نظرة عامة

تم تصميم منصة Emotiv BCI (واجهة الدماغ-الكمبيوتر) لترجمة نية المستخدم إلى أوامر رقمية باستخدام بيانات EEG المجمعة من سماعات Emotiv. يكمن أحد المكونات الرئيسية لهذه الترجمة في قدرات معالجة الإشارة والتعلم الآلي المدمجة بها. تمكّن هذه الأدوات النظام من تصنيف الأوامر العقلية بفعالية، حتى مع الحد الأدنى من بيانات التدريب.

تقنيات معالجة الإشارة

تستخدم المنصة عدة تقنيات معالجة إشارة لاستخراج ميزات ذات مغزى من بيانات EEG الخام. تشمل هذه التقنيات:

• تصفية: يتم تصفية إشارات EEG لإزالة الضوضاء وعزل النطاقات الترددية ذات الصلة.

• تحويلات واستخراج ميزات: يتم تطبيق مجموعة من التحويلات لتوليد ميزات يمكن أن تمثل حالات عقلية مميزة مع زمن استجابة منخفض وموثوقية عالية.

تضمن هذه المعالجة السابقة أن تكون البيانات المدخلة إلى خوارزميات التعلم الآلي نظيفة وتمثل بشكل جيد ومناسبة للتحليل في الوقت الحقيقي.

نهج التعلم الآلي

تستخدم تطبيق EmotivBCI نماذج خليط غاوسي (GMMs) لتصنيف الأوامر العقلية التي يُحددها المستخدم. تم اختيار هذا النموذج لأنه:

• الكفاءة مع مجموعات بيانات صغيرة: تعمل GMMs بشكل جيد مع بيانات تدريب محدودة - عادة ما تتطلب حوالي 8 ثوانٍ لكل مثال تدريب لكل فئة.

• زمن استجابة منخفض: يضمن الجمع بين GMMs واستخراج الميزات الفعّال أن النظام يمكنه الاستجابة بسرعة لإدخال المستخدم.

• قابلية التوسع: بينما تظل GMMs فعالة مع زيادة عدد الفئات، تزداد تعقيد كل من تعلم المستخدم والنظام.

• تدريب واستدلال سريع: يتم تدريب توقيعات GMM للأوامر العقلية في أقل من ثانية واحدة باستخدام المعالجات منخفضة القدرة. يحدث الاستدلال في الوقت الحقيقي.

التدريب المشترك بين الإنسان والآلة

جانب فريد من منصة Emotiv BCI هو نظام التدريب المزدوج، حيث يتعلم كل من الآلة والمستخدم في نفس الوقت:

• يجب على المستخدم أن يتعلم إنتاج أنماط عقلية تكون:

  • مميزة: تختلف بوضوح عن نشاط الدماغ المتبقي أو الخلفية.

  • قابلة لإعادة الإنتاج: يتم توليدها باستمرار عندما يتم محاولة نفس الأمر العقلي.

  • قابلة للفصل: فريدة عبر أوامر مختلفة.

• تتعلم الآلة من هذه الأمثلة، مما يحسن دقة التصنيف كلما تم جمع المزيد من بيانات التدريب.

مع تحسن مهارات المستخدمين، قد يختارون إعادة بدء التدريب بتوقيع جديد - مجموعة بيانات أنظف تستثني محاولات التدريب المبكرة المليئة بالضوضاء، مما يؤدي إلى أداء أفضل للنظام.

استنتاج

تخلق منصة BCI الخاصة بـ Emotiv توازنًا بين الأداء وقابلية الاستخدام، مما يسمح بتصنيف الأوامر العقلية بشكل فعّال مع حد أدنى من البيانات باستخدام نماذج خليط غاوسي ومعالجة إشارة متقدمة. يعترف نموذج التدريب القائم على الإنسان بأهمية تعلم المستخدم في تحقيق النتائج المثلى.