Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "interfejs mózg-komputer (BCI)" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Zastosowanie zagadnienia odwrotnego EEG do oceny aktywności elektrycznej kory mózgowej na użytek interfejsu BCI
    Application of EEG inverse problem to evaluation of electrical activity of the cerebral cortex for the use of Brain-Computer Inter-face
    Autorzy:
    Oskwarek, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/152362.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    elektroencefalografia
    aktywność mózgu
    zagadnienie odwrotne EEG
    interfejs mózg-komputer (BCI)
    electroencephalography
    brain activity
    EEG inverse problem
    Brain-Computer Interface (BCI)
    Opis:
    Treścią artykułu jest ocena aktywności elektrycznej kory mózgowej w badaniach wykonywanych na potrzeby interfejsu mózg-komputer (BCI). Analiza ta może być przydatna do optymalizacji liczby i rozmieszczenia elektrod oraz wyboru cech najlepiej separujących określone klasy zadań myślowych. Wyniki rozwiązania zagadnienia odwrotnego EEG pokazują, że w tej mierze najbardziej predysponowane są centralne obszary kory (pod elektrodami: C3, C4 i Cz), w paśmie alfa (8-12 Hz).
    The subject of the paper is evaluation of the brain electrical activity associated with imagining some specific motor actions assigned to the specific classes in an asynchronous brain-computer interface (BCI) (Section 1, [1, 2, 3, 4]). These analyzes, called as inverse problems of EEG, can be useful to optimize the number and placement of electrodes and also to select the features which best separate the considered classes. Dedicated calculations were carried out using the algorithm sLORETA (Section 3, [7, 8, 9, 10]). Evaluation of brain activity in the time domain indicates the regular activation of the: frontal, temporal, occipital, and the central part of the cerebral cortex (Section 5, Fig. 5). However, the evaluation of activity in the frequency domain provides reliable information about the differences between the selected classes. The obtained results lead to the conclusion that in this matter the most important differences are observed in the central parts of the cortex, over which the electrodes: C3, C4 and Cz are located; in the alpha band, i.e. 8-12 Hz (Section 6, Fig. 6-8). Limitation of the analysis to 8 EEG time series confirms the correctness of the electrodes selection applied in the dedicated system g.tec, used in the Department of Information and Measuring Systems of the Warsaw University of Technology (Section 7, Fig. 9, [1, 2]). All the onclusions from performed calculations are consistent with the general neurobiological knowledge [5, 6].
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 5, 5; 275-278
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer
    Implementation of support vector machine for classification of EEG signal for brain-computer interface
    Autorzy:
    Kołodziej, M.
    Majkowski, A.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/155968.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    BCI
    interfejs mózg-komputer
    EEG
    maszyna wektorów wspierających
    SVM
    brain-computer interface
    support vector machine
    Opis:
    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.
    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.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1546-1548
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie potencjałów mózgowych P300 do sterowania awatarem
    Implementation of P300 potentials for controlling an avatar
    Autorzy:
    Majkowski, A.
    Kołodziej, M.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/154837.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    BCI
    interfejs mózg-komputer
    sygnały EEG
    potencjał P300
    awatar
    brain-computer interface
    EEG
    P300 potential
    avatar
    Opis:
    W artykule przedstawiono system BCI umożliwiający sterowanie awatarem w wirtualnym świecie gry Second Life z wykorzystaniem potencjału mózgowego P300. Do budowy systemu autorzy wykorzystali ogólnodostępne oprogramowanie BCI2000 oraz własne oprogramowanie umożliwiające sterowanie zewnętrzną aplikacją poprzez symulację naciśnięć przycisków klawiatury. Użytkownik w komfortowy sposób może sterować kierunkiem ruchu awatara. System jest uniwersalny i po drobnych modyfikacjach pozwala na sterowanie dowolnym urządzeniem. Docelowo autorzy chcą wykorzystać autorskie oprogramowanie do sterowania kierunkiem ruchu wózka inwalidzkiego.
    In the paper there is presented a BCI system which enables control of avatar movement in the virtual world of the Second Life game. The system consists of two PCs connected via LAN. On the first computer the BCI200 system was launched with a modified Dochin board (Fig. 5). The interface enables choosing the direction of avatar movement (forward, backward, right, left). Next, the BCI2000 system sends the information about the avatar movement direction via UDP / IP protocol to the second computer. On that computer a program created by the authors is running. Its task is to receive information about the movement direction, and then to send the appropriate commands, in the form of simulated keystrokes, to the game. The program was written in C # (Visual Studio 2005). An important advantage of the proposed interface is that a user does not have to learn the proper generation of the EEG signal. With only one calibration session it was possible to collect features of P300 potential for a user and correctly train the classifier. The system is universal and after minor modifications can control any device. Ultimately, the authors want to use the software to control the direction of wheelchair movement.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 352-354
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ redukcji liczby elektrod w systemie BCI na ocenę aktywności elektrycznej mózgu
    The impact of reducing the number of electrodes in the BCI system on evaluation of the brain electrical activity
    Autorzy:
    Oskwarek, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/155070.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    interfejs mózg-komputer
    BCI
    elektroencefalografia
    EEG
    aktywność mózgu
    zagadnienie odwrotne EEG
    Brain-Computer Interface
    electroencephalography
    brain activity
    EEG inverse problem
    Opis:
    W artykule zaprezentowano wyniki analiz dotyczących aktywności elektrycznej mózgu ukierunkowanych na możliwość redukcji liczby elektrod w badaniu EEG wykonywanym na potrzeby asynchronicznego interfejsu mózg-komputer (BCI). Stosowne obliczenia potwierdzają zasadność wyboru zestawu 8 elektrod (tzn. F3, T7, C3, Cp1, C4, T8, F4 i Cz) w systemie BCI, wykorzystującym wyspecjalizowany wzmacniacz EEG firmy g.tec, skonstruowanym w IETiSIP Politechniki Warszawskiej.
    The subject of the paper is evaluation of the brain electrical activity associated with imagining some specific motor actions for the needs of asynchronous Brain-Computer Interface (BCI) [1-4]. These analysis, called EEG inverse problems, can be useful among others to optimize the number and placement of electrodes. Dedicated calculations were carried out using the algorithm sLORETA (Section 3) [5-13]. The basis of the BCI interface is the ability to detect differences between the considered classes of tasks. In the case of asynchronous interfaces, the evaluation of brain activity in the frequency domain provides much more conclusive information than the time-domain analysis. These indicate that, although the best conditions for synchronous neuronal activity are in the range of delta waves (up to 4 Hz), the biggest differences between the compared classes are apparent in the alpha band (8-12 Hz) in the central parts of the cortex (Section 5; pic. 2,3). Moreover, the performed calculations show no significant difference in the location of the brain activity sources for the results obtained using the set of 32 electrodes and after the fourfold reduction in the number of electrodes. Thus, they confirm the relevance of the set of 8 electrodes (i.e. F3, T7, C3, CP1, C4, T8, F4, and Cz) in the BCI system constructed and used in the Department of Information and Measuring Systems of the Warsaw University of Technology (Sections 6,7; Fig. 5; Tab. 2).
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 718-721
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies