Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Relatório |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFS |
Texto Completo: | http://ri.ufs.br/jspui/handle/riufs/10568 |
Resumo: | The brain-computer interface is one of the emerging fields of human-computer interaction due to its broad spectrum of applications, especially those dealing with human cognition. In this assignment, electroencephalography (EEG) signals are used as a base data to classify the state of the eyes (open or closed) by applying Long Short Term Memory (LSTM) networks and variants. For benchmarking purposes, the eye-state EEG data set available at the University of California Irvine (UCI) Machine Learning repository was used. The results indicated that the model is applicable to the classification of the data and that its performance is reasonable compared to the more expensive models computationally. In addition, a data capture system prototype was developed based on the YouMake platform, accessible hardware developed at the institution to have easy access to biomedical data considering the possibility of obtaining data with both conventional (but with prohibitively high costs) and device developed (with lower and limited cost). |
id |
UFS-2_0a7938cd62b67d013f6afab575c7707b |
---|---|
oai_identifier_str |
oai:ufs.br:riufs/10568 |
network_acronym_str |
UFS-2 |
network_name_str |
Repositório Institucional da UFS |
repository_id_str |
|
spelling |
Soares, Gabriel Anísio dos SantosMatos, Leonardo Nogueira2019-02-22T22:30:49Z2019-02-22T22:30:49Z2018http://ri.ufs.br/jspui/handle/riufs/10568Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0)The brain-computer interface is one of the emerging fields of human-computer interaction due to its broad spectrum of applications, especially those dealing with human cognition. In this assignment, electroencephalography (EEG) signals are used as a base data to classify the state of the eyes (open or closed) by applying Long Short Term Memory (LSTM) networks and variants. For benchmarking purposes, the eye-state EEG data set available at the University of California Irvine (UCI) Machine Learning repository was used. The results indicated that the model is applicable to the classification of the data and that its performance is reasonable compared to the more expensive models computationally. In addition, a data capture system prototype was developed based on the YouMake platform, accessible hardware developed at the institution to have easy access to biomedical data considering the possibility of obtaining data with both conventional (but with prohibitively high costs) and device developed (with lower and limited cost).A interface cérebro-computador é um dos campos emergentes da interação homem-computador devido ao seu amplo espectro de aplicações, especialmente as que lidam com a cognição humana. Neste trabalho, a eletroencefalografia (EEG) é usada como dado base para classificar o estado dos olhos (abertos ou fechados) aplicando redes Long Short Term Memory (LSTM) e variantes. Para fins de benchmarking, foi utilizado o conjunto de dados de EEG com registro do estado do olho, disponível no repositório de aprendizado de máquina da Universidade da Califórnia em Irvine (UCI). Os resultados obtidos indicaram que o modelo é aplicável para a classificação dos dados e que seu desempenho é bom comparado aos modelos mais caros computacionalmente. Adicionalmente foi desenvolvido um sistema de captura de dados com baseado na plataforma YouMake, hardware acessível desenvolvido na instituição para ter acesso facilitado a dados biomédicos considerando a possibilidade de obter os dados tanto com os aparelhos convencionais (mas com custos proibitivamente altos), quanto com dispositivo desenvolvido (com custo mais baixo e limitado).São Cristóvão, SEporCiência da computaçãoProcessamento gráficoEletroencefalografia (EEG)Aprendizado de máquinaLong Short Term Memory (LSTM)Electroencephalography (EEG)Machine learningReconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/reportUniversidade Federal de Sergipe - Pró-reitoria de Pós-Graduação e Pesquisa - Coordenação de Pesquisareponame:Repositório Institucional da UFSinstname:Universidade Federal de Sergipe (UFS)instacron:UFSinfo:eu-repo/semantics/openAccessTEXTReconhecimentoPadroesBiometricos.pdf.txtReconhecimentoPadroesBiometricos.pdf.txtExtracted texttext/plain108192https://ri.ufs.br/jspui/bitstream/riufs/10568/3/ReconhecimentoPadroesBiometricos.pdf.txtfb94a678726a19651720acc82df1a71dMD53THUMBNAILReconhecimentoPadroesBiometricos.pdf.jpgReconhecimentoPadroesBiometricos.pdf.jpgGenerated Thumbnailimage/jpeg1526https://ri.ufs.br/jspui/bitstream/riufs/10568/4/ReconhecimentoPadroesBiometricos.pdf.jpg6b4f936800416f59386f585c0ae1ac95MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81475https://ri.ufs.br/jspui/bitstream/riufs/10568/1/license.txt098cbbf65c2c15e1fb2e49c5d306a44cMD51ORIGINALReconhecimentoPadroesBiometricos.pdfReconhecimentoPadroesBiometricos.pdfapplication/pdf5521816https://ri.ufs.br/jspui/bitstream/riufs/10568/2/ReconhecimentoPadroesBiometricos.pdf415a7ea837d449591a0f4de4b3353446MD52riufs/105682019-02-22 19:30:49.657oai:ufs.br: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Repositório InstitucionalPUBhttps://ri.ufs.br/oai/requestrepositorio@academico.ufs.bropendoar:2019-02-22T22:30:49Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS)false |
dc.title.pt_BR.fl_str_mv |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
title |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
spellingShingle |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial Soares, Gabriel Anísio dos Santos Ciência da computação Processamento gráfico Eletroencefalografia (EEG) Aprendizado de máquina Long Short Term Memory (LSTM) Electroencephalography (EEG) Machine learning |
title_short |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
title_full |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
title_fullStr |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
title_full_unstemmed |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
title_sort |
Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial |
author |
Soares, Gabriel Anísio dos Santos |
author_facet |
Soares, Gabriel Anísio dos Santos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Soares, Gabriel Anísio dos Santos |
dc.contributor.advisor1.fl_str_mv |
Matos, Leonardo Nogueira |
contributor_str_mv |
Matos, Leonardo Nogueira |
dc.subject.por.fl_str_mv |
Ciência da computação Processamento gráfico Eletroencefalografia (EEG) Aprendizado de máquina |
topic |
Ciência da computação Processamento gráfico Eletroencefalografia (EEG) Aprendizado de máquina Long Short Term Memory (LSTM) Electroencephalography (EEG) Machine learning |
dc.subject.eng.fl_str_mv |
Long Short Term Memory (LSTM) Electroencephalography (EEG) Machine learning |
description |
The brain-computer interface is one of the emerging fields of human-computer interaction due to its broad spectrum of applications, especially those dealing with human cognition. In this assignment, electroencephalography (EEG) signals are used as a base data to classify the state of the eyes (open or closed) by applying Long Short Term Memory (LSTM) networks and variants. For benchmarking purposes, the eye-state EEG data set available at the University of California Irvine (UCI) Machine Learning repository was used. The results indicated that the model is applicable to the classification of the data and that its performance is reasonable compared to the more expensive models computationally. In addition, a data capture system prototype was developed based on the YouMake platform, accessible hardware developed at the institution to have easy access to biomedical data considering the possibility of obtaining data with both conventional (but with prohibitively high costs) and device developed (with lower and limited cost). |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2019-02-22T22:30:49Z |
dc.date.available.fl_str_mv |
2019-02-22T22:30:49Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/report |
format |
report |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://ri.ufs.br/jspui/handle/riufs/10568 |
dc.identifier.license.pt_BR.fl_str_mv |
Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0) |
url |
http://ri.ufs.br/jspui/handle/riufs/10568 |
identifier_str_mv |
Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0) |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.initials.fl_str_mv |
Universidade Federal de Sergipe - Pró-reitoria de Pós-Graduação e Pesquisa - Coordenação de Pesquisa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFS instname:Universidade Federal de Sergipe (UFS) instacron:UFS |
instname_str |
Universidade Federal de Sergipe (UFS) |
instacron_str |
UFS |
institution |
UFS |
reponame_str |
Repositório Institucional da UFS |
collection |
Repositório Institucional da UFS |
bitstream.url.fl_str_mv |
https://ri.ufs.br/jspui/bitstream/riufs/10568/3/ReconhecimentoPadroesBiometricos.pdf.txt https://ri.ufs.br/jspui/bitstream/riufs/10568/4/ReconhecimentoPadroesBiometricos.pdf.jpg https://ri.ufs.br/jspui/bitstream/riufs/10568/1/license.txt https://ri.ufs.br/jspui/bitstream/riufs/10568/2/ReconhecimentoPadroesBiometricos.pdf |
bitstream.checksum.fl_str_mv |
fb94a678726a19651720acc82df1a71d 6b4f936800416f59386f585c0ae1ac95 098cbbf65c2c15e1fb2e49c5d306a44c 415a7ea837d449591a0f4de4b3353446 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS) |
repository.mail.fl_str_mv |
repositorio@academico.ufs.br |
_version_ |
1802110765775192064 |