Reconhecimento de padrões biométricos utilizando máquinas de aprendizado profundo: elaboração de modelo de máquina de aprendizado sequencial

Detalhes bibliográficos
Autor(a) principal: Soares, Gabriel Anísio dos Santos
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