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 1-7 z 7
    Tytuł:
    Concept of expert system interpreting correctness of measurement and method of the EEG signal analysis for needs of the brain-computer interface
    Autorzy:
    Paszkiel, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/378126.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    EEG signal
    expert system
    data analysis
    Opis:
    The concept of construction of the expert system interpreting correctness of measurement and the method of the EEG signal analysis for needs of the brain-computer interface (BCI) are described in the article. The general orientations related with the methodology of creating the expert systems based on the knowledge base (KB) are characterised. Also, the brain-computer interface technology was described, which has been recently gaining more and more popularity within the scope of its application in control processes.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 209-216
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification of EEG signal by methods of machine learning
    Autorzy:
    Alyamani, Amina
    Yasniy, Oleh
    Powiązania:
    https://bibliotekanauki.pl/articles/1837774.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    machine learning
    EEG signal
    classification
    data balancing
    feature extraction
    uczenie maszynowe
    sygnał EEG
    klasyfikacja
    równoważenie danych
    ekstrakcja cech
    Opis:
    Electroencephalogram (EEG) signal of two healthy subjects that was available from literature, was studied using the methods of machine learning, namely, decision trees (DT), multilayer perceptron (MLP), K-nearest neighbours (kNN), and support vector machines (SVM). Since the data were imbalanced, the appropriate balancing was performed by Kmeans clustering algorithm. The original and balanced data were classified by means of the mentioned above 4 methods. It was found, that SVM showed the best result for the both datasets in terms of accuracy. MLP and kNN produce the comparable results which are almost the same. DT accuracies are the lowest for the given dataset, with 83.82% for the original data and 61.48% for the balanced data.
    Źródło:
    Applied Computer Science; 2020, 16, 4; 56-63
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Informatics system for concentration state analysis on the basis of a device operating in the brain – computer interface technology
    System informatyczny do analizy stanów skupienia na bazie urządzenia działającego w technologii interfejsów mózg – komputer
    Autorzy:
    Paszkiel, Sz.
    Powiązania:
    https://bibliotekanauki.pl/articles/407646.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    concentration state analysis
    brain-computer interface technology
    EEG signal
    Android
    analiza stanów skupienia
    technologia interfejsów mózg-komputer
    sygnał EEG
    Opis:
    The informatics system designed for the needs of the workgroup working at the Faculty of Automatic Control and Computer Sciences of Opole University of Technology consisting of two applications, of which one is currently the most popular operating system in smart phones was described in the article. The objective of operation of the mobile application is connection of functionality of a device for electroencephalographic measurements with a daily used mobile phone. Thanks to applied connection in the form of an application it is possible to verify the concentration state of the particular person during execution of the particular action with the special consideration to the tasks, which require high concentration. Thanks to the elaborated mobile application we are able to determine the most effective daytime for learning and to draw the characteristics of the concentration loss time. The second application in the system is used as the synchronization server.
    W artykule opisany został zaprojektowany na potrzeby grupy roboczej pracującej w ramach Instytutu Automatyki i Informatyki Politechniki Opolskiej system informatycznym składający się z dwóch aplikacji, z których jedna działa pod najpopularniejszym obecnie systemem operacyjnym na smartfonach. Celem pracy aplikacji mobilnej jest połączenie funkcjonalności urządzenia do pomiarów elektroencefalograficznych z używanym na co dzień urządzeniem telefonii mobilnej. Dzięki zastosowanemu połączeniu w postaci aplikacji, możliwa jest weryfikacja stanu skupienia danej osoby podczas wykonywania konkretnej czynności ze szczególnym uwzględnieniem tych zadań, które wymagają wysokiego skupienia. Dzięki opracowanej aplikacji mobilnej jesteśmy w stanie określić najbardziej efektywne pory dnia na naukę oraz wykreślić charakterystykę czasu utraty skupienia. Druga z aplikacji w systemie służy jako serwer synchronizacji.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2016, 2; 24-27
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Synchronous SSVEP Data Acquisition System
    Autorzy:
    Kotyra, S.
    Wójcik, G. M.
    Smolira, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/106291.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    Steady State Visually Evoked Potentials (SSVEP)
    DSM51
    EEG signal
    Opis:
    Steady State Visually Evoked Potentials have been known for several decades and they appear in the primary visual cortex of brain as a result of light stimulation of the sense of sight. In this article a simple method for electroencephalographic data acquisition is presented. The system is based on the DSM-51 unit connected to goggles with blinking diodes and Mindset-1000 EEG amplifier with 16 channels. We present self-developed hardware and method of effective synchronization for the light stimulation and brain activity recording.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2014, 14, 3; 15-19
    1732-1360
    2083-3628
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Feature selection for EEG-based discrimination between imagination of left and right hand movements
    Autorzy:
    Binias, B.
    Palus, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/114144.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    EEG signal
    brain-computer interfaces
    feature extraction
    classification
    lateralized brain activity
    Opis:
    : In this article was analyzed an influence of selected features on the accuracy of discrimination between imagination of right and left hand movements based on recorded EEG waveforms. The study showed a significant advantage that individual selection of features and a classification algorithm for analyzed data holds over the more general approach. The results were compared with the results obtained by the participants of the "BCI competition IV" and placed in the top three.
    Źródło:
    Measurement Automation Monitoring; 2015, 61, 4; 94-97
    2450-2855
    Pojawia się w:
    Measurement Automation Monitoring
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of information on sleep apnoea contained in two symmetric EEG recordings
    Autorzy:
    Prucnal, Monika A.
    Polak, Adam G.
    Powiązania:
    https://bibliotekanauki.pl/articles/220736.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sleep apnoea detection
    EEG signal
    discrete wavelet transforms
    Hilbert transforms
    analysis of variance
    multivariate regression analysis
    Opis:
    Electroencephalogram (EEG) is one of biomedical signals measured during all-night polysomnography to diagnose sleep disorders, including sleep apnoea. Usually two central EEG channels (C3-A2 and C4-A1) are recorded, but typically only one of them are used. The purpose of this work was to compare discriminative features characterizing normal breathing, as well as obstructive and central sleep apneas derived from these central EEG channels. The same methodology of feature extraction and selection was applied separately for the both synchronous signals. The features were extracted by combined discrete wavelet and Hilbert transforms. Afterwards, the statistical indexes were calculated and the features were selected using the analysis of variance and multivariate regression. According to the obtained results, there is a partial difference in information contained in the EEG signals carried by C3-A2 and C4-A1 EEG channels, so data from the both channels should be preferably used together for automatic sleep apnoea detection and differentiation.
    Źródło:
    Metrology and Measurement Systems; 2019, 26, 2; 229-239
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of Feature Extraction on Automatic Sleep Stage Classification by Artificial Neural Network
    Autorzy:
    Prucnal, M.
    Polak, A. G.
    Powiązania:
    https://bibliotekanauki.pl/articles/220360.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sleep stage classification
    EEG signal
    power spectral density
    discrete wavelet transform
    empirical mode decomposition
    artificial neural network
    Opis:
    EEG signal-based sleep stage classification facilitates an initial diagnosis of sleep disorders. The aim of this study was to compare the efficiency of three methods for feature extraction: power spectral density (PSD), discrete wavelet transform (DWT) and empirical mode decomposition (EMD) in the automatic classification of sleep stages by an artificial neural network (ANN). 13650 30-second EEG epochs from the PhysioNet database, representing five sleep stages (W, N1-N3 and REM), were transformed into feature vectors using the aforementioned methods and principal component analysis (PCA). Three feed-forward ANNs with the same optimal structure (12 input neurons, 23 + 22 neurons in two hidden layers and 5 output neurons) were trained using three sets of features, obtained with one of the compared methods each. Calculating PSD from EEG epochs in frequency sub-bands corresponding to the brain waves (81.1% accuracy for the testing set, comparing with 74.2% for DWT and 57.6% for EMD) appeared to be the most effective feature extraction method in the analysed problem.
    Źródło:
    Metrology and Measurement Systems; 2017, 24, 2; 229-240
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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