Wyniki wyszukiwania - BazTech

1

Sequence-to-sequence deep neural network with spatio-spectro and temporal features for motor imagery classification

Rammy Sadaqat Ali, Abbas Waseem, Mahmood Syed Shahid, Riaz Haider, Rehman Haseeb Ur, Abideen Rao Zain Ul, Aqeel Muhammad, Zhang Wu

Biocybernetics and Biomedical Engineering

|

2021

|

Vol. 41, no. 1

97--110

EN

Electroencephalography (EEG) is a method of the brain–computer interface (BCI) that measures brain activities. EEG is a method of (non-)invasive recording ofthe electrical activity ofthe brain. This can be used to build BCIs. From the last decade, EEG has grasped researchers' attention to distinguish human activities. However, temporal information has rarely been retained to incorporate temporal information for multi-class (more than two classes) motor imagery classification. This research proposes a long-short-term-memory-based deep learning model to learn the hidden sequential patterns. Two types of features are used to feed the proposed model, including Fourier Transform Energy Maps (FTEMs) and Common Spatial Patterns (CSPs) filters. Multiple experiments have been conducted on a publicly available dataset. Extraction of spatial and spectro-temporal features using CSP filters and FTEM allow the sequence-tosequence based proposed model to learn the hidden sequential features. The proposed method is trained, evaluated, and optimized for a publicly available benchmark data set and resulted in 0.81 mean kappa value. Obtained results depict the model robustness for the artifacts and suitable for real-life applications with comparable classification accuracy. The code and findings will be available at https://github.com/waseemabbaas/Motor-Imagery-Classification.git.

2

Classic genetic algorithm vs. genetic algorithm with aggressive mutation for feature selection for a brain-computer interface

Rejer I., Lorenz K.

Przegląd Elektrotechniczny

|

2015

|

R. 91, nr 2

98-102

EN

The classic genetic algorithm has been successfully applied to many optimization problems. However, its usefulness is limited when it comes to feature selection, particularly if a high reduction rate is expected. The algorithm, in its classic version, returns feature sets containing approximately 50% of the total number of features. In order to decrease this rate, a penalty term penalizing individuals of too many features is often added to the fitness function. This solution seems to be reasonable but, as will be shown in this paper, provides only a slight improvement in the reduction rate. In order to obtain a satisfactory classification accuracy and a high reduction rate, not only the fitness function but also other algorithm elements must be reconsidered.

PL

Klasyczny algorytm genetyczny był z powodzeniem stosowany w wielu problemach optymalizacyjnych, jednakże jego użyteczność jest ograniczona w problemach selekcji cech, zwłaszcza jeżeli wymagana jest wysoka stopa redukcji cech. Algorytm, w jego klasycznej wersji, zwraca zbiory cech zawierające około 50% pierwotnej liczby cech. W celu zmniejszenia tej liczby, do funkcji przystosowania algorytmu dołącza się często człon kary, karzący osobniki kodujące zbiory o zbyt dużej liczbie cech. Takie rozwiązanie wydaje się być rozsądne, ale, jak zostanie to przedstawione w artykule pozwala jedynie na niewielką poprawę stopy redukcji. Stąd, w celu uzyskania satysfakcjonującej dokładności klasyfikacji i wysokiej stopy redukcji, nie tylko funkcja przystosowania, ale również inne elementy algorytmu muszą zostać wzięte pod uwagę.

3

The application of Flicker Noise Spectroscopy for analysis of EEG signal related to movement imagination

Broniec A.

Bio-Algorithms and Med-Systems

|

2010

|

Vol. 6, no. 12

59--66

EN

In the paper the Flicker Noise Spectroscopy (FNS) method has been applied for analysis of EEG signal related to movement imagination. The results of the experiment consisted in fifty repetition of right hand movement imagination has been presented at time-frequency maps. Consecutive, the electroencephalography signal averaged by a number of repetitions has been parameterized in accordance with the FNS method. The analysis of the parameters describing the signal shows changes in their values at the moment of hand movement imagination. FNS also allows to analyze correlations between signals measured at different points of space (different electrodes) in time.

PL

W artykule zastosowano metodę FNS do analizy sygnału elektroencefalograficznego związanego z wyobrażeniem ruchu prawą ręką. Wynik doświadczenia polegającego na pięćdziesięciokrotnym powtórzeniu wyobrażenia ruchu prawą ręką został przedstawiony w postaci mapy czasowo-częstościowej. Następnie, uśredniony po liczbie powtórzeń sygnał elektroencefalograficzny, poddany został parametryzacji w czasie, zgodnie z założeniami metody FNS. Analiza parametrów opisujących sygnał pozwala zaobserwować zmiany wartości parametrów w chwili wyobrażenia ruchu prawą ręką. Metoda FNS pozwoliła dodatkowo na analizę korelacji występujących pomiędzy sygnałem otrzymanym z różnych elektrod w czasie.