Evaluación experimental de aprendizaje máquina extremo aplicado a los sistemas de interfaz cerebro-ordenador basados en imaginación de movimiento
Director/a
García Guirao, Juan Luis; Rodríguez Bermúdez, GermánEscuela/Centro
Escuela Internacional de Doctorado de la Universidad Politécnica de CartagenaUniversidad
Universidad Politécnica de CartagenaPrograma de doctorado
Programa de Doctorado en Tecnologías Industriales por la Universidad Politécnica de CartagenaFecha de lectura
2018-07-16Fecha de publicación
2018-05Editorial
Francisco José Martínez AlbaladejoPalabras clave
Instrumentos ElectrónicosPrótesis
Sistemas en tiempo real
Brain Computer Interface (BCI)
Señales electroencefalográficas (EEG)
Resumen
[SPA] Un sistema de interfaz cerebro-ordenador o Brain Computer Interface (BCI) permite controlar dispositivos externos solo con la actividad eléctrica del cerebro. Es decir, permiten enviar comandos al exterior, prescindiendo de todo canal de comunicación muscular. Estos sistemas se desarrollan en varias fases: (i) Adquisición de electroencefalograma (EEG), (ii) Detección de artefactos, (iii) Extracción de características, (iv) Clasificación, (v) Lógica de operación, y (vi) Realimentación. Esta Tesis se centra en dos de estas fases: extracción de características y clasificación. A nivel general, los investigadores han propuesto diversas técnicas para cada una de las fases, con el fin de incrementar el rendimiento en Clasificación de estos sistemas, pero, lo más habitual, es probarlas con señales BCI estándar que se obtienen de repositorios disponibles en Internet, o de usuarios expertos que han sido entrenados para trabajar de forma exitosa con BCI. Por otra parte, en la fase de Clasi ... [ENG] A Brain Computer Interface (BCI) system allows to control external devices only by the brain electrical activity. It allows to send commands to the outside world, without any muscular communication channel. These systems are developed in the following phases: (i) EEG acquisition, (ii) Artifact detection, (iii) Extraction of characteristics, (iv) Classification, (v) Logic of operation, and (vi) Feedback. This Thesis focuses on two of these phases: Feature Extraction and Classification. In the characteristics extraction phase the following techniques were implemented: Power Spectrum Density (PSD), Hjorth Parameters (H), Adaptive Autoregressive Coefficients (AAR) and Common Spatial Patterns (CSP). On the other hand, the techniques of Linear Discriminant Analysis (LDA), the Support Vector Machine (SVM) and the nearest K-Neighbours were used in the Classification stage. The researchers propose different techniques for each stage in order to increase the classification performance of ...
Colecciones
- Tesis [537]
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales