Gépi tanulás és jel analízis az EPOC NeuroHeadset eszköz használatával

OData támogatás
Konzulens:
Gáti Kristóf
Méréstechnika és Információs Rendszerek Tanszék

A technológia rohamos fejlődésével olyan eszközök kerültek mára kereskedelmi forgalomba, melyek korábban csak a filmvásznon léteztek. Egy ilyen BCI eszköz az EPOC NeuroHeadset.

Szakdolgozatomban először bemutatom az agy-számítógép interfészek alapjait, különösképp a felhasznált EPOC NeuroHeadset-et és az EEG jelek keletkezéséhez szükséges biológiai és fizikai hátteret. A dolgozat célja a megfigyelt jeleken történő jelfeldolgozás lépéseinek (pl.: ICA, DWT) ismertetése és a gépi tanulás alkalmazási lehetőségeinek vizsgálata a területen. Ezek általános leírásán kívül a dolgozat törekszik arra, hogy saját gyakorlati mintapéldákon szemléltessen, úgy, hogy ismerteti az elkészült folyamatok tervezését és megvalósítását az eszköz „skalpra” helyezésétől egészen a kimeneti döntés meghozataláig.

Az egyik saját tervezésű rendszer egy jelrögzítő, feldolgozó, mintapont képző és neurális háló (MLP) alapján válaszadó folyamat, amely az agy és a finom, nem reflexszerű mozgások kivitelezése közötti paradigmára épít. Kimenete pedig egy döntés a vizsgált alanyt illetően.

A másik folyamat a P300-as komponens detektálására szolgál és az eszköz alkalmazási lehetőségeit vizsgálja ezen a mostanában nagyon népszerű területen, kihasználva a kakukktojás paradigmát. Ehhez felhasználja a szakirodalom javasolt jelfeldolgozási algoritmusait és klasszifikátorait (pl.: MLP, SVM). Kimenete egy döntés arról, hogy az adott minta tartalmazott-e célingert.

A szakdolgozatban ismertetem a folyamatok lépéseit, tervezői döntéseit, az elkészült segédalkalmazásokat és a megvalósítás részleteit, az eredmények kiértékelésével együtt. Végül pedig kitérek a szerzett tapasztalatokra és az esetleges továbbfejlesztési javaslatokra is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.