मूल आकृतियों की वर्गीकरण मस्तिष्क-컴퓨터 इंटरफेस का उपयोग करके

एहसान टर्केश इस्फहानी, वी. सुंदरराजन

सारांश

ब्रेन-कंप्यूटर इंटरफेस (BCIs) उपयोगकर्ता इंटरैक्शन की वैकल्पिक प्रौद्योगिकियों में हाल के विकास हैं। इस पेपर का उद्देश्य CAD सिस्टम के लिए उपयोगकर्ता इंटरफेस के रूप में BCIs की संभावनाओं का अन्वेषण करना है। पेपर उन प्रयोगों और एल्गोरिदम का वर्णन करता है जो उपयोगकर्ता द्वारा कल्पना किए गए प्राथमिक आकारों के बीच भेद करने के लिए BCI का उपयोग करते हैं। उपयोगकर्ता इलेक्ट्रोएन्सेफलोग्राम (EEG) हेडसेट पहनते हैं और एक घन, गोला, सिलेंडर, पिरामिड या शंकु का आकार कल्पना करते हैं। EEG हेडसेट खोपड़ी पर 14 स्थानों से मस्तिष्क की गतिविधि एकत्र करता है। डेटा का विश्लेषण स्वतंत्र घटक विश्लेषण (ICA) और हिल्बर्ट-हुआंग ट्रांसफार्म (HHT) के साथ किया जाता है। रुचि के विशेषताएँ विभिन्न आवृत्ति बैंड्स (थेटा, अल्फा, बेटा और गामा बैंड) के सीमांत स्पेक्ट्रा हैं, जो प्रत्येक स्वतंत्र घटक के हिल्बर्ट स्पेक्ट्रम से गणना की जाती हैं। फिर मैन्न-व्हिटनी यू-टेस्ट को पांच जोड़ी वर्गीकरणों में प्रासंगिकता के अनुसार EEG इलेक्ट्रोड चैनलों को रैंक करने के लिए लागू किया जाता है। उच्चतम रैंकिंग स्वतंत्र घटकों से विशेषताएँ अंतिम विशेषता वेक्टर का निर्माण करती हैं, जिसका उपयोग एक रेखीय विभेदक क्लासिफायर को प्रशिक्षित करने के लिए किया जाता है। परिणाम दिखाते हैं कि यह क्लासिफायर पांच मूलभूत प्राथमिक वस्तुओं के बीच 44.6% के औसत सटीकता के साथ भेद कर सकता है (नैव वर्गीकरण दर 20% की तुलना में) दस विषयों पर (सटीकता की सीमा 36%–54%)। सटीकता वर्गीकरण 39.9% हो जाती है जब दृश्य और मौखिक संकेत दोनों का उपयोग किया जाता है। विशेषता निष्कर्षण और वर्गीकरण की पुनरावृत्ति की जांच 10 विभिन्न दिनों में समान प्रतिभागियों के साथ प्रयोगconducting के द्वारा की गई। यह दर्शाता है कि BCI CAD सिस्टम में ज्यामितीय आकार बनाने में संभावनाएँ रखता है और इसे उपयोगकर्ता इंटरैक्शन के एक नए साधन के रूप में इस्तेमाल किया जा सकता है।पूरा रिपोर्ट पढ़ने के लिए यहां क्लिक करें।