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 "EEG" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-12 z 12
    Tytuł:
    Stimuli design for SSVEP-based brain computer-interface
    Autorzy:
    Jukiewicz, M.
    Cysewska-Sobusiak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/226402.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    EEG
    OpenBCI
    SSVEP
    BCI
    Opis:
    The paper presents a process of stimuli design for SSVEP-based brain computer-interface. A brain computerinterface can be used in direct communication between a brain and a computer, without using muscles. This device is useful for paralyzed people to communicate with the surrounding environment. Design process should provide high accuracy recognition of presented stimuli and high user comfort. It is widely known how to make stimuli for BCI which are using high-grade EEG. Over recent years cheaper EEGs are becoming more and more popular, for example OpenBCI, which uses ADS1299 amplifier. In this article we review past works of other authors and compare it with our results, obtained using EEG mentioned before. We try to confirm that it is possible to use successfully OpenBCI in BCI projects.
    Źródło:
    International Journal of Electronics and Telecommunications; 2016, 62, 2; 109-113
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    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
    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:
    Towards the Applications of Algorithms for Inverse Solutions in EEG Brain-Computer Interfaces
    Autorzy:
    Jagodzińska, U.
    Powiązania:
    https://bibliotekanauki.pl/articles/227083.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    BCI
    EEG
    inverse solutions
    minimizing norm method
    LORETA
    Opis:
    Locating the sources of EEG signals (signal generators), i.e. indicating the places in the brain that the signals come from is the objective of the inverse problem in BCI applications using EEG. The two algorithms based on the methods used in the inverse problem: the linear least squares method and the LORETA1 method were compared. An analysis of the accuracy of locating the sources generating EEG signals on the basis of the two above mentioned methods was carried out with the use of the MATLAB programme. The findings made it possible to determine both the complexity of calculation involved in the methods under consideration and to compare the accuracy of the results obtained. Tests were done in which the inverse problem was solved on the basis of the data that were entered from the electrodes. Then potentials on electrodes were found by means of solving the forward problem once again ɸ (ɸ→ɸ). Moreover, tests were conducted on simulated data describing current density at selected places in the brain. In this case potentials on the electrodes were found by means of solving the forward problem. Subsequently the inverse problem was solved and potentials at selected places in the brain were specified J(J→Ĵ). In the case of J(J→Ĵ) only the relative error was examined, while the variance was studied in both cases. As a result of doing the tests, it was proved that relative errors were the same in the SVD and PINV methods, while in the LORETA method the error was similar. The variance computed for these methods was more differentiated for each of the cases, which made it possible to compare the algorithms in a better way. Differentiation of the variances under 0.2 shows that the algorithms that have been analyzed work properly. On the basis of knowing the results of the inverse problem, an attempt was made to make a selection of the best features of the EEG signal which differentiates the classes. In the present work tests were conducted to examine the differentiation of selected classes. Welch’s t-statistics was used to differentiate and order them. The results of the tests present the order for three classes of thought tasks, i.e. imagining moving one’s left hand, imagining moving one’s right hand, imagining generating words beginning with a randomly chosen letter. The present work is an introduction to a wider classification of features which are made with the use of inverse solutions.
    Źródło:
    International Journal of Electronics and Telecommunications; 2013, 59, 3; 277-283
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Concept of using the brain-computer interface to control hand prosthesis
    Autorzy:
    Żaba, Julia
    Paszkiel, Szczepan
    Powiązania:
    https://bibliotekanauki.pl/articles/27314265.pdf
    Data publikacji:
    2022
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    BCI
    EEG
    hand prosthesis
    hand
    prosthesis
    3D printing
    Opis:
    This study examines the possibility of implementing intelligent artificial limbs for patients after injuries or amputations. Brain-computer technology allows signals to be acquired and sent between the brain and an external device. Upper limb prostheses, however, are quite a complicated tool, because the hand itself has a very complex structure and consists of several joints. The most complicated joint is undoubtedly the saddle joint, which is located at the base of the thumb. You need to demonstrate adequate anatomical knowledge to construct a prosthesis that will be easy to use and resemble a human hand as much as possible. It is also important to create the right control system with the right software that will easily work together with the brain-computer interface. Therefore, the proposed solution in this work consists of three parts, which are: the Emotiv EPOC + Neuroheadsets, a control system made of a servo and an Arduino UNO board (with dedicated software), and a hand prosthesis model made in the three-dimensional graphic program Blender and printed using a 3D printer. Such a hand prosthesis controlled by a signal from the brain could help people with disabilities after amputations and people who have damaged innervation at the stump site.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 4; 3--12
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Interfejs mózg-komputer wykorzystujący sygnały EEG
    Brain-Computer Interface based on EEG signals
    Autorzy:
    Marek, L.
    Plechawska-Wójcik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/98060.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    Brain Computer Interfaces
    BCI
    SVEEP
    CSP
    EEG
    Brain-Computer Interface
    Opis:
    Artykuł opisuje test aplikacji interfejs mózg-komputer z wykorzystaniem paradygmatu SSVEP. Przy realizacji projektu dokonano przeglądu dostępnych metod badania aktywności mózgu oraz wybrano odpowiednie urządzenie do akwizycji. Kolejne etapy działania interfejsu, czyli przetwarzanie oraz klasyfikacja, opracowano i zaprezentowano w środowisku OpenViBE. Ostatecznie, ocenę użyteczności i sprawności zaprezentowano na zaprojektowanej aplikacji.
    The aim of the article is to test the brain-computer interface application using the SSVEP paradigm. During the realization of the project various methods of recording brain activity were tested, and the suitable acquisition device was chosen. Consecutive stages of the interface operation, which are data processing and classification, were presented in the OpenVibe environment. Finally, the usefulness and efficiency were estimated using a designed application.
    Źródło:
    Journal of Computer Sciences Institute; 2016, 2; 64-69
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efektywność klasyfikacji mrugnięcia z wykorzystaniem wybranych sieci neuronowych
    Effectiveness of blink classification using selected neural networks
    Autorzy:
    Galas, Krzysztof
    Powiązania:
    https://bibliotekanauki.pl/articles/41206126.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Kazimierza Wielkiego w Bydgoszczy
    Tematy:
    sieci neuronowe
    sztuczna inteligencja
    headset
    BCI
    EEG
    Neural networks
    artificial intelligence
    Opis:
    Głównym celem badania było porównanie i wykazanie, która z przedstawionych typów sieci neuronowych najlepiej sklasyfikuje pobierany sygnał EEG mierzony przez headset Emotiv EPOC. Przedstawione sieci neuronowe są stosowane w szerokim zakresie przetwarzania danych. Została wybrana sieć splotowa oraz sieć Kohonena. Parametry sieci, takie jak ilość przejść danych uczących w jednej sesji uczącej zostały modyfikowane. Badanie uwzględnia stopień błędu klasyfikacji sygnału przez sieć oraz ilość czasu potrzebna do trening modelu. Wartością porównywalną jest stosunek czasu treningu do stopnia dokładności klasyfikacji. Otrzymane wyniki zostały przedstawione jako wykresy zależności w/w wartości do parametrów dotyczących uczenia modelu sieci.
    The main objective of this study was to compare and demonstrate which of the presented neural network types will best classify the extracted EEG signal measured by the Emotiv EPOC headset. The presented neural networks are used in a wide range of data processing. A convolutional network and a Kohonen network have been selected. The network parameters such as number of learning data transitions in one learning session have been modified. The study considers the degree of signal classification error by the network and the amount of time required to train the model. The comparative value is the ratio of training time to classification accuracy. The obtained results are presented as plots of the relation of the above-mentioned values to the parameters concerning the learning of the network model.
    Źródło:
    Studia i Materiały Informatyki Stosowanej; 2021, 1; 11-16
    1689-6300
    Pojawia się w:
    Studia i Materiały Informatyki Stosowanej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitorowanie stanów emocjonalnych pracownika za pomocą interfejsów mózg - komputer
    Monitoring of emotional slates of worker using Brain - Computer Interfaces
    Autorzy:
    Trzyniec, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/181287.pdf
    Data publikacji:
    2017
    Wydawca:
    Centralny Instytut Ochrony Pracy
    Tematy:
    BCI
    EEG
    zaangażowanie uwagi
    ergonomia pracy umysłowej
    mental engagement
    ergonomics of mental work
    Opis:
    Interfejs mózg - komputer (ang. Brain - Computer Interfaces - BCI) to system, w którym polecenia przekazywane są do komputera za pomocą sygnałów generowanych w mózgu BCI mogą być oparte na sygnałach ECoG (elektrokortygrafia),MEG(magnetoencefalografia), PET (pozytonowa tomografia emisyjna), fMRI (funkcjonalny rezonans magnetyczny), NIRS (obrazowanie optyczne) lub innych. Najczęściej jednak stosuje się interfejsy mózg - komputer oparte na sygnałach EEG. Wśród najczęstszych zastosowań BCI należy wymienić bezdotykowe sterowanie urządzeniami elektronicznymi, bezdotykową obsługę komputera (w tym bezdotykowe przeszukiwanie Internetu), uwierzytelnianie biometryczne użytkowników oraz sterowanie procesami przez osoby o ograniczonej sprawności ruchowej. W artykule przedstawiono koncepcję zastosowania interfejsu mózg-komputer wykorzystującego sygnały EEG do monitorowania wybranych stanów emocjonalnych pracownika, takich jak zaangażowanie uwagi, zamyślenie, frustracja, ekscytacja. Koncepcję oparto na wykorzystaniu neurohełmu, działającego na zasadzie uproszczonego elektroencefalografii.
    Brain-Computer Interface (BCI) is a system m which commands are transferred to a computer by Signals generated in the brain BCI may be based on ECoG signals (electrocortiogram), MEG signals (magnetoencephalography), PET signals (positron emission tomography), fMRI signals (functional magnetic resonance), NIRS signals (optical imaging) or others Most commonly, BCI is based on EEG signals Among the most common BCI applications are touchless controlling of electronic devices, touchless computer operating (including touchless Internet searching), biometric user authentication and process controlling by people with reduced mobility. This article presents the concept of using the brain-computer interface, which uses EEG signals to monitor selected emotional states of a worker, such as mental engagement, thought, frustration, excitement. The concept is based on the use of a neurohelmet, which uses simplified electroencephalography.
    Źródło:
    Bezpieczeństwo Pracy : nauka i praktyka; 2017, 12; 23-25
    0137-7043
    Pojawia się w:
    Bezpieczeństwo Pracy : nauka i praktyka
    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:
    BCI w VR: imersja sposobem na sprawniejsze wykorzystywanie interfejsu mózg-komputer
    BCI in VR: an immersive way to make the brain-computer interface more efficient
    Autorzy:
    Piszcz, Adrianna
    Powiązania:
    https://bibliotekanauki.pl/articles/41206132.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Kazimierza Wielkiego w Bydgoszczy
    Tematy:
    BCI
    interfejs mózg-komputer
    EEG
    VR
    rzeczywistość wirtualna
    rysowanie
    brain-computer interface
    virtual reality
    painting
    Opis:
    Celem eksperymentów było zbadanie czy rzeczywistość wirtualna usprawnia korzystanie z interfejsu mózg-komputer. Do badania wykorzystano autorski system informatyczny, który umożliwia rysowanie kształtów na ekranie komputera. Przygotowane stanowisko badawcze składa się z komputera z niezbędnym oprogramowaniem, z mobilnych gogli wirtualnej rzeczywistości Esperanza EMV300 ze smartfonem Samsung Galaxy A40 oraz interfejsu mózg-komputer Emotiv Epoc. Wykazano, że imersja pozwala zwiększyć poziom koncentracji i sprawniej korzystać z interfejsu mózg-komputer. Taki rodzaj zanurzenia w rzeczywistość wirtualną może zapoczątkować całą serię aplikacji obsługiwanych w sposób intuicyjny, za pomocą komend myślowych, w wykreowanym wirtualnym świecie.
    The purpose of the experiments was to investigate whether virtual reality improves the use of the brain-computer interface. The study used a custom computer system that allows drawing shapes on the computer screen. The prepared test stand consists of a computer with the necessary software, Esperanza EMV300 mobile virtual reality goggles with a Samsung Galaxy A40 smartphone and Emotiv Epoc braincomputer interface. It was shown that immersion allows to increase the level of concentration and use the brain-computer interface more efficiently. This kind of immersion in virtual reality could initiate a whole series of applications operated intuitively, via thought commands, in a created virtual world.
    Źródło:
    Studia i Materiały Informatyki Stosowanej; 2021, 1; 5-10
    1689-6300
    Pojawia się w:
    Studia i Materiały Informatyki Stosowanej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using BCI and EEG to process and analyze driver’s brain activity signals during VR simulation
    Autorzy:
    Nader, Mirosław
    Jacyna-Gołda, Ilona
    Nader, Stanisław
    Nehring, Karol
    Powiązania:
    https://bibliotekanauki.pl/articles/2067410.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    signal processing
    EEG
    BCI
    emotion recognition
    driver
    virtual reality
    przetwarzanie sygnałów
    rozpoznawanie emocji
    kierowca
    symulacja wirtualna
    Opis:
    The use of popular brain–computer interfaces (BCI) to analyze signals and the behavior of brain activity is a very current problem that is often undertaken in various aspects by many researchers. This comparison turns out to be particularly useful when studying the flows of information and signals in the human-machine-environment system, especially in the field of transportation sciences. This article presents the results of a pilot study of driver behavior with the use of a pro-prietary simulator based on Virtual Reality technology. The study uses the technology of studying signals emitted by the human mind and its specific zones in response to given environmental factors. A solution based on virtual reality with the limitation of external stimuli emitted by the real world was proposed, and computational analysis of the obtained data was performed. The research focused on traffic situations and how they affect the subject. The test was attended by representatives of various age groups, both with and without a driving license. This study presents an original functional model of a research stand in VR technology that we designed and built. Testing in VR conditions allows to limit the influence of undesirable external stimuli that may distort the results of readings. At the same time, it increases the range of road events that can be simulated without generating any risk for the participant. In the presented studies, the BCI was used to assess the driver's behavior, which allows for the activity of selected brain waves of the examined person to be registered. Electro-encephalogram (EEG) was used to study the activity of brain and its response to stimuli coming from the Virtual Reality created environment. Electrical activity detection is possible thanks to the use of electrodes placed on the skin in selected areas of the skull. The structure of the proprietary test-stand for signal and information flow simulation tests, which allows for the selection of measured signals and the method of parameter recording, is presented. An important part of this study is the presentation of the results of pilot studies obtained in the course of real research on the behavior of a car driver.
    Źródło:
    Archives of Transport; 2021, 60, 4; 137--153
    0866-9546
    2300-8830
    Pojawia się w:
    Archives of Transport
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Event-related desynchronization/synchronization-based volitional cursor control in a two-dimensional center-out paradigm
    Autorzy:
    Huang, D.
    Qian, K.
    Oxenham, S.
    Fei, D. -Y.
    Bai, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/1396737.pdf
    Data publikacji:
    2012
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    brain-computer interface
    BCI
    two-dimensional
    two-dimensional BCI control
    event-related synchronization
    event-related desynchronization
    EEG
    Opis:
    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.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 2; 97-108
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-12 z 12

      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