Influência da Janela de Estimação no Desempenho de Classificação em Sistemas BCI-SSVEP

Interfaces Cérebro-Computador (BCI, do inglês, Brain-Computer Interface) provêm um canal alternativo de comunicação entre o usuário e uma máquina. Idealmente, o sistema deve ser capaz de classificar os dados coletados com alta acurácia e baixa latência. Dessa forma, nesse trabalho estudamos o efeito do tamanho da janela de amostras no desempenho da interface, utilizando técnicas de regressão logística e rede perceptron multicamadas para classificação dos dados, visando diminuir o tempo necessário para identificação da intenção do usuário. Os resultados revelam que, a despeito da simplicidade dos classificadores, é possível obter taxas de acerto superiores a 78% mesmo para janelas de apenas 1 segundo de duração.