PL
 |
EN
Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Ograniczanie wyników
Czasopisma help
  1. 9 Przegląd Elektrotechniczny
  2. 4 Studia i Materiały Informatyki Stosowanej
  3. 4 Studies and Materials in Applied Computer Science
  4. 3 Bio-Algorithms and Med-Systems
  5. 3 Biocybernetics and Biomedical Engineering
Więcej...
Lata help
  1. 1 2022
  2. 3 2021
  3. 1 2020
  4. 2 2019
  5. 5 2018
Więcej...
Autorzy help
  1. 10 Kołodziej M.
  2. 10 Majkowski A.
  3. 8 Rak R. J.
  4. 4 Byczuk M.
  5. 4 Jukiewicz M.
Więcej...
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 46

Liczba wyników na stronie
first rewind previous Strona / 3 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  brain-computer interface
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 3 next fast forward last
1
Content available remote Adaptive classification to reduce non-stationarity in visual evoked potential brain-computer interfaces
100%
Kapgate D. , Kalbande D. , Shrawankar U.
Bio-Algorithms and Med-Systems
|
2019
|
tom Vol. 15, no. 2
art. no. 20190020
EN
Non-stationarity of electroencephalogram (EEG) signals greatly affect classifier performance in brain-computer interface (BCI). To overcome this problem we propose an adaptive classifier model known as extended multiclass pooled mean linear discriminant analysis (EMPMLDA). Here, we update the average class pair co-variance matrix along with pooled mean values. Evaluation of classifiers are done on visual evoked cortical potential data-sets. We demonstrate that EMPMLDA can significantly outperform other static classifiers such as MLDA and adaptive classifiers (MPMLDA). Furthermore an optimal update coefficient can be achieved using different datasets.
2
Wykorzystanie sygnału EEG dla interfejsu człowiek-komputer
100%
Bawej T. , Gracki K.
Elektronika : konstrukcje, technologie, zastosowania
|
2015
|
tom Vol. 56, nr 2
105-107
PL
Artykuł omawia możliwość realizacji funkcjonalnego interfejsu mózgkomputer z wykorzystaniem urządzenia Emotiv Epoc. Interfejsy mózg-komputer są systemami wykorzystującymi pomiary aktywności neuronalnej użytkownika do generacji sygnałów sterujących dla maszyn. Technologia ta ma zastosowanie przede wszystkim u pacjentów dotkniętych paraliżem. Badania nad interfejsami mózg-komputer przez długi czas prowadzone były jedynie przez wybrane zespoły specjalistów, mające dostęp do odpowiednich przyrządów pomiarowych. W niekrytycznych zastosowaniach można jednak wykorzystać urządzenia zdecydowanie tańsze, nawet pomimo ich niższej jakości. Przykładem takiego urządzenia jest Emotiv Epoc – kontroler do gier wideo i elektroencefalograf w jednym. W artykule oszacowano możliwość realizacji kilku popularnych rodzajów interfejsów wykorzystujących elektroencefalografię. Opisano ponadto pozytywne wyniki realizacji wybranego typu interfejsu: P300 Speller.
EN
The article aims to examine the feasibility of using Emotiv Epoc to implement a functional brain-computer interface. Brain-computer interfaces constitute a class of systems capable of converting user’s brain activity measurements into control signals for machines. This technology is predominantly used to assist patients suffering from various forms of paralyze. For many years brain-computer interface research had only been conducted by specialized teams, able to afford necessary equipment. In non-critical applications it is however now possible to take advantage of easily available and way more affordable devices, despite their lower quality. Emotiv Epoc is an example of such device, being both a video game controller and an electroencephalograph in the same time. The article estimates the feasibility of implementing several most popular EEG-based interfaces with Emotiv Epoc. The article further provides some promising results obtained for a particular, chosen type of interface: the P300 Speller.
3
Introduction to the brain-computer interface
100%
Schneider P.
Zeszyty Naukowe. Elektryka / Politechnika Opolska
|
2014
|
tom z. 70
91-92
EN
This article is an introduction to issues related to the brain-computer interfaces (BCI). It introduces the reader to the topic and presents a methodology for scientific research.
4
Content available Implementation of Bilinear Separation algorithm as a classification method for SSVEP-based brain-computer interface
100%
Jukiewicz M. , Cysewska-Sobusiak A.
Measurement Automation Monitoring
|
2015
|
tom Vol. 61, No. 2
51--53
EN
: The aim of this study was to create a two-class brain-computer interface. As in the case of research on SSVEP stimuli flashing at different frequencies were presented to four subjects. Optimal SSVEP recognition results can be obtained from electrodes: O1, O2 and Oz. In this work SVM classifier with Bilinear Separation algorithm have been compared. The best result in the offline tests using Bilinear Separation was: average accuracy of stimuli recognition 93% and ITR 33.1 bit/min, SVM: 90% and 32.8 bit/min.
5
Content available Brain-computer interface as measurement and control system The review paper
88%
Rak R. J. , Kołodziej M. , Majkowski A.
Metrology and Measurement Systems
|
2012
|
tom Vol. 19, nr 3
427-444
EN
In the last decade of the XX-th century, several academic centers have launched intensive research programs on the brain-computer interface (BCI). The current state of research allows to use certain properties of electromagnetic waves (brain activity) produced by brain neurons, measured using electroencephalographic techniques (EEG recording involves reading from electrodes attached to the scalp - the non-invasive method - or with electrodes implanted directly into the cerebral cortex - the invasive method). A BCI system reads the user's "intentions" by decoding certain features of the EEG signal. Those features are then classified and "translated" (on-line) into commands used to control a computer, prosthesis, wheelchair or other device. In this article, the authors try to show that the BCI is a typical example of a measurement and control unit.
6
Content available remote An empirical survey of electroencephalographybased brain-computer interfaces
88%
Wankhade M. M. , Chorage S. S.
Bio-Algorithms and Med-Systems
|
2020
|
tom Vol. 16, no. 4
art. no. 20190053
EN
Objectives: The Electroencephalogram (EEG) signal is modified using the Motor Imagery (MI) and it is utilized for patients with high motor impairments. Hence, the direct relationship between the computer and brain is termed as an EEG-based brain-computer interface (BCI). The objective of this survey is to presents an analysis of the existing distinct BCIs based on EEG. Methods: This survey provides a detailed review of more than 60 research papers presenting the BCI-based EEG, like motor imagery-based techniques, spatial filtering-based techniques, Steady-State Visual Evoked Potential (SSVEP)- based techniques, machine learning-based techniques, Event-Related Potential (ERP)-based techniques, and online EEG-based techniques. Subsequently, the research gaps and issues of several EEG-based BCI systems are adopted to help the researchers for better future scope. Results: An elaborative analyses as well as discussion have been provided by concerning the parameters, like evaluation metrics, year of publication, accuracy, implementation tool, and utilized datasets obtained by various techniques. Conclusions: This survey paper exposes research topics on BCI-based EEG, which helps the researchers and scholars, who are interested in this domain.
7
Content available Low-cost evoked potentials detection for brain computer-interfaces
88%
Jukiewicz M. , Cysewska-Sobusiak A.
Computer Applications in Electrical Engineering
|
2015
|
tom Vol. 13
102--110
EN
Evoked potentials are one of the brain's electrical activity types. They appear on the human scalp as a result of a registration of an external stimulus (e.g. an appearance or a change of a sound, a flash of light or an image). Generally, they are used in medical diagnosis, but they also may be used in brain-computer interfaces. In this chapter a laboratory set for the acquisition and analysis of evoked potentials is described. The main part of this set is a photostimulator consisting of sixteen LEDs and the ATmega 328 microcontroller. The software created by the authors allows for: connection between EEG device, stimulator and computer, input stimulus control, output signal filtering and its classification. The presented set may support a process of brain-computer interface design.
8
Content available User-centered design of brain-computer interfaces: OpenBCI.pl and BCI Appliance
75%
Durka P. , Kuś R. , Żygierewicz J. , Michalska M. , Milanowski P. , Łabęcki M. , Sputek T. , Laszuk D. , Duszyk A. , Kruszyński M.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2012
|
tom Vol. 60, nr 3
427-431
EN
Brain-Computer Interface (BCI) allows for non-muscular communication with external world, which may be the only way of communication for patients in a locked-in state. This paper presents a complete software framework for BCI, a novel hardware solution for stimuli rendering in BCIs based on Steady State Visual Evoked Potentials (SSVEP), and a univariate algorithm for detection of SSVEP in the EEG time series. OpenBCI is a complete software framework for brain-computer interfaces. Owing to an open license and modular architecture, it allows for flexible implementations of different communication channels in the serial or parallel hybrid mode, minimization of costs and improvements of stability and efficiency. Complete software is freely available from http://openbci.pl. BCI Appliance is a hardware solution that allows for dynamic control of menus with stable generation of stimuli for the SSVEP paradigm. The novelty consists of a design, whereby the LCD screen is illuminated from behind using an array of LEDs. Design pioneers also proposed a new line of thought about the user-centered design of BCI systems: a simple box with one on/off button, minimum embedded software, wireless connections to domotic and EEG acquisition devices, and user-controlled mode switching in a hybrid BCI.
9
Content available Event-related desynchronization/synchronization-based volitional cursor control in a two-dimensional center-out paradigm
75%
Huang D. , Qian K. , Oxenham S. , Fei D. Y. , Bai O.
Journal of Artificial Intelligence and Soft Computing Research
|
2012
|
tom Vol. 2, No. 2
97--108
EN
To achieve a reliable two-dimensional control by noninvasive EEG-based brain-computer interface (BCI), users are typically required to receive long-term training to learn effective regulation of their brain rhythmic activities, and to maintain sustained attention during the operation. We proposed a two-dimensional BCI using event-related desynchronization and event-related synchronization associated with human natural behavior so that users need neither long-term training nor high mental loads to maintain concentration. In this study, we intended to further investigate the performance of the proposed BCI associated with either physical movement or motor imagery with an online two-dimensional centerout cursor control paradigm. Model adaptation method was employed for better decoding of human movement intention from EEG activities. The results demonstrated an effective center-out cursor control: as high as 77.1% during online control with physical movement and 57.3% with motor imagery. It suggests that two-dimensional BCI control can be achieved without long-term training.
10
Content available Wykorzystanie maszyny wektorów nośnych oraz liniowej analizy dyskryminacyjnej jako klasyfikatorów cech w interfejsach mózg-komputer
75%
Jukiewicz M.
Poznan University of Technology Academic Journals. Electrical Engineering
|
2014
|
tom No. 79
25--30
PL
Głównym celem artykułu jest porównanie skuteczności klasyfikacji cech dwóch algorytmów klasyfikujących wykorzystywanych w interfejsach mózg-komputer: SVM (ang. Support Vector Machine, Maszyna Wektorów Nośnych) oraz LDA (ang. Linear Discriminant Analysis, Liniowa Analiza Dyskryminacyjna). W artykule przedstawiono interfejs, w którym użytkownikowi prezentowane są dwa bodźce migające z różną częstotliwością (10 i 15 Hz), a następnie za pomocą elektrod elektroencefalografu mierzona jest odpowiedź elektryczna mózgu. W takich interfejsach sygnał zbierany jest zwykle w okolicach potylicznych (nad korą wzrokową). W prezentowanym rozwiązaniu sygnał mierzony jest z okolic czołowych. W przetwarzaniu i analizie sygnału zastosowano algorytmy statystycznego uczenia maszynowego. Do ekstrakcji cech sygnału wykorzystano Szybką Transformatę Fouriera, do selekcji cech: test t-Welcha, a do klasyfikacji cech: SVM oraz DLA. Na podstawie odpowiedzi uzyskanej z klasyfikatora możliwe jest np. wysterowanie kierunku skrętu robota mobilnego lub włączenie czy wyłączenie oświetlenia.
EN
The main aim of this article is to compare the effectiveness of the classification of the two classifiers used in brain-computer interfaces: SVM (Support Vector Machine) and LDA (Linear Discriminant Analysis). The article presents an interface in which the subject is presented the two stimuli flashing at different frequencies (10 and 15 Hz) and then by using EEG electrodes electrical response of the brain is measured. In these interfaces, the signal is typically collected in the occipital area (on the visual cortex). In the presented solution the signal is measured form the prefrontal cortex. For signal processing and analysis statistical machine learning algorithms were used. For features’ extraction Fast Fourier Transform was used. For features’ selection Welch’s t test was used. For features’ classification was used SVM and DLA. Based on the responses obtained from the classifier it is possible to control the direction of a mobile robot’s movement or turning the lights on and off.
11
Content available Interfejsy mózg-komputer – krótka historia
75%
Michnik A.
Medical Robotics Reports
|
2021/2022
|
tom vol. 10/11
58-67
PL
Nie tak dawno temu, interfejsy mózg-komputer były jedynie domeną powieści science-fiction. Obecnie dla wielu osób niepełnosprawnych ruchowo, interfejsy mózg-komputer stają się powoli nadzieją na przywrócenie lub kompensacje utraconych funkcji. Niezależnie od branży medycznej, interfejsy mózg-komputer stanową również bardzo interesujący temat dla firm działających w branży rozrywkowej czy mediach społecznościowych. W artykule zostały przedstawione najpopularniejsze techniki odczytywania aktywności mózgu wykorzystywane w interfejsach mózg-komputer. Przedstawiono również przykłady najnowszych prac prowadzonych w tej dziedzinie.
EN
Not so long ago, brain-computer interfaces were only the domain of science fiction novels. Currently, for many people with motor disabilities, brain-computer interfaces are slowly becoming a hope for restoring or compensating for lost functions. Regardless of the medical industry, brain-computer interfaces are also a very interesting topic for companies operating in the entertainment and social media industry. The article presents the most popular brain activity reading techniques used in brain computer interfaces. Examples of recent work in this field are also presented.
12
Content available Brain-computer interface as measurement and control system the review paper
75%
Rak R. J. , Kołodziej M. , Majkowski A.
|
13
Content available remote Extracting multiple commands from a single SSVEP flicker using eye-accommodation
75%
Sharma K. , Kar S.
Biocybernetics and Biomedical Engineering
|
2019
|
tom Vol. 39, no. 3
914--922
EN
The steady-state visually evoked potential (SSVEP) based brain-computer interfaces (BCIs) generally deploy flickering stimuli with different frequencies in order to generate different commands. This paper presents a setup that can be used to generate multiple commands from a single flickering stimulus using magnitude modulation of SSVEP through eye-accommodation. In this setup, a flickering stimulus was shown on the computer screen and a passive fixation target was placed between the screen and the subject. The eye-accommodation mechanism to focus on the target between the screen and the subject, caused the flickering stimulus to become blurred which reduced the magnitude of the evoked SSVEP response. The reduced magnitude SSVEP response can be used to generate another command over the command generated when the subject focuses directly on the stimulus. The fixation target was placed at 3 different positions that can provide up to 4 commands from the single flicker stimulus. Fifteen healthy human subjects participated in the experiments. The mean offline accuracies obtained for 2-class, 3-class, and 4-class extraction were 100%, 94.2 ± 6.1%, and 80.9 ± 9.7% respectively for a 4-seconds time window.
14
Content available Analysis of the application of brain-computer interfaces of a selected paradigm in everyday life
75%
Mróz K. , Plechawska-Wójcik M.
Journal of Computer Sciences Institute
|
2022
|
tom Vol. 23
118--122
EN
The main objective of this paper is to carry out a research on the analysis of the use of brain-computer interface in everyday life. The article presents the method of recording brain activity, electroencephalography, which was used in the study. The brain activity used in the brain-computer interface and the general principle of brain-computer interface design are also described. The performed study allowed to develop an analysis of the obtained results in the matter of evaluating the usability of brain-computer interfaces using motor imagery. As a result of the process of analyzing the results obtained during the research, it was found that each subsequent experiment allowed for obtaining more favourable results than the previous one. The reason for this was the use of an additional training session for the next test person. In the final stage, it was possible to evaluate the usability of the brain-computer interface in everyday life
PL
Głównym celem artykułu jest przeprowadzenie badania nad analizą wykorzystania interfejsu mózg-komputer w życiu codziennym. W artykule przedstawiono metodę rejestrowania aktywności mózgu, elektroencefalografię, która została wykorzystana w badaniu. Opisano również aktywność mózgu wykorzystywaną w interfejsie mózg-komputer oraz ogólną zasadę projektowania interfejsu mózg-komputer. Przeprowadzone badanie pozwoliło na opracowanie analizy uzyskanych wyników w zakresie oceny użyteczności interfejsów mózg-komputer z wykorzystaniem obrazowania motorycznego. W wyniku procesu analizy wyników uzyskanych podczas przeprowadzania badań ustalono, iż każdy następnie zrealizowany eksperyment pozwalał na uzyskanie korzystniejszych wyników od poprzedniego. Powodem tego było zastosowanie dodatkowej sesji treningowej dla kolejnych badanych osób. W końcowym etapie można było ocenić przydatność interfejsu mózg-komputer w życiu codziennym
15
Content available remote Sterowanie modelem pojazdu za pomocą interfejsu mózg-komputer
75%
Derdziński M. , Mikołajewski D. , Łukowski J.
Studia i Materiały Informatyki Stosowanej
|
2018
|
tom nr 2
17--23
PL
Celem pracy było zbudowanie układu sterowania prostym modelem pojazdu za pomocą interfejsu mózg-komputer (ang. brain computer interface - BCI). Omówiono zasadę działania BCI oraz wykorzystanie BCI w mechatronice, w tym na potrzeby interdyscyplinarnych badań kognitywistycznych (nauk o poznaniu). W dalszej części pracy Autorzy skupili się na opisie modelu, który posłużył do przeprowadzenia badania, ze szczególny uwzględnieniem współdziałania BCI oraz Arduino. Czwarta część pracy dotyczy badania działania zbudowanego rozwiązania technicznego przeprowadzonego na grupie osób w wieku 8-54 lat.
EN
This artilce aims at consctruction of the brain-computer interface (BCI) - based control system of the car model. Article decribes BCI's rules of operation and BCI applications in mechatronics, including interdisciplinary cognitive sciences. Further part of the article is focused on description of the model used in the research, particularly on BCI-Arduino cooperation. The last part of the article shows research on subjects aged 8-54 years concerning BCI use to control car model..
16
Content available remote Interfejsy mózg-komputer w sterowaniu urządzeniami i systemami mechatronicznymi
75%
Mikołajewski D. , Tomaszewska E. , Karczmarek M.
Studia i Materiały Informatyki Stosowanej
|
2018
|
tom nr 2
4--9
PL
Interfejsy mózg-komputer ustanowiły przełom w rozwoju współczesnych neuronauk i neurorehabilitacji. Niniejszy artykuł stanowi przegląd części technologii interfejsów mózg-komputer ukierunkowanej na sterowanie urządzeniami i systemami mechatronicznymi. Opisane zostały zarówno podstawowe rozwiązania z obszaru samych interfejsów, jak i przedyskutowane technologie mogące zapewnić sygnały sterujące dla urządzeń mechatronicznych. Pomimo ciągłego rozwoju problematyki wiele kwestii jest nierozwiązanych w zakresie udoskonalenia samych interfejsów oraz sklasyfikowania sygnałów sterujących
EN
Brain-computer interfaces (BCIs) have begun to constitute the another breakthrough in contemporary neuroscience and neurorehabilitation. This paper provides an overview of brain-computer interfaces (BCIs) technology that aims to address the priorities for control of mechatronic devices and systems. We describe basic solutions in the area of BCIs and discuss technologies that may provide command signals for mechatronic devices. Despite continuous development of the topic there still remains room for improvement, including future interfaces and control signal classification enhancements.
17
Content available remote Brain-computer interface for electric wheelchair based on alpha waves of EEG signal
75%
Banach K. , Małecki M. , Rosół M. , Broniec A.
Bio-Algorithms and Med-Systems
|
2021
|
tom Vol. 17, no. 3
165--172
EN
Objectives: Helping patients suffering from serious neurological diseases that lead to hindering the independent movement is of high social importance and an interdisciplinary challenge for engineers. Brain–computer interface (BCI) interfaces based on the electroencephalography (EEG) signal are not easy to use as they require time consuming multiple electrodes montage. We aimed to contribute in bringing BCI systems outside the laboratories so that it could be more accessible to patients, by designing a wheelchair fully controlled by an algorithm using alpha waves and only a few electrodes. Methods: The set of eight binary words are designed, that allow to move forward, backward,turn right andleft, rotate 45° as well as toincrease and decrease the speed of the wheelchair. Our project includes: development of a mobile application which is used as a graphical user interface, real-time signal processing of the EEG signal, development of electric wheelchair engines control system and mechanical construction. Results: The average sensitivity, without training, was 79.58% and specificity 97.08%, on persons who had no previous contact with BCI. Conclusions: The proposed system can be helpful for people suffering from incurable diseases that make them closed in their bodies and for whom communication with the surrounding world is almost impossible.
18
Content available Platformy edukacyjne z neuronowym sprzężeniem zwrotnym – zestaw badawczy
75%
Golus W. , Łojewski Z.
Nierówności społeczne a wzrost gospodarczy
|
2015
|
tom 44 cz. 1
118-129
PL
Trwający proces przechodzenia do społeczeństwa informacyjnego, a w tym edukacja, powinien być wspomagany nowoczesnymi narzędziami informatycznymi. Takim narzędziem niewątpli-wie mogą stać się platformy edukacyjne z biologicznym sprzężeniem zwrotnym, a w szczególności z neuronowym sprzężeniem zwrotnym. Artykuł prezentuje zagadnienia dotyczące zastosowania interfejsu mózg – komputer do współpracy z aplikacją edukacyjną. Celem artykułu jest projekt i prezentacja zestawu sprzętowego realizującego praktycznie platformę edukacyjną z dodatnim biologicznym sprzężeniem zwrotnym. W badaniach, jako interfejs mózg – komputer, wykorzystywany jest 2-kanałowy elektroencefalograf (EEG) z elektrodami suchymi. Artykuł szczegółowo opisuje konfigurację sprzętową zestawu badawczego. Przedstawione są wymagania dotyczące zasad eksploatacji takiego zestawu w warunkach placówek dydaktycznych i edukacyjnych w kontekście minimalizacji artefaktów. Prowadzone badania mają na celu sprawdzenie efektywności procesu nauczania z wykorzystaniem efektu dodatniego sprzężenia zwrotnego uzyskiwanego na poziomie pomiaru czynności kory mózgowej.
EN
The ongoing transformation processes to the information society, including particularly education, should be supported by modern IT tools. Educational platforms of biological feedback, especially neurofeedback, constitute such a tool. The article presents issues concerning the application of brain-computer interface to work with the educational application. The purpose of this article is the design and presentation of a set of hardware performing edu-cational platform with a positive biological feedback. A 2-channel electroencephalograph (EEG) with dry electrodes is used as a brain-computer interface in these studies. The article describes in detail, a configuration of research equipment. Are presented the requirements for the operation of such a system in terms of teaching and educational institutions in the context of minimizing artifacts. These research aims to test the effectiveness of the learning process using the positive feedback effect obtained by measuring the activity of the cerebral cortex.
19
Content available Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer
63%
Kołodziej M. , Majkowski A. , Rak R. J.
Pomiary Automatyka Kontrola
|
2011
|
tom R. 57, nr 12
1546-1548
PL
W artykule przedstawiono wykorzystanie maszyny wektorów wspierających (SVM) na użytek interfejsów mózg-komputer (BCI). W opracowanych algorytmach jako cechy sygnału EEG wykorzystano jego wariancję. Przedstawiono wyniki badań związanych z wykorzystaniem sieci SVM jako klasyfikatora. Eksperymenty przeprowadzono przy użyciu różnego rodzaju funkcji jądra.
EN
Implementing communication between man and machine by use of EEG signals is one of the biggest challenges in the signal theory. Such communication could improve the standard of living of people with severe motor disabilities. Some disable persons cannot move, however they can think about moving their arms, legs and this way produce stable motor-related EEG signals. These signals can be used to construct BCI systems. However, the proper interpretation of the EEG signals is a very difficult task. There are three main stages in EEG signal analysis: feature extraction, feature selection and classification. The main aim of the paper is to implement a support vector machine as a classifier for the brain-computer interface. The proposed algorithm uses the EEG signal variance in the frequency range 8-30Hz. Experiments were conducted with use of different kernel functions for the SVM classifier. The best results were achieved for the quadratic polynomial kernel function. The classification error for testing data was 0.13.
20
Content available Nieinwazyjny interfejs mózg–komputer do zastosowań technicznych
63%
Cegielska A. , Olszewski M.
Pomiary Automatyka Robotyka
|
2015
|
tom R. 19, nr 3
5--14
PL
Celem opracowania jest zwięzłe opisanie zasad działania interfejsu mózg–komputer i przedstawienie jego możliwych zastosowań technicznych. Jest to współcześnie intensywnie rozwijany system mechatroniczny mierzący aktywność mózgu i generujący na jej podstawie sygnały sterujące dla urządzeń i maszyn. W artykule zawarto podstawowe informacje na temat ludzkiego mózgu, metod pomiaru jego aktywności, przetwarzania i klasyfikacji sygnałów. Przedstawiono różne możliwości realizacji interfejsu i jego zastosowania techniczne.
EN
The aim of this paper is to briefly describe principles of brain–computer interface and presentation of its possible technical applications. At this point in time is in mechatronics an intensively developing system, that measures brain activity and on this basis generates control signals for devices or machines. This article contains basic information about the human brain, its activity and measurement methods, processing and classification of signals. Different abilities were presented to the realization of the interface and using it technical.
first rewind previous Strona / 3 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.