Comitês de Máquinas Aplicados a Interfaces Cérebro-Computador
Autor(a) principal: | |
---|---|
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 |