Classificação Contínua de Eletroencefalogramas utilizando um Modelo Conexionista baseado em Populações de Neurônios

• Processo: 12/15178-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Vigência (Início): 01 de maio de 2013
• Vigência (Término): 31 de março de 2014
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Luís Garcia Rosa
• Beneficiário: Denis Renato de Moraes Piazentin
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial Populações de neurônios Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Classificação de eletroencefalogramas | Interface Cérebro-Computador | Populações de neurônios | Redes Neurais Artificiais | Inteligência Artificial

Resumo

A classificação de eletroencefalogramas (EEG) consiste em detectar a partir do sinal do EEG informações sobre o estado do cérebro que permitam identificar, por exemplo, ações e intenções de um indivíduo. A classificação de EEGs é uma das formas de se trabalhar com interfaces cérebro-computador (BCI) e pode ter diversas aplicações, dentre as quais se destaca o uso em jogos eletrônicos, auxílio a pessoas deficientes ou com limitações físicas e para melhorar o controle de máquinas complexas, tal como uma aeronave. A classificação contínua de eletroencefalogramas é tida como um dos desafios atuais da pesquisa em BCI e possui diversas características que a tornam uma tarefa complexa. Os modelos neurais K de Freeman fazem parte de uma nova classe de modelos conexionistas que simulam o comportamento dinâmico de populações de neurônios. Os modelos K têm sido aplicados a diversos problemas de classificação com sucesso, incluindo a classificação de EEGs, em que o modelo se mostrou promissor. Os modelos K possuem diversas características que os tornam uma abordagem interessante para o problema, entre elas a tolerância a ruídos e convergência em poucos passos. Dessa forma, este plano de pesquisa contempla a investigação e aplicação de uma rede neural baseada nos modelos K de Freeman para a tarefa de classificação contínua de eletroencefalogramas. Pretende-se avaliar o desempenho da rede comparando o resultado das principais abordagens usadas na literatura com os métodos do estado da arte. Como resultado final, espera-se que este trabalho auxilie no desenvolvimento de futuros trabalhos na área, e que o modelo desenvolvido apresente resultados melhores que os do atual estado da arte.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

GARCIA ROSA, JOAO LUIS; PIAZENTIN, DENIS R. M.. A new cognitive filtering approach based on Freeman K3 Neural Networks. APPLIED INTELLIGENCE, v. 45, n. 2, p. 363-382, SEP 2016. (12/15178-7, 12/09268-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

PIAZENTIN, Denis Renato de Moraes. Conjuntos K de redes neurais e sua aplicação na classificação de imagética motora. 2014. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.