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

Henrique Luiz Voni Giuliani, Patrick de Paula, Paula G Rodrigues, Diogo Soriano, Ricardo Suyama, Denis Fantinato

DOI: 10.14209/sbrt.2021.1570726967

Evento: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2021)

Keywords: BCI Regressão Logística Redes Neurais Artificiais MLP

Abstract

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.

Download