الگوریتم های یادگیری ماشین در زمینه استخراج ویژگی و طبقه بندی سیگنال هایEEG

سیگنال EEG

سیگنال های EEG فعالیت الکتریکی حاصل از فعالیت نورون‌های مغز را با استفاده از الکترودهای EEG که بر روی پوست سر قرار گرفته اند ، ثبت می کنند. ماهیت آنها بسیار تصادفی است و ممکن است حاوی اطلاعات مفیدی در مورد وضعیت مغز باشند. با این حال، به دست آوردن اطلاعات مفید از این سیگنال_­ها فقط با مشاهده آنها بسیار دشوار است. آنها دارای نویز بسیار زیادی هستند و مهمتر از همه، استخراج و درک اطلاعات مفید از سیگنال ها زمان زیادی نیاز دارد.

سیستم رابط رایانه و مغز (BCI)

سیستم رابط رایانه (BCI) و مغز  از مجموعه‌ای از سنسورها و اجزای پردازش سیگنال تشکیل می‌شود که فعالیت مغزی فرد را مستقیماً به یک سری سیگنال‌های ارتباطی یا کنترلی تبدیل می‌کند. ابتدا باید امواج مغزی را با استفاده از دستگاه‌های ثبت امواج مغزی مانند الکتروانسفالوگرافی ثبت کرد. در مرحله بعد این امواج بررسی شده و ویژگی‌های موردنظر استخراج می‌شود و از روی این ویژگی‌ها می‌توان حدس زد که کاربر چه فعالیتی را در نظر دارد.

هوش مصنوعی و رابط رایانه ای مغز (BCI)

با انفجار بزرگ فناوری ، مرز بین انسان و ماشین ها باریک شده است. داستانهای علمی تخیلی ما که “کنترل ذهن” را توصیف می کند ، به تدریج با کمک ماشین ها به حقیقت پیوست. مرزهای این تکنیک های جدید رابط های مغز و رایانه (BCI) و هوش مصنوعی (AI) است. پارادایم های تجربی برای BCIs و AI معمولاً مستقل از یکدیگر توسعه یافته و اعمال می شوند. با این حال ، دانشمندان اکنون ترجیح می دهند BCI ها و AI را ترکیب کنند ، که این امکان را فراهم می کند تا از سیگنال های الکتریکی مغز برای مانور دستگاه های خارجی استفاده بهینه شود.

یادگیری ماشین و BCI

سیستم های رابط مغز و کامپیوتر (BCI) به طور قابل توجهی بهبود یافته اند. و به عنوان یک ابزار ارتباطی در اینده، پتانسیل بالایی دارند. از الگوریتم های مختلف یادگیری ماشین برای استخراج ویژگی های مهم برای رمزگشایی حالات مغزی استفاده شده است. به تازگی، محققان از مدلهای یادگیری عمیق در سیستم های BCI استفاده کرده اند. که منجر به بهبود عملکرد در زمینه بینایی رایانه، پردازش زبان طبیعی و غیره می شود.

تحلیل احساس وEEG

EEG (الکتروانسفالوگرافی) اجازه می دهد تا حالت روانی کاربر را برانگیزد. و احساسات کاربر را نشان دهد ، که عامل مهمی در HMI (تعامل ماشین و انسان) است. توسعه تکنیک های جدید برای افزایش دقت EEG با استفاده از تکنیک های یادگیری ماشین در این کار درحال توسعه هستند.

تشخیص احساس

برای تشخیص حالات احساس یک روش جدید استفاده از شبکه های عصبی افزایش یافته (SNN)است و تکنیک های پردازش الکتروانسفالوگراف (EEG) است.

کاربرد تشخیص و تحلیل احساس

بسیاری از مطالعات BCI به دنبال بررسی ، تشخیص و تحلیل حالات عاطفی شرکت کنندگان هستند. حوزه های کاربردی برای این مطالعات متنوع است و شامل زمینه هایی مانند ارتباط ، آموزش ، سرگرمی و پزشکی می شود.