link sa pag-aaral
Mga Pagsulong sa Neural Networks - ISNN 2016
Dami ng 9719 ng serye Mga Tala sa Lecture sa Computer Science pp 66-73
Petsa: Hulyo 02 2016
- Wenjie Li
- , Ling Zou
- , Tiantong Zhou
- , Pagbabago ng Wang
- , Jiongru Zhou
abstract
Ang buong scalp electroencephalography (EEG) na pag-record ay karaniwang ginagamit sa mga aplikasyon ng computer computer interface (BCI) na may cap na may multi-channel na electrode cap. Ang data ay hindi lamang may komprehensibong impormasyon tungkol sa application, ngunit mayroon ding hindi kaugnay na impormasyon at ingay na ginagawang mahirap ihayag ang mga pattern. Ang papel na ito ay nagtatanghal ng aming paunang pananaliksik sa pagpili ng pinakamainam na mga channel para sa pag-aaral ng pagkagumon sa internet na may visual na "Oddball" paradigma. Ang isang dalawang yugto ng modelo ay ginamit upang piliin ang mga pinaka-nauugnay na mga channel tungkol sa gawain mula sa buong hanay ng mga 64 channel. Una, ang mga channel ay niraranggo ayon sa density ng spectrum ng kapangyarihan (PSD) at ratio ng Fisher nang hiwalay para sa bawat paksa. Pangalawa, ang rate ng paglitaw ng bawat channel sa iba't ibang mga paksa ay kinolekta. Ang mga Channel na ang mga paglitaw ay higit sa dalawang beses ay binubuo ng pinakamainam na kumbinasyon. Ang pinakamainam na mga channel at iba pang mga kumbinasyon ng mga channel (kasama ang buong mga channel) ay ginamit upang makilala sa pagitan ng target at non-target na stimulus na may paraan ng diskriminasyong diskriminasyon ng Fisher linear. Ang mga resulta ng pag-uuri ay nagpakita na ang paraan ng pagpili ng channel ay lubos na nabawasan ang masaganang mga channel at ginagarantiyahan ang kawastuhan ng pag-uuri, pagiging tiyak at pagiging sensitibo. Maaari itong tapusin mula sa mga resulta na mayroong pansin sa kakulangan sa mga adik sa internet.
Mga Keyword
Pagpipilian sa Channel Electroencephalogram (EEG) Pagkagumon sa Internet Oddball Power spectrum density Fisher linear discriminant analysis
;