits
an
d
p
r
ed
ict
t
h
e
s
a
m
p
le
s
in
to
th
e
r
esp
ec
tiv
e
I
Q
lev
el.
Fig
u
r
e
3
f
u
r
th
er
h
i
g
h
li
g
h
ts
th
e
d
is
tr
ib
u
ti
o
n
o
f
s
a
m
p
les ac
co
r
d
in
g
to
lo
w
,
m
ed
i
u
m
a
n
d
h
i
g
h
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
s
.
Fig
u
r
e
2
.
Dis
tr
ib
u
tio
n
o
f
p
r
ed
icted
I
Q
lev
els f
r
o
m
p
er
ce
p
tu
al
ab
ilit
y
d
ataset
(
N=
6
5
s
am
p
le
s
)
T
ab
le
4
.
Ma
p
p
in
g
o
f
s
a
m
p
les
f
r
o
m
p
er
ce
p
tu
al
ab
ilit
y
d
ataset
to
th
e
p
r
ed
icted
I
Q
lev
els
P
e
r
c
e
p
t
u
a
l
A
b
i
l
i
t
y
G
r
o
u
p
L
o
w
M
e
d
i
u
m
H
i
g
h
T
o
t
a
l
P
r
e
d
i
c
t
e
d
I
Q
L
e
v
e
l
L
o
w
7
7
M
e
d
i
u
m
44
44
H
i
g
h
1
13
14
T
o
t
a
l
7
45
13
65
(
a)
(
b
)
(
c)
Fig
u
r
e
3
.
Dis
tr
ib
u
tio
n
o
f
s
a
m
p
les ac
co
r
d
in
g
to
(
a)
lo
w
,
(
b
)
m
ed
iu
m
,
a
n
d
(
c)
h
ig
h
lev
el
o
f
p
er
ce
p
tu
al
ab
ilit
y
4.
CO
NCLU
SI
O
N
T
h
is
p
ap
er
p
r
esen
ts
I
Q
lev
el
p
r
ed
ictio
n
an
d
cr
o
s
s
-
r
elatio
n
a
l
an
al
y
s
is
w
it
h
p
er
ce
p
tu
al
ab
i
lit
y
u
s
in
g
EEG
-
b
ased
SVM
clas
s
i
f
icatio
n
m
o
d
el.
T
h
e
s
t
u
d
y
f
ir
s
t
s
et
s
o
u
t
to
c
h
ar
ac
ter
ize
m
ea
n
p
atter
n
o
f
t
h
eta,
alp
h
a
an
d
b
eta
r
atio
f
ea
tu
r
es
f
o
r
d
if
f
er
en
t
lev
els
o
f
p
e
r
ce
p
tu
al
ab
ilit
y
.
P
o
s
itiv
e
co
r
r
elatio
n
b
etw
ee
n
m
ea
n
alp
h
a
r
atio
an
d
Evaluation Warning : The document was created with Spire.PDF for Python.
IJ
-
AI
I
SS
N:
2252
-
8938
I
Q
leve
l p
r
ed
ictio
n
a
n
d
cro
s
s
-
r
ela
tio
n
a
l a
n
a
lysi
s
w
it
h
p
ercep
tu
a
l a
b
ilit
y
u
s
in
g
...
(
N
o
o
r
Hid
a
ya
h
R
o
s
A
z
a
min
)
441
in
cr
ea
s
ed
lev
el
o
f
p
er
ce
p
tio
n
h
as
b
ee
n
o
b
s
er
v
ed
.
T
h
e
p
atter
n
h
o
w
ev
er
,
is
in
v
er
s
ed
f
o
r
m
ea
n
th
eta
an
d
b
eta
r
atio
.
T
h
ese
ar
e
v
alid
as
it
ca
n
b
e
ex
p
lain
ed
th
r
o
u
g
h
t
h
e
u
n
d
er
l
y
in
g
m
ec
h
a
n
is
m
s
th
at
r
e
g
u
late
att
en
tio
n
.
F
u
r
t
h
er
m
o
r
e,
it
also
s
h
o
w
s
s
tr
o
n
g
co
r
r
elatio
n
w
it
h
n
e
u
r
al
tr
an
s
m
is
s
io
n
er
r
o
r
an
d
alp
h
a
s
u
p
p
r
ess
io
n
th
eo
r
ies
w
h
ich
e
x
p
lai
n
s
in
cr
ea
s
ed
lev
e
l
o
f
atte
n
tio
n
.
Si
m
i
lar
p
atter
n
h
a
s
b
ee
n
p
r
ev
io
u
s
l
y
o
b
s
er
v
ed
w
it
h
I
Q
lev
e
l
d
ataset;
in
d
icati
n
g
p
o
s
itiv
e
co
r
r
elatio
n
b
et
w
ee
n
t
h
ese
t
w
o
tr
aits
o
f
co
g
n
itio
n
.
F
o
llo
w
i
n
g
th
e
an
a
l
y
s
is
o
n
m
ea
n
p
o
w
er
r
atio
f
ea
t
u
r
es
an
d
co
r
r
elatio
n
b
et
w
ee
n
p
er
ce
p
tu
al
ab
ilit
y
an
d
I
Q
le
v
el,
t
h
e
s
t
u
d
y
h
as
s
u
cc
e
s
s
f
u
ll
y
d
ev
elo
p
ed
an
I
Q
lev
e
l
class
i
f
icatio
n
m
o
d
el
u
s
i
n
g
SV
M.
T
h
e
R
B
F
k
er
n
el
h
a
s
b
ee
n
tu
n
ed
th
r
o
u
g
h
γ
an
d
C
,
y
ield
in
g
1
0
0
%
ac
cu
r
ac
y
f
o
r
b
o
th
tr
ain
i
n
g
a
n
d
test
in
g
.
R
e
s
u
lts
s
h
o
w
m
ar
k
ed
i
m
p
r
o
v
e
m
e
n
t
o
v
er
t
h
e
p
r
ec
ed
in
g
m
o
d
el
t
h
at
w
as
e
s
tab
lis
h
ed
v
ia
A
NN.
L
ast
l
y
,
th
e
n
e
w
l
y
d
e
v
elo
p
ed
class
i
f
icatio
n
m
o
d
el
i
s
u
s
ed
to
p
r
ed
ict
I
Q
lev
e
l
f
r
o
m
t
h
e
p
er
ce
p
tu
al
ab
ilit
y
d
ataset.
A
ll
o
f
th
e
s
a
m
p
les
f
r
o
m
lo
w
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
h
av
e
b
ee
n
p
r
ed
icted
as
lo
w
I
Q,
an
d
all
s
am
p
le
s
f
r
o
m
th
e
h
i
g
h
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
as
h
i
g
h
I
Q.
Me
an
w
h
ile,
f
o
r
t
y
-
f
o
u
r
o
u
t
o
f
f
o
r
t
y
-
f
iv
e
s
a
m
p
les
f
r
o
m
m
ed
iu
m
p
er
ce
p
tu
al
ab
ilit
y
g
r
o
u
p
h
as
b
ee
n
p
r
ed
icted
as
m
ed
i
u
m
I
Q.
T
h
e
r
esu
lts
h
av
e
p
r
o
v
e
n
s
i
g
n
i
f
ica
n
t
as
t
h
e
i
m
p
r
o
v
ed
m
o
d
el
h
as
p
r
ed
icted
I
Q
lev
els
w
it
h
9
8
.
5
%
ac
cu
r
ac
y
o
f
t
h
e
h
y
p
o
th
e
s
ized
r
elatio
n
s
h
ip
b
et
w
ee
n
b
o
th
tr
aits
o
f
co
g
n
itio
n
.
T
h
ese
f
u
r
t
h
er
v
alid
ate
r
eliab
ilit
y
o
f
t
h
e
m
o
d
el
f
o
r
p
r
ac
tical
im
p
le
m
en
ta
t
io
n
s
.
ACK
NO
WL
E
D
G
E
M
E
NT
S
T
h
is
s
tu
d
y
i
s
f
u
n
d
ed
b
y
t
h
e
Facu
lt
y
o
f
E
lectr
ical
E
n
g
i
n
ee
r
in
g
,
as
w
ell
as
I
n
s
tit
u
te
o
f
R
esear
c
h
Ma
n
ag
e
m
e
n
t a
n
d
I
n
n
o
v
a
tio
n
,
Un
i
v
er
s
iti T
ek
n
o
lo
g
i M
A
R
A
(
6
0
0
/I
R
MI
/5
/3
/L
E
ST
A
R
I
(
0
3
2
/2
0
1
9
)
)
.
RE
F
E
R
E
NC
E
S
[1
]
J.
Co
sta
-
F
a
i
d
e
ll
a
,
e
t
a
l
,
“
S
e
lec
ti
v
e
En
train
m
e
n
t
o
f
Bra
in
Os
c
il
lat
io
n
s
Driv
e
s
A
u
d
it
o
ry
P
e
rc
e
p
tu
a
l
Org
a
n
iza
ti
o
n
,
”
Ne
u
ro
Ima
g
e
,
v
o
l.
1
5
9
,
p
p
.
1
9
5
–
2
0
6
,
2
0
1
7
.
[2
]
M
.
A
.
M
o
si
n
g
,
e
t
a
l
,
“
T
h
e
G
e
n
e
ti
c
A
rc
h
it
e
c
tu
re
o
f
Co
rre
latio
n
s
b
e
tw
e
e
n
P
e
rc
e
p
tu
a
l
T
im
in
g
,
M
o
t
o
r
T
im
in
g
,
a
n
d
In
telli
g
e
n
c
e
,
”
In
telli
g
e
n
c
e
,
v
o
l.
5
7
,
p
p
.
3
3
–
4
0
,
2
0
1
6
.
[3
]
L
.
F
.
Zh
a
n
g
,
“
F
iel
d
-
De
p
e
n
d
e
n
c
e
/In
d
e
p
e
n
d
e
n
c
e
:
Co
g
n
it
iv
e
S
ty
le
o
r
P
e
rc
e
p
t
u
a
l
A
b
il
it
y
?
V
a
li
d
a
ti
n
g
a
g
a
in
st
T
h
in
k
in
g
S
ty
les
a
n
d
Ac
a
d
e
m
ic
A
c
h
ie
v
e
m
e
n
t,
”
Per
so
n
a
li
ty
a
n
d
I
n
d
ivi
d
u
a
l
D
if
fer
e
n
c
e
s
,
v
o
l.
3
7
,
n
o
.
6
,
p
p
.
1
2
9
5
–
1
3
1
1
,
2
0
0
4
.
[4
]
N.
H.
R.
Az
a
m
in
,
e
t
a
l
,
“
Ch
a
ra
c
te
riza
ti
o
n
o
f
P
e
rc
e
p
t
u
a
l
A
b
il
it
y
Ba
s
e
d
o
n
Re
stin
g
EE
G
,
”
in
2
0
1
9
IEE
E
In
ter
n
a
ti
o
n
a
l
Co
n
fer
e
n
c
e
o
n
Au
to
ma
ti
c
Co
n
tro
l
a
n
d
I
n
telli
g
e
n
t
S
y
ste
ms
,
2
0
1
9
,
p
p
.
2
5
3
–
2
5
7
.
[5
]
L
.
C.
Ro
b
e
rtso
n
,
e
t
a
l
,
“
Ef
f
e
c
ts
o
f
L
e
sio
n
s
o
f
T
e
m
p
o
ra
l
-
P
a
rieta
l
Ju
n
c
ti
o
n
o
n
P
e
rc
e
p
t
u
a
l
a
n
d
A
tt
e
n
ti
o
n
a
l
P
ro
c
e
ss
in
g
in
Hu
m
a
n
s,”
J
o
u
rn
a
l
o
f
Ne
u
ro
sc
i
e
n
c
e
,
v
o
l.
8
,
p
p
.
3
7
5
7
–
3
7
6
9
,
1
9
8
8
.
[6
]
W
.
Kli
m
e
sc
h
,
“
A
lp
h
a
-
Ba
n
d
Os
c
il
latio
n
s,
A
tt
e
n
ti
o
n
,
a
n
d
Co
n
tr
o
ll
e
d
A
c
c
e
ss
to
S
to
re
d
In
f
o
rm
a
ti
o
n
,
”
T
re
n
d
s
Co
g
n
it
iv
e
S
c
ien
c
e
s
,
v
o
l.
1
6
,
p
p
.
6
0
6
–
6
1
7
,
2
0
1
2
.
[7
]
T
.
W
o
m
e
l
sd
o
rf
,
e
t
a
l
,
“
T
h
e
Ro
le
o
f
Ne
u
ro
n
a
l
S
y
n
c
h
ro
n
iza
ti
o
n
in
S
e
lec
ti
v
e
A
tt
e
n
ti
o
n
,
”
Cu
rr
e
n
t
Op
in
io
n
in
Ne
u
ro
b
i
o
lo
g
y
,
v
o
l.
1
7
,
p
p
.
1
5
4
–
1
6
0
,
2
0
0
7
.
[8
]
A
.
C.
Ne
u
b
a
u
e
r,
e
t
a
l
,
“
In
telli
g
e
n
c
e
a
n
d
Ne
u
ra
l
Ef
f
icie
n
c
y
,
”
Ne
u
ro
sc
ien
c
e
&
Bi
o
b
e
h
a
v
i
o
ra
l
Rev
ie
ws
,
v
o
l.
3
3
,
p
p
.
1
0
0
4
–
1
0
2
3
,
2
0
0
9
.
[9
]
T
.
V
e
rg
u
ts,
e
t
a
l
,
“
T
h
e
I
n
d
u
c
ti
o
n
o
f
S
o
lu
ti
o
n
R
u
les
i
n
Ra
v
e
n
’s
P
r
o
g
re
ss
iv
e
M
a
tri
c
e
s
Tes
t,
”
Eu
ro
p
e
a
n
J
o
u
rn
a
l
o
f
Co
g
n
it
ive
Psy
c
h
o
l
o
g
y
,
v
o
l.
1
4
,
p
p
.
3
7
–
4
1
,
2
0
1
0
.
[1
0
]
N.
H.
R
.
A
z
a
m
in
,
e
t
a
l
,
“
I
n
te
ll
ig
e
n
c
e
Qu
o
ti
e
n
t
a
n
d
P
e
rc
e
p
tu
a
l
A
b
il
it
y
:
A
n
In
ter
-
Re
latio
n
sh
ip
b
a
se
d
o
n
Bra
i
n
w
a
v
e
P
o
w
e
r
Ra
ti
o
F
e
a
tu
re
s,”
J
o
u
rn
a
l
o
f
Fu
n
d
a
me
n
ta
l
a
n
d
Ap
p
li
e
d
S
c
ien
c
e
s
,
v
o
l.
7
,
p
p
.
9
4
4
–
9
5
3
,
2
0
1
7
.
[1
1
]
U.
F
id
e
lm
a
n
,
“
Ne
u
ra
l
T
ra
n
s
m
i
ss
io
n
-
Err
o
rs,
Ce
re
b
ra
l
A
ro
u
sa
b
i
li
ty
a
n
d
He
m
isp
h
e
ri
c
it
y
:
S
o
m
e
re
latio
n
s
w
it
h
In
telli
g
e
n
c
e
a
n
d
P
e
rs
o
n
a
li
ty
,
”
Ky
b
e
rn
e
tes
,
v
o
l.
2
8
,
p
p
.
6
9
5
–
7
2
5
,
1
9
9
9
.
[1
2
]
R.
J.
Ha
ier,
e
t
a
l
,
“
Re
g
io
n
a
l
G
lu
c
o
se
M
e
tab
o
li
c
Ch
a
n
g
e
s
A
f
ter
Lea
rn
in
g
a
Co
m
p
lex
V
is
u
o
sp
a
ti
a
l/
M
o
to
r
T
a
sk
:
A
P
o
sitro
n
Em
issio
n
T
o
m
o
g
ra
p
h
ic S
tu
d
y
,
”
Bra
in
Res
e
a
rc
h
,
v
o
l.
5
7
0
,
n
o
.
1
–
2
,
p
p
.
1
3
4
–
1
4
3
,
1
9
9
2
.
[1
3
]
A
.
M
.
S
tri
jk
stra
,
e
t
a
l
,
“
S
u
b
jec
ti
v
e
S
lee
p
i
n
e
ss
Co
rre
late
s
Ne
g
a
ti
v
e
l
y
w
it
h
G
lo
b
a
l
A
lp
h
a
(8
–
1
2
Hz
)
a
n
d
P
o
siti
v
e
ly
w
it
h
Ce
n
tral
F
r
o
n
tal
T
h
e
ta
(4
–
8
Hz
)
F
re
q
u
e
n
c
ies
i
n
th
e
H
u
m
a
n
Re
stin
g
Aw
a
k
e
El
e
c
tro
e
n
c
e
p
h
a
lo
g
ra
m
,
”
Ne
u
ro
sc
ien
c
e
L
e
tt
e
r
,
v
o
l.
3
4
0
,
p
p
.
1
7
–
2
0
,
2
0
0
3
.
[1
4
]
M
.
Do
p
p
e
lm
a
y
r,
e
t
a
l
,
“
I
n
telli
g
e
n
c
e
Re
late
d
Dif
fe
re
n
c
e
s
in
EE
G
-
Ba
n
d
p
o
w
e
r,
”
Ne
u
ro
sc
ien
c
e
L
e
tt
e
rs
,
v
o
l.
3
8
1
,
p
p
.
309
–
3
1
3
,
2
0
0
5
.
[1
5
]
P
.
M
.
D
o
c
k
re
e
,
e
t
a
l
,
“
Op
ti
m
a
l
S
u
sta
in
e
d
A
tt
e
n
ti
o
n
is
L
in
k
e
d
t
o
th
e
S
p
e
c
tral
C
o
n
te
n
t
o
f
Ba
c
k
g
ro
u
n
d
EE
G
A
c
ti
v
it
y
:
G
re
a
ter
On
g
o
in
g
T
o
n
ic
A
lp
h
a
(1
0
Hz
)
P
o
w
e
r
S
u
p
p
o
rts
S
u
c
c
e
ss
f
u
l
P
h
a
sic
G
o
a
l
A
c
ti
v
a
ti
o
n
,
”
Eu
ro
p
e
a
n
J
o
u
r
n
a
l
o
f
Ne
u
ro
sc
ien
c
e
,
v
o
l.
2
5
,
p
p
.
9
0
0
–
9
0
7
,
2
0
0
7
.
[1
6
]
J.
J.
F
o
x
e
,
e
t
a
l
,
“
T
h
e
Ro
le o
f
A
lp
h
a
-
Ba
n
d
Bra
i
n
Os
c
il
latio
n
s a
s a
S
e
n
so
ry
S
u
p
p
re
ss
io
n
M
e
c
h
a
n
ism
d
u
rin
g
S
e
lec
ti
v
e
A
tt
e
n
ti
o
n
,
”
Fro
n
ti
e
rs
in
Psy
c
h
o
l
o
g
y
,
v
o
l.
2
,
p
p
.
1
–
1
3
,
2
0
1
1
.
[1
7
]
G
.
G
.
Kn
y
a
z
e
v
,
“
M
o
ti
v
a
ti
o
n
,
Emo
ti
o
n
,
a
n
d
T
h
e
ir
In
h
ib
i
to
ry
Co
n
tr
o
l
M
irro
re
d
in
Bra
in
Os
c
il
latio
n
s,
”
Ne
u
ro
sc
ien
c
e
&
Bi
o
b
e
h
a
v
io
r
a
l
Rev
iews
,
v
o
l.
3
1
,
p
p
.
3
7
7
–
3
9
5
,
2
0
0
7
.
[1
8
]
L
.
Brin
k
m
a
n
,
e
t
a
l
,
“
Distin
c
t
Ro
le
s
f
o
r
A
lp
h
a
-
a
n
d
Be
ta
-
Ba
n
d
Os
c
il
l
a
ti
o
n
s
d
u
r
in
g
M
e
n
tal
S
im
u
latio
n
o
f
G
o
a
l
-
Dire
c
ted
A
c
ti
o
n
s,”
J
o
u
rn
a
l
o
f
Ne
u
ro
sc
ien
c
e
,
v
o
l.
3
4
,
p
p
.
1
4
7
8
3
–
1
4
7
9
2
,
2
0
1
4
.
[1
9
]
A
.
H.
Ja
h
id
i
n
,
e
t
a
l
,
“
Clas
sif
ica
t
io
n
o
f
In
tell
ig
e
n
c
e
Qu
o
ti
e
n
t
v
ia
Bra
in
w
a
v
e
S
u
b
-
b
a
n
d
P
o
w
e
r
Ra
ti
o
F
e
a
tu
re
s
a
n
d
A
rti
f
icia
l
Ne
u
ra
l
Ne
t
w
o
rk
,
”
Co
mp
u
ter
M
e
th
o
d
s a
n
d
Pro
g
ra
ms
in
Bi
o
me
d
icin
e
,
v
o
l.
1
1
4
,
p
p
.
5
0
–
5
9
,
2
0
1
4
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
IJ
-
AI
Vo
l.
8
,
No
.
4
,
Dec
em
b
er
20
1
9
:
4
3
6
–
442
442
[2
0
]
A
.
H.
Ja
h
id
in
,
e
t
a
l
,
"
Clas
sif
ica
ti
o
n
o
f
In
telli
g
e
n
c
e
Qu
o
ti
e
n
t
u
si
n
g
EE
G
S
u
b
-
b
a
n
d
P
o
w
e
r
Ra
ti
o
a
n
d
A
NN
d
u
rin
g
M
e
n
tal
T
a
sk
,
"
in
2
0
1
3
IEE
E
Co
n
f
e
re
n
c
e
o
n
S
y
ste
ms
,
Pro
c
e
ss
a
n
d
Co
n
tro
l
,
2
0
1
3
,
p
p
.
2
0
4
–
2
0
8
.
[2
1
]
M
.
S
.
A
.
M
e
g
a
t
A
li
,
e
t
a
l
,
"
L
e
a
rn
in
g
S
ty
le
Clas
si
f
ica
ti
o
n
v
ia E
E
G
S
u
b
-
b
a
n
d
S
p
e
c
tral
Ce
n
tro
i
d
F
re
q
u
e
n
c
y
F
e
a
t
u
re
s,"
In
ter
n
a
t
io
n
a
l
J
o
u
rn
a
l
o
f
E
lec
trica
l
a
n
d
C
o
mp
u
ter
En
g
in
e
e
rin
g
,
v
o
l.
4
,
p
p
.
9
3
1
–
9
3
8
,
2
0
1
4
.
[2
2
]
N.
A
b
d
u
l
Ra
sh
id
,
e
t
a
l
,
"
Clas
sif
ic
a
ti
o
n
o
f
L
e
a
rn
in
g
S
ty
le
b
a
se
d
o
n
Ko
lb
'
s
L
e
a
rn
in
g
S
ty
le
In
v
e
n
to
ry
a
n
d
EE
G
u
sin
g
Clu
ste
r
A
n
a
l
y
sis
A
p
p
ro
a
c
h
,
"
in
2
0
1
0
2
n
d
In
ter
n
a
ti
o
n
a
l
Co
n
g
re
ss
o
n
En
g
i
n
e
e
rin
g
E
d
u
c
a
ti
o
n
,
2
0
1
0
,
p
p
.
6
4
–
6
8
.
[2
3
]
M
.
Ha
m
ian
e
,
e
t
a
l
,
"
S
VM
Clas
s
if
ica
ti
o
n
o
f
M
RI
Bra
in
Im
a
g
e
s
fo
r
Co
m
p
u
ter
-
A
ss
isted
Dia
g
n
o
sis,"
In
ter
n
a
ti
o
n
a
l
J
o
u
rn
a
l
o
f
El
e
c
trica
l
a
n
d
C
o
mp
u
t
e
r E
n
g
i
n
e
e
rin
g
,
v
o
l.
7
,
p
p
.
2
5
5
5
–
2
5
6
4
,
2
0
1
7
.
[2
4
]
N.
H.
R.
A
z
a
m
in
,
e
t
a
l
,
“
En
h
a
n
c
e
m
e
n
t
o
f
F
il
ter
De
sig
n
a
n
d
EE
G
P
o
w
e
r
Ra
ti
o
F
e
a
tu
re
s
in
IQ P
a
tt
e
rn
A
n
a
l
y
sis,”
In
t.
Jo
u
rn
a
l
o
f
El
e
c
tri
c
a
l
&
El
e
c
tro
n
ic
S
y
ste
m
s Re
se
a
rc
h
,
v
o
l.
1
1
,
2
0
1
7
.
[2
5
]
T
.
Klim
e
sc
h
,
e
t
a
l
,
“
T
h
e
ta b
a
n
d
p
o
w
e
r
in
t
h
e
h
u
m
a
n
sc
a
lp
EE
G
a
n
d
th
e
e
n
c
o
d
in
g
o
f
n
e
w
in
f
o
rm
a
ti
o
n
,
”
Ne
u
ro
re
p
o
rt
,
v
o
l.
7
,
p
p
.
1
2
3
5
–
1
2
4
0
,
1
9
9
6
.
[2
6
]
A
.
H.
Ja
h
id
in
,
e
t
a
l
,
"
IQ
Clas
sifica
ti
o
n
v
ia
Bra
in
w
a
v
e
F
e
a
tu
re
s:
Re
v
ie
w
o
n
A
rti
f
i
c
ial
In
telli
g
e
n
c
e
T
e
c
h
n
iq
u
e
s,"
In
ter
n
a
t
io
n
a
l
J
o
u
rn
a
l
o
f
E
lec
trica
l
a
n
d
C
o
mp
u
ter
En
g
in
e
e
rin
g
,
v
o
l.
5
,
p
p
.
8
4
–
9
1
,
2
0
1
5
.
B
I
O
G
RAP
H
I
E
S
O
F
AUTH
O
RS
No
o
r
Hid
a
y
a
h
Ro
s
A
z
a
m
in
a
c
q
u
ired
h
e
r
B.
En
g
in
El
e
c
tro
n
ic E
n
g
in
e
e
rin
g
(In
stru
m
e
n
tatio
n
)
f
ro
m
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
RA
,
M
a
la
y
sia
.
S
h
e
is
c
u
rre
n
tl
y
a
p
o
stg
ra
d
u
a
te
re
se
a
rc
h
e
r
a
t
th
e
F
a
c
u
l
ty
o
f
El
e
c
tri
c
a
l
En
g
in
e
e
rin
g
,
Un
iv
e
r
siti
T
e
k
n
o
lo
g
i
M
A
R
A
,
M
a
la
y
sia
.
He
r
c
u
rre
n
t
re
se
a
rc
h
a
re
a
is
in
EE
G
,
d
ig
it
a
l
f
il
ter
d
e
sig
n
s,
a
n
d
in
telli
g
e
n
t
m
o
d
e
ll
in
g
o
f
b
ra
in
b
e
h
a
v
io
r
u
sin
g
su
p
p
o
rt
v
e
c
to
r
m
a
c
h
in
e
s.
P
r
o
f
.
Dr.
M
o
h
d
Na
sir
T
a
ib
re
c
e
iv
e
d
h
is
B
.
En
g
.
(El
e
c
tri
c
a
l)
f
ro
m
th
e
Un
iv
e
rsity
o
f
T
a
s
m
a
n
ia,
A
u
stra
li
a
,
M
.
S
c
.
(Co
n
tro
l
S
y
st
e
m
s)
f
ro
m
Un
iv
e
r
sit
y
o
f
S
h
e
ffield
,
a
n
d
P
h
.
D.
(Co
n
tr
o
l
&
In
stru
m
e
n
tatio
n
)
f
ro
m
Un
iv
e
rsit
y
o
f
M
a
n
c
h
e
ste
r
In
stit
u
te
o
f
S
c
ien
c
e
a
n
d
T
e
c
h
n
o
lo
g
y
,
Un
it
e
d
Kin
g
d
o
m
.
He
is
c
u
rre
n
tl
y
a
P
r
o
f
e
ss
o
r
a
t
th
e
F
a
c
u
lt
y
o
f
El
e
c
tri
c
a
l
En
g
in
e
e
rin
g
,
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
R
A
,
M
a
la
y
sia
.
He
is
a
lso
a
se
n
io
r
m
e
m
b
e
r
o
f
th
e
In
sti
tu
te
o
f
El
e
c
tri
c
a
l
a
n
d
El
e
c
tro
n
ic
E
n
g
in
e
e
rin
g
.
P
r
o
f
.
Na
s
ir
lea
d
s
a
n
a
c
ti
v
e
re
se
a
r
c
h
g
ro
u
p
a
n
d
su
p
e
rv
isin
g
re
se
a
rc
h
e
rs
in
a
d
v
a
n
c
e
d
sig
n
a
l
p
ro
c
e
ss
in
g
;
s
p
e
c
ializin
g
in
p
r
o
c
e
ss
c
o
n
tro
l
,
b
io
m
e
d
ica
l
e
n
g
in
e
e
rin
g
,
a
n
d
n
o
n
-
li
n
e
a
r
sy
st
e
m
s id
e
n
ti
f
ica
ti
o
n
.
Dr.
A
is
y
a
h
Ha
rti
n
i
Ja
h
id
i
n
o
b
tai
n
e
d
h
e
r
B
.
En
g
(T
e
lec
o
m
m
u
n
ica
ti
o
n
)
a
n
d
M
.
En
g
.
S
c
(El
e
c
tri
c
a
l)
f
ro
m
Un
iv
e
rsiti
M
a
la
y
a
,
a
s
w
e
ll
a
s
P
h
.
D.
(El
e
c
tri
c
a
l
En
g
in
e
e
rin
g
)
f
ro
m
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
R
A
,
M
a
la
y
sia
.
S
h
e
is
c
u
rre
n
tl
y
a
se
n
io
r
lec
tu
re
r
a
t
th
e
Ce
n
tre
f
o
r
F
o
u
n
d
a
ti
o
n
S
t
u
d
ies
in
S
c
ien
c
e
,
Un
iv
e
rsit
y
o
f
M
a
la
y
a
,
M
a
la
y
sia
.
He
r
m
a
in
re
se
a
rc
h
in
tere
s
ts
in
c
lu
d
e
h
u
m
a
n
in
telli
g
e
n
c
e
,
EE
G
a
n
d
n
o
n
-
li
n
e
a
r
m
o
d
e
ll
in
g
o
f
b
ra
in
b
e
h
a
v
io
r
u
si
n
g
in
telli
g
e
n
t
si
g
n
a
l
p
ro
c
e
ss
in
g
tec
h
n
i
q
u
e
.
D
y
g
S
u
z
a
n
a
Aw
a
n
g
a
c
q
u
ired
h
e
r
Ba
c
h
e
lo
r
o
f
Co
u
n
se
li
n
g
(Co
u
n
se
li
n
g
P
sy
c
h
o
lo
g
y
)
f
ro
m
Un
iv
e
rsit
y
o
f
M
a
lay
a
,
a
n
d
M
.
S
c
.
(
Co
u
n
se
li
n
g
P
sy
c
h
o
lo
g
y
)
f
ro
m
Un
iv
e
rsiti
Ke
b
a
n
g
sa
a
n
M
a
lay
sia
,
M
a
la
y
sia
.
S
h
e
is
c
u
rre
n
tl
y
He
a
d
o
f
Un
it
f
o
r
Ca
r
e
e
r
A
d
v
iso
r
y
a
t
th
e
S
tu
d
e
n
t
A
ffa
irs
Div
isio
n
,
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
R
A
.
Dr.
M
e
g
a
t
S
y
a
h
iru
l
A
m
in
M
e
g
a
t
A
li
re
c
e
i
v
e
d
h
is
B.
En
g
.
(Bi
o
m
e
d
ica
l)
f
ro
m
Un
iv
e
rsit
y
o
f
M
a
la
y
a
,
M
a
la
y
sia
,
M
.
S
c
.
in
Bio
m
e
d
ica
l
En
g
in
e
e
rin
g
f
ro
m
Un
iv
e
rsit
y
o
f
S
u
rre
y
,
Un
it
e
d
Kin
g
d
o
m
,
a
n
d
P
h
.
D.
in
El
e
c
tri
c
a
l
E
n
g
in
e
e
rin
g
f
ro
m
Un
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
RA
,
M
a
la
y
sia
.
He
is
c
u
rre
n
tl
y
a
se
n
io
r
lec
t
u
re
r
a
t
th
e
F
a
c
u
lt
y
o
f
El
e
c
tri
c
a
l
En
g
in
e
e
rin
g
,
U
n
iv
e
rsiti
T
e
k
n
o
lo
g
i
M
A
RA
.
His
re
se
a
rc
h
in
tere
sts
in
c
lu
d
e
b
io
m
e
d
ica
l
sig
n
a
l
p
r
o
c
e
ss
in
g
a
n
d
a
rti
f
icia
l
in
te
ll
ig
e
n
c
e
.
Dr.
M
e
g
a
t
is
a
lso
a
re
se
a
rc
h
f
e
ll
o
w
a
t
th
e
M
icro
w
a
v
e
Re
se
a
rc
h
In
stit
u
te,
Un
iv
e
rsiti
T
e
k
n
o
l
o
g
i
M
A
RA
.
Evaluation Warning : The document was created with Spire.PDF for Python.