Riduzione del numero di sensori EEG e rilevamento del movimento motorio
attraverso le reti neurali artificiali
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
Negli ultimi anni gli studi sull'intelligenza artificiale e l'apprendimento automatico sono stati diffusi e quindi è già comune vedere in molti luoghi l'utilizzo di algoritmi di riconoscimento dei modelli, sia in una pubblicità che si riceve da un negozio, un chatbot che impara dagli errori commessi o nelle auto autonome di Google e Tesla. Questo lavoro mira a riconoscere i modelli di movimenti volontari attraverso l'intelligenza artificiale utilizzando i dati di tensione dal cervello e catturati tramite elettroencefalografia (EEG). In questo senso si dimostra anche che è possibile pre-ela...
Negli ultimi anni gli studi sull'intelligenza artificiale e l'apprendimento automatico sono stati diffusi e quindi è già comune vedere in molti luoghi l'utilizzo di algoritmi di riconoscimento dei modelli, sia in una pubblicità che si riceve da un negozio, un chatbot che impara dagli errori commessi o nelle auto autonome di Google e Tesla. Questo lavoro mira a riconoscere i modelli di movimenti volontari attraverso l'intelligenza artificiale utilizzando i dati di tensione dal cervello e catturati tramite elettroencefalografia (EEG). In questo senso si dimostra anche che è possibile pre-elaborare i segnali EEG, riducendo lo sforzo di elaborazione del sistema, riducendo la quantità di canali da analizzare senza danneggiare il riconoscimento dei modelli. In questo ambito è stato possibile ridurre il numero di sensori da 64 a 18, raggiungendo il 72% di precisione nel caso migliore - che può variare al 73% attraverso la manipolazione della rete neurale artificiale (ANN). Così, è possibile dimostrare che le analisi basate sulle teorie del segnale generano risultati soddisfacenti per quanto riguarda l'errore di classificazione
Andere Kunden interessierten sich für
