Estudo de Redes Neurais Profundas Interpretáveis em Interfaces Cérebro-Computador

• Processo: 24/07783-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 31 de julho de 2025
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Levy Boccato
• Beneficiário: Helena Guachalla de Andrade
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Vinculado ao auxílio: 20/09838-0 - BI0S - Brazilian Institute of Data Science, AP.PCPE
• Assunto(s): Aprendizado computacional Aprendizagem profunda Interfaces cérebro-computador Processamento de sinais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado profundo | interfaces cérebro-computador | Processamento de Sinais | Redes interpretáveis | Aprendizado de máquina

Resumo

A aplicação de redes de aprendizado profundo em interfaces cérebro-computador (BCIs, do inglês brain-computer interfaces) tem se intensificado, em grande parte, pelo potencial que tais modelos apresentam na análise de sinais brutos de eletroencefalogramas (EEGs). Em especial, as redes neurais convolucionais (CNNs, do inglês convolutional neural-networks), que têm se destacado na classificação de imagens e reconhecimento de fala, também têm sido utilizadas para esse fim.Nesse contexto, o uso de arquiteturas que sejam interpretáveis e que tenham um bom desempenho no processamento direto dos EEGs se torna desejável. Ao compreender o modo pelo qual o modelo toma decisões, assim como quais atributos dos dados foram determinantes para o resultado obtido, tem-se maior confiabilidade e robustez. Particularmente, duas propostas bem estabelecidas que exploram essa característica são as redes SincNet e EEGNet.O objetivo deste projeto é estudar diferentes arquiteturas de redes neurais interpretáveis, desenvolvidas para o tratamento de sinais temporais, e realizar uma aplicação sistemática dessas abordagens no contexto de sistemas BCI baseados em EEGs e que explorem diferentes paradigmas. Deste modo, esperamos traçar um quadro abrangente das potencialidades e limitações de cada técnica e discutir a relevância dos elementos interpretáveis no projeto de BCIs mais robustas.