Pursuing the Deep-Learning-Based Classification of Exposed and Imagined Colors from EEG - Publikacja - MOST Wiedzy

Twoje konto

zaloguj

Wyszukiwarka

Pursuing the Deep-Learning-Based Classification of Exposed and Imagined Colors from EEG

Abstrakt

EEG-based brain-computer interfaces are systems aiming to integrate disabled people into their environments. Nevertheless, their control could not be intuitive or depend on an active external stimulator to generate the responses for interacting with it. Targeting the second issue, a novel paradigm is explored in this paper, which depends on a passive stimulus by measuring the EEG responses of a subject to the primary colors (red, green, and blue). Particularly, we assess if a compact and feature-extraction-independent deep learning method (EEGNet) can effectively learn from these EEG responses. Our outcomes outperformed previous works focused on a dataset composed of EEG signals belonging to 7 subjects while seeing and imagining three primary colors. The method reaches an accuracy of 45% for exposed colors, 43% for imagined colors, and 35% for the six classes. Last, the experiments suggest that EEGNet learned to discover patterns in the EEG signals recorded for imagined and exposed colors, and for the six classes, too.

Cytowania

  • 0

    CrossRef

  • 0

    Web of Science

  • 0

    Scopus

Autorzy (3)

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Opublikowano w:
LECTURE NOTES IN COMPUTER SCIENCE strony 150 - 160,
ISSN: 0302-9743
Tytuł wydania:
Advances in Computational Intelligence strony 150 - 160
Język:
angielski
Rok wydania:
2022
Opis bibliograficzny:
Torres-García A. A., Garcia Salinas J., Villaseñor-Pineda L.: Pursuing the Deep-Learning-Based Classification of Exposed and Imagined Colors from EEG// Advances in Computational Intelligence/ : , 2022, s.150-160
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-031-19493-1_12
Weryfikacja:
Politechnika Gdańska

wyświetlono 33 razy

Publikacje, które mogą cię zainteresować

Tensor Decomposition for Imagined Speech Discrimination in EEG

2018

Intra-subject class-incremental deep learning approach for EEG-based imagined speech recognition

2023

Transfer learning in imagined speech EEG-based BCIs

2019

Automatic Clustering of EEG-Based Data Associated with Brain Activity

2018
Meta Tagi