تبدیل موجک گسسته

بازاریابی عصبی به کارگیری عصب روان شناسی در پژوهش های بازاریابی است تا به کمک فناوری های نوین به مطالعه حسی حرکتی رفتار مصرف کننده مانند پاسخ های شناختی و احساسی به محرک های بازاریابی بپردازد. عملکرد سیستم های تشخیص اولویت مبتنی بر سیگنال های مغزی (EEG) به انتخاب مناسب روش های استخراج ویژگی و الگوریتم های یادگیری ماشین بستگی دارند. در این مقاله از سیگنال های EEG 25 شرکت کننده در زمان مشاهده 14 محصول مختلف استفاده شده است. در اینجا ابتدا سیگنال های EEG توسط پالایه های میان گذر و ساویتزکی گولای پیش پردازش می شوند و ویژگی های تبدیل موجک گسسته (DWT) و پیچیدگی لمپل زیو (LZC) از آنها استخراج می شود. سپس ویژگی های بهنجارشده به دو بخش آموزش و آزمون تقسیم می شوند. سپس ویژگی های بهنجارشده به شبکه عصبی عمیق (DNN) چهار لایه برای پیش بینی نتیجه آموزش داده می شوند و درنهایت پس از انجام آموزش، مدل پیشنهادی آماده پیش بینی است. برای ارزیابی عملکرد مدل پیشنهادی از مؤلفه های دقت، فراخوانی و صحت استفاده شده است. نتایج نشان می دهد مقدار مؤلفه های دقت 82درصد، فراخوانی 5/87درصد و صحت 5/87درصد برای تشخیص دو دسته پسندیدن و نپسندیدن پس از پنج بار متوسط گیری حاصل شده است. در این پژوهش اثر تبلیغات بر فعالیت مغز مصرف کنندگان با تحلیل سیگنال های EEG بررسی شد. نتایج تجربی بر روی مدل پیشنهادی نشان می دهد که مطالعات دراین زمینه می تواند باعث تغییر و بهبود راهبردهای بازاریابی برای بهبود عملکرد تولیدکننده و رضایت مصرف کننده شود و درنهایت، به منفعت متقابل منجر شود.