hrvatski

Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala

U ovom radu su opisani i objašnjeni najvažniji pojmovi vezani uz sve dijelove sučelja mozga i računala. Kratkim prolazom kroz neuroznanost predočena je fiziologija mozga, morfologija signala EEG-a te komponente koje su kasnije detektirane i klasificirane metodoma strojnog učenja, tj. dubokog učenja. Za klasifikaciju su odabrane konvolucijske neuronske mreže koje bi u teoriji mogle same naučiti važne značajke i samim time olakšati cjelokupnu analizu. Za arhitekturu ove mreže je korišten model EEGNet koji je pokazao dobre rezultate s obzirom na svoju plitkost. Ispitivane su dvije vrste evociranih potencijala, P300 i ERN na pridruženim skupovima podataka. U svakoj analizi ispitane su sposobnosti modela prilikom učenja na tri načina ; prijenosom između ispitanika, izgradnjom individualnih klasifikatora po ispitaniku te jednog generalnog. Ova arhitektura se nije pokazala kao najbolja za potrebe učenja prijenosom, iako je davala solidne rezultate za skup podataka ERN.

BCI ; EEG ; elektroencefalogram ; strojno učenje ; konvolucijske neuronske mreže ; biomedicina

nije evidentirano