Öğrenmeli Vektör Kuantalama ile Beyin Bilgisayar Arayüzü Üzerine Bir Çalışma

Abstract

Beyin-bilgisayar arayüzü (BCI) insan beyni ve bilgisayar arasında iletişim ve kontrol sağlayabilir. Beyin sinyallerinin saptanması, bu sistemler için en temel düzeydir. Manyetoensefalografi (MEG) beyin aktivitesini çözmek için invazif olmayan bir görüntüleme tekniğidir. MEG sinyalleri karmaşıktır ve çevresel olaylardan ve beynin fonksiyonel farklılıklarından kolayca etkilenebilir. BCI sistemleri için bu karmaşık sinyallerden bilgi almak zordur. Bu nedenle, bilgiyi anlamlı kılmak için ileri sinyal işleme teknikleri gereklidir. Bu çalışmada, manyetoensefalografi sinyallerini öğrenmeli vektör kuantalama (LVQ) ile sınıflandırarak LVQ algoritmasının başarısı ortaya konulmuştur. Sınıflandırma doğruluğu 10 kat çapraz doğrulama ile elde edilmiştir. Önerilen sınıflandırıcının performansı, MEG'e odaklanan ve aynı veri setini kullanan önceki yöntemler ile karşılaştırılmıştır.

Keywords

• beyin-bilgisayar arayüzü
• manyetoensefalografi
• öğrenmeli vektör kuantalama
• sınıflandırma
• brain-computer interface
• magnetoencephalography
• learning vector quantization
• classification