Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador

Detalhes bibliográficos
Autor(a) principal: Giuliani, Henrique Luiz Voni
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200
Resumo: Orientador: Prof. Dr. Denis Gustavo Fantinato
id UFBC_6529f8aefb466c0830635d935b4faa2d
oai_identifier_str oai:BDTD:123200
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Comitês de Máquinas Aplicados a Interfaces Cérebro-ComputadorCOMITÊ DE MÁQUINASINTERFACE CÉREBRO-COMPUTADORMISTURA DE ESPECIALISTASCOMITÊS BASEADOS EM DIVERSIDADEENSEMBLE LEARNINGBRAIN COMPUTER INTERFACEMIXTURE OF EXPERTSDIVERSITYBASED ENSEMBLEPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABCOrientador: Prof. Dr. Denis Gustavo FantinatoCoorientador: Prof. Dr. Ricardo SuyamaDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, Santo André, 2022.As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interface) são sistemas que englobam técnicas de diversas áreas de conhecimento para possibilitar a tradução do sinal cerebral para um comando de uma aplicação. Dentre tais técnicas destaca-se os algoritmos de aprendizado de máquina, que são responsáveis por extrair padrões e informações relevantes dos dados para a correta classificação de uma instrução do sistema. Entretanto, uma vez que o desempenho desses algoritmos também depende da complexidade dos dados, utilizar os dados de diferentes usuários em um sistema BCI ainda é uma tarefa desafiadora, dado que podem apresentar alta variabilidade a níveis intra e interusuário. Neste cenário, a aplicação de comitês de máquinas pode trazer resultados promissores considerando que cada classificador do comitê atue como especialista em um subconjunto dos dados. Sendo assim, neste trabalho abordamos o uso de diferentes propostas de comitês de máquina amplamente difundidas na literatura para classificar dados de diferentes indivíduos. Como principal contribuição para o tema analisado, é proposta uma nova abordagem de comitês: a Mistura de Especialistas baseada em kernel gaussiano (ou MEKG). Os resultados dos experimentos apontam que o desempenho do MEKG foi superior quando comparado aos demais comitês com um número significantemente menor de especialistas, alcançando uma acurácia média de 95,33% com indivíduos avaliados separadamente e 85,14% no caso cross-subject.Brain-Computer Interfaces (BCI) are robust systems that incorporate techniques from different scientific fields in order to perform the translation of brain signals into external commands. Among these techniques, one can highlight machine learning algorithms, which are responsible for recognizing patterns and extracting relevant information from data to correctly perform the classification task. However, since the performance of these algorithms also depends on data complexity, the conception of a multi-user BCI system is still a challenging task, given the high intra/inter-user variability that is faced in this scenario. In this case, ensemble learning can provide promising results, considering that each base classifier acts as an expert with a subset of the dataset. Thus, in this work, we investigate the use of different ensemble structures classically disseminated in the literature to classify brain signals of different subjects. As the main contribution to this topic, we propose a new type of ensemble: the gaussian kernel-based Mixture of Experts (GKME). Experimental results shows that GKME can reach a better performance when compared to classic ensemble algorithms with a significantly lower number of experts, achieving a mean accuracy of 95.33% when evaluating subjects separately and 85.14% in the cross-subject scenario.Fantinato, Denis GustavoSuyama, RicardoCamargo, Raphael Yokoingawa deLeite, Sarah Negreiros de CarvalhoGiuliani, Henrique Luiz Voni2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf93 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200&midiaext=80263http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200&midiaext=80264Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=123200porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-09-09T15:09:24Zoai:BDTD:123200Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-09-09T15:09:24Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
title Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
spellingShingle Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
Giuliani, Henrique Luiz Voni
COMITÊ DE MÁQUINAS
INTERFACE CÉREBRO-COMPUTADOR
MISTURA DE ESPECIALISTAS
COMITÊS BASEADOS EM DIVERSIDADE
ENSEMBLE LEARNING
BRAIN COMPUTER INTERFACE
MIXTURE OF EXPERTS
DIVERSITYBASED ENSEMBLE
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
title_short Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
title_full Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
title_fullStr Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
title_full_unstemmed Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
title_sort Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
author Giuliani, Henrique Luiz Voni
author_facet Giuliani, Henrique Luiz Voni
author_role author
dc.contributor.none.fl_str_mv Fantinato, Denis Gustavo
Suyama, Ricardo
Camargo, Raphael Yokoingawa de
Leite, Sarah Negreiros de Carvalho
dc.contributor.author.fl_str_mv Giuliani, Henrique Luiz Voni
dc.subject.por.fl_str_mv COMITÊ DE MÁQUINAS
INTERFACE CÉREBRO-COMPUTADOR
MISTURA DE ESPECIALISTAS
COMITÊS BASEADOS EM DIVERSIDADE
ENSEMBLE LEARNING
BRAIN COMPUTER INTERFACE
MIXTURE OF EXPERTS
DIVERSITYBASED ENSEMBLE
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
topic COMITÊ DE MÁQUINAS
INTERFACE CÉREBRO-COMPUTADOR
MISTURA DE ESPECIALISTAS
COMITÊS BASEADOS EM DIVERSIDADE
ENSEMBLE LEARNING
BRAIN COMPUTER INTERFACE
MIXTURE OF EXPERTS
DIVERSITYBASED ENSEMBLE
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
description Orientador: Prof. Dr. Denis Gustavo Fantinato
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200&midiaext=80263
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=123200&midiaext=80264
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=123200
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
93 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502109656416256

Registros relacionados