Wyszukiwarka
Abstrakt
In this work we analysed the application of con-volutional neural networks in motor imagery classification for the Brain Computer Interface (BCI) purposes. To increase the accuracy of classification we proposed the solution that combines the Common Spatial Pattern (CSP) with convolutional network (ConvNet). The electroencephalography (EEG) is one of the modalities we try to use for controlling the prosthetic arm. Therefor in this paper we exploited the subject dependent approach and show results for models trained individually for a particular subject. Although the ConvNets are design to work directly with EEG data, presented approach of joining CSP with ConvNet shows increase in accuracy of movement classification. In average, our approach resulted in ∼80% accuracy.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (2)
-
Łukasz Radzinski mgr inż
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Radzinski Ł., Kocejko T.: Deep learning approach on surface EEG based Brain Computer Interface// / : , 2022,
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/hsi55341.2022.9869461
- Źródła finansowania:
-
- Działalność statutowa/subwencja
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 62 razy
Publikacje, które mogą cię zainteresować
Transfer learning in imagined speech EEG-based BCIs
- J. Garcia Salinas,
- L. Villaseñor-Pineda,
- C. A. Reyes-Garćia
- + 1 autorów
Tensor Decomposition for Imagined Speech Discrimination in EEG
- J. Garcia Salinas,
- L. Villaseñor-Pineda,
- C. A. Reyes-Garćia
- + 1 autorów