Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô Hình Học Tập Tổ Hợp Xếp Chồng Để Nhận Diện Trạng Thái Tinh Thần Hướng Tới Việc Triển Khai Giao Diện Não-Máy Tính
2019 6th NAFOSTED Conference on Information and Computer Science (NICS) - Trang 39-43 - 2019
Tóm tắt
Bài báo này trình bày một mô hình học tập tổ hợp xếp chồng mới nhằm cải thiện phân loại trạng thái tinh thần cho việc triển khai giao diện não-máy tính. Mô hình đề xuất kết hợp các phương pháp dựa trên học máy sử dụng máy vector hỗ trợ, mạng nơ-ron nhân tạo và học sâu, cùng với quy tắc chọn mô hình để phân loại tín hiệu EEG thành các trạng thái tinh thần chính xác. Mô hình học tập tổ hợp đề xuất đã được xác thực trên một tập dữ liệu EEG trong đó tín hiệu EEG được ghi lại từ bốn đối tượng. Ba nhiệm vụ tinh thần là chuyển đổi tâm trí vào trạng thái Zen (Trung lập), hình dung cách để bật đèn (Sáng) và ghi nhớ nội dung bài báo khoa học (Bài báo). Các kết quả thực nghiệm cho thấy mô hình học tập tổ hợp này có tính ổn định và hiệu quả khi so sánh với các mô hình và phương pháp học máy hiện có khác cho cùng một mục đích.
Từ khóa
#Ensemble learning #EEG signals #Brain computer interface #Deep learning #Sparse autoencoderTài liệu tham khảo
bengio, 2007, Greedy layerwise training of deep networks, NIPS Vancouver
goodfellow, 2009, Measuring invariances in deep networks, NIPS Vancouver, 646
anh, 2016, A combination of independent component analysis, relative wavelet energy, and support vector machine for mental state classification, 2016 16th International Conference on Control Automation and Systems (ICCAS), 733
anh, 2019, A deep sparse autoencoder method for automatic EOG artifact removal, Proceedings of 19th International Conference on Control Automation and Systems (ICCAS)
anh, 0, A Robust PCA-SURE Thresholding Deep Neural Network Approach for Mental Task Brain Computer Interface, Journal of Informatics and Mathematical Sciences (Accepted for publication)